發(fā)布時(shí)間：2021-03-17 12:31

　　近幾年機(jī)器學(xué)習(xí)技術(shù)不斷取得突破,尤其以深度學(xué)習(xí)技術(shù)常在不同領(lǐng)域取得超乎預(yù)計(jì)的進(jìn)步。自動(dòng)駕駛技術(shù)作為深度學(xué)習(xí)應(yīng)用落地的重要領(lǐng)域而備受關(guān)注。深度學(xué)習(xí)技術(shù)在其中一般用于目標(biāo)檢測(cè),語義分割,目標(biāo)跟蹤,深度估計(jì)等功能。而同時(shí)兼顧兩個(gè)及以上功能的神經(jīng)網(wǎng)絡(luò)被稱為多任務(wù)深度神經(jīng)網(wǎng)絡(luò)。而在實(shí)踐中發(fā)現(xiàn),車載芯片有限的計(jì)算力與深度模型龐大的計(jì)算消耗成為阻擋應(yīng)用落地的最大矛盾。單一功能的深度神經(jīng)網(wǎng)絡(luò)運(yùn)行在車載芯片上尚且難以實(shí)時(shí),更遑論為了提供安全的自動(dòng)駕駛需要同時(shí)運(yùn)行不同功能的神經(jīng)網(wǎng)絡(luò)。所以隨著自動(dòng)駕駛技術(shù)研發(fā)走向深入,多任務(wù)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)開始成為自動(dòng)駕駛技術(shù)落地的重要解決方案之一。本文通過對(duì)自動(dòng)駕駛場(chǎng)景中目標(biāo)的分析,提出一種新的多任務(wù)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型。該模型基于稠密凸目標(biāo)圖中實(shí)體目標(biāo)底層維度邊界與不同目標(biāo)的分割邊界近似的特點(diǎn),通過將可行駛區(qū)域拆解為道路目標(biāo)的方法,使用目標(biāo)檢測(cè)方法處理語義分割問題。新模型能夠在處理目標(biāo)檢測(cè)和區(qū)域分割任務(wù)的同時(shí),取消以往多任務(wù)網(wǎng)絡(luò)中的編解碼結(jié)構(gòu),減小了模型結(jié)構(gòu)和運(yùn)算流程,提高了多任務(wù)網(wǎng)絡(luò)的實(shí)時(shí)性。并且通過多目標(biāo)框融合方法避免了在決策關(guān)鍵區(qū)域可能出現(xiàn)的誤判和干擾噪聲,提高了... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 自動(dòng)駕駛視覺研究現(xiàn)狀
        1.2.2 視覺感知技術(shù)在自動(dòng)駕駛領(lǐng)域的現(xiàn)狀
    1.3 論文研究意義
    1.4 本文主要內(nèi)容及章節(jié)安排
        1.4.1 主要內(nèi)容
        1.4.2 章節(jié)安排
2 相關(guān)技術(shù)介紹
    2.1 引言
    2.2 傳統(tǒng)視覺圖像處理相關(guān)技術(shù)
    2.3 傳統(tǒng)輔助駕駛中的相關(guān)技術(shù)
        2.3.1 前向目標(biāo)檢測(cè)
        2.3.2 前方車距檢測(cè)
        2.3.3 前向碰撞預(yù)警
    2.4 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.1 卷積神經(jīng)網(wǎng)絡(luò)特性
        2.4.2 卷積神經(jīng)網(wǎng)絡(luò)在視覺感知中的相關(guān)特點(diǎn)
    2.5 基于CNN的目標(biāo)檢測(cè)技術(shù)
        2.5.1 模型技術(shù)特點(diǎn)
        2.5.2 在視覺感知中的應(yīng)用
    2.6 基于CNN的語義分割技術(shù)
        2.6.1 模型技術(shù)特點(diǎn)
        2.6.2 在視覺感知中的應(yīng)用
    2.7 本章小結(jié)
3 多任務(wù)模型（Multi-task Object Model）設(shè)計(jì)
    3.1 引言
    3.2 問題總結(jié)及目標(biāo)
        3.2.1 當(dāng)前通行的模型適用性分析
        3.2.2 問題分析
        3.2.3 任務(wù)目標(biāo)分析及拆分整合
    3.3 模型設(shè)計(jì)思路
        3.3.1 目標(biāo)檢測(cè)和語義分割特征
        3.3.2 評(píng)價(jià)指標(biāo)評(píng)價(jià)
        3.3.3 模型設(shè)計(jì)主體思路
        3.3.4 分割問題處理
    3.4 數(shù)據(jù)處理
        3.4.1 數(shù)據(jù)收集
        3.4.2 預(yù)處理
        3.4.3 后處理
    3.5 實(shí)驗(yàn)及結(jié)果分析
    3.6 本章小結(jié)
4 基于外觀特征的分類
    4.1 引言
    4.2 目標(biāo)檢測(cè)及識(shí)別
    4.3 車型數(shù)據(jù)及分析
        4.3.1 數(shù)據(jù)收集
        4.3.2 數(shù)據(jù)分析
        4.3.3 數(shù)據(jù)分類
    4.5 結(jié)果及分析
    4.6 本章小結(jié)
5 基于目標(biāo)理解的距離估計(jì)
    5.1 引言
    5.2 目標(biāo)距離估計(jì)
        5.2.1 光學(xué)測(cè)距
        5.2.2 基于視差的測(cè)距
        5.2.3 單目測(cè)距
        5.2.4 基于分割網(wǎng)絡(luò)的像素級(jí)深度估計(jì)
    5.3 基于寬度的距離估計(jì)
        5.3.1 原理分析
        5.3.2 誤差對(duì)比
        5.3.3 數(shù)據(jù)收集及處理
    5.4 結(jié)果及分析
    5.5 本章小結(jié)
6 模型結(jié)果及場(chǎng)環(huán)境構(gòu)建
    6.1 引言
    6.2 場(chǎng)環(huán)境構(gòu)建
        6.2.1 基于遮擋的局部?jī)?yōu)化
        6.2.2 側(cè)向目標(biāo)優(yōu)化
        6.2.3 道路適應(yīng)
    6.3 結(jié)果及分析
    6.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3087144