發(fā)布時(shí)間：2021-07-22 04:52

　　隨著人工智能的迅猛發(fā)展與5G時(shí)代的到來(lái),人們對(duì)汽車(chē)的安全性、智能性、操作性的要求不斷提高,傳統(tǒng)汽車(chē)的控制方式正在發(fā)生巨大的變革。人們?cè)噲D在傳統(tǒng)汽車(chē)行業(yè)的基礎(chǔ)上開(kāi)發(fā)輔助駕駛系統(tǒng)和無(wú)人駕駛汽車(chē),通過(guò)計(jì)算機(jī)系統(tǒng)的控制可以實(shí)現(xiàn)輔助駕駛或者無(wú)人駕駛,以此來(lái)減輕駕駛員的精神負(fù)擔(dān),減少交通事故的發(fā)生,提高車(chē)輛行駛的安全性,將駕駛員從繁重的駕駛工作中解脫出來(lái)。無(wú)論是輔助駕駛亦或是自動(dòng)駕駛汽車(chē),都離不開(kāi)駕駛室外部環(huán)境的檢測(cè)。由于傳統(tǒng)算法在檢測(cè)交通標(biāo)識(shí)時(shí),人們通過(guò)手動(dòng)提取交通標(biāo)識(shí)的顏色、邊緣、紋理等特征,致使該類(lèi)方法檢測(cè)速度慢、魯棒性差,難以在復(fù)雜的真實(shí)交通場(chǎng)景中準(zhǔn)確的檢測(cè)出交通標(biāo)識(shí)。為實(shí)現(xiàn)及時(shí)準(zhǔn)確的檢測(cè)交通標(biāo)志、交通信號(hào)燈以及停止線等多類(lèi)交通標(biāo)識(shí),本文提出了基于深度學(xué)習(xí)目標(biāo)檢測(cè)算法YOLO v3算法的多類(lèi)交通標(biāo)識(shí)檢測(cè)算法T-YOLO與TM-YOLO。T-YOLO算法首先以Darknet-53卷積網(wǎng)絡(luò)為基礎(chǔ),并且在Darknet-53網(wǎng)絡(luò)的末端加入數(shù)個(gè)卷積層與3個(gè)上采樣層組成特征提取網(wǎng)絡(luò),完成多類(lèi)交通標(biāo)識(shí)特征提取;其次,將三次上采樣獲得的原圖像的16倍、8倍、4倍下采樣特征圖與Darknet-53提取的對(duì)... 

【文章來(lái)源】：沈陽(yáng)工業(yè)大學(xué)遼寧省

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

交通標(biāo)志Fig.1.1Imageoftrafficsigns

不好，所以并沒(méi)有引起注意。2017年，Behrendt等[24]提出一個(gè)完整的基于深度學(xué)習(xí)的交通信號(hào)燈檢測(cè)、跟蹤系統(tǒng)。該系統(tǒng)可以實(shí)現(xiàn)準(zhǔn)確感知交通信號(hào)燈、車(chē)輛測(cè)距等功能，但是該系統(tǒng)檢測(cè)速率較低，在1280*720的圖像上，每秒檢測(cè)速率為10鄭2018年，王瑩等[25]給出了一種基于YOLO模型的交通信號(hào)燈檢測(cè)方法。該算法分別在MicrosoftCOCO數(shù)據(jù)集、Bosch數(shù)據(jù)集、自制數(shù)據(jù)集上進(jìn)行了三次的遷移學(xué)習(xí)，在自制數(shù)據(jù)集上取得了96.3%的準(zhǔn)確率，但對(duì)于交通信號(hào)的檢測(cè)幀率僅為18FPS，不能滿(mǎn)足在實(shí)際應(yīng)用中盡可能實(shí)時(shí)檢測(cè)的要求。圖1.2交通信號(hào)燈Fig.1.2Imageoftrafficlight1.2.3道路停止線檢測(cè)停止線是車(chē)道線中常見(jiàn)的一種白色實(shí)線（如圖3），表示車(chē)輛必須減速讓行。簡(jiǎn)單的特征也使得對(duì)停止線的檢測(cè)存在著更大的挑戰(zhàn)。首先，由于路面臟的緣故，停止線并不一定表現(xiàn)為純白色；其次，由于拍攝位置與角度的限制使得采集到的原始圖片中，停止線存在可能被遮擋、實(shí)際距離不確定與并不一定平行于上下邊界等一系列問(wèn)題。從查找的資料中發(fā)現(xiàn)，目前國(guó)內(nèi)外專(zhuān)門(mén)針對(duì)停止線檢測(cè)的研究較少。2008年，Nieto等[26]人基于透視變換的車(chē)道線檢測(cè)算法。該算法首先對(duì)輸入圖像進(jìn)行透視變化，估計(jì)其幾a常見(jiàn)交通信號(hào)燈b實(shí)際場(chǎng)景中交通信號(hào)燈

停止線

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的交通信號(hào)燈檢測(cè)及分類(lèi)方法[J]. 王瑩,丁鵬.  汽車(chē)實(shí)用技術(shù). 2018(17)
[2]基于深度學(xué)習(xí)的道路交通標(biāo)志數(shù)字識(shí)別技術(shù)探究[J]. 余進(jìn)程,謝光漢,羅芳.  數(shù)字技術(shù)與應(yīng)用. 2013(12)
[3]基于方向邊緣匹配的人行橫道與停止線檢測(cè)[J]. 謝錦,蔡自興,李昭,尤作.  計(jì)算機(jī)工程. 2013(06)
[4]基于視覺(jué)注意機(jī)制的交通標(biāo)志檢測(cè)[J]. 劉芳,鄒琪.  計(jì)算機(jī)工程. 2013(02)
[5]應(yīng)用圓形度和顏色直方圖的交通信號(hào)燈識(shí)別[J]. 谷明琴,蔡自興,李儀.  計(jì)算機(jī)工程與設(shè)計(jì). 2012(01)
[6]一種基于視覺(jué)的車(chē)道線檢測(cè)與跟蹤算法[J]. 劉富強(qiáng),張姍姍,朱文紅,李志鵬.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(02)
[7]一種基于掃描線的車(chē)道線識(shí)別算法[J]. 李若皓,丁冬花.  微計(jì)算機(jī)信息. 2008(16)

碩士論文
[1]基于深度學(xué)習(xí)的交通標(biāo)志檢測(cè)算法研究[D]. 王聰.北方工業(yè)大學(xué) 2017
[2]視頻交通燈識(shí)別和陰影消除方法及應(yīng)用研究[D]. 譚乃強(qiáng).湖南大學(xué) 2010



本文編號(hào)：3296473