車道線檢測是輔助駕駛和自動駕駛的重要組成部分,車道線偏離報警及車道線保持可以及時糾正駕駛員的不慎操作,減少因錯誤操作和疲勞駕駛而造成的交通事故,從而有效保障駕駛安全、降低駕駛復雜度。車輛行駛在復雜的道路場景中,車道線檢測算法需要具有魯棒性和實時性�；谌斯ぴO計特征的傳統(tǒng)算法難以應對復雜場景因而不能達到魯棒性,基于自動學習特征的深度學習算法成為車道線檢測的發(fā)展趨勢。論文研究了基于卷積神經(jīng)網(wǎng)絡的高精度、快速車道線檢測算法,主要研究內(nèi)容如下:（1）設計了基于全局特征的車道線位置回歸神經(jīng)網(wǎng)絡,實現(xiàn)了整條車道線的粗定位。在網(wǎng)絡輸入層的設計中,提出了一種基于最大值投影的車道線增強方法,在縮小圖像尺寸的同時對車道線特征進行增強,可以有效提高網(wǎng)絡的速度;設計了車道線節(jié)點標注方式和基于ResNet的特征提取網(wǎng)絡,搭建了兩種車道線節(jié)點位置預測的回歸神經(jīng)網(wǎng)絡ResNet-17和ResNet-23。實驗表明,網(wǎng)絡預測的車道線與真實車道線平均偏離5.13像素,檢測速度上達到每幀4ms。（2）在對網(wǎng)絡預測車道線區(qū)域進行分塊得到局部車道線的基礎上,設計了兩種局部車道線重心檢測算法,實現(xiàn)了對車道線位置的精確修正。一種... 

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
    1.2 難點與挑戰(zhàn)
    1.3 車道線檢測算法的研究現(xiàn)狀
        1.3.1 圖像預處理
        1.3.2 車道線特征檢測
        1.3.3 車道線擬合
    1.4 論文研究內(nèi)容及結(jié)構(gòu)安排
2 相關理論和技術
    2.1 深度學習概述
        2.1.1 基本神經(jīng)元
        2.1.2 感知機
        2.1.3 反向傳播(BP神經(jīng)算法)[25]
        2.1.4 卷積神經(jīng)網(wǎng)絡原理
        2.1.5 卷積神經(jīng)網(wǎng)絡研究現(xiàn)狀
        2.1.6 目標檢測網(wǎng)絡
    2.2 基于逆透視變換的車道線檢測方法
        2.2.1 基于投影的車道線檢測算法
        2.2.2 基于CNN的車道線檢測算法
        2.2.3 基于Faster R-CNN的車道線檢測算法
        2.2.4 分析與討論
    2.3 本章小結(jié)
3 基于卷積神經(jīng)網(wǎng)絡的全局車道線檢測
    3.1 引言
    3.2 基于深度學習的全局車道線回歸算法
        3.2.1 車道線回歸算法概述
        3.2.2 數(shù)據(jù)層的設計與處理
        3.2.3 標注方式的設計
        3.2.4 損失函數(shù)
        3.2.5 基于ResNet的車道線坐標回歸網(wǎng)絡
        3.2.6 實驗結(jié)果及分析
    3.3 局部車道線檢測
        3.3.1 基于ResNet的局部車道線重心回歸
        3.3.2 基于改進K-means的局部車道線重心檢測
        3.3.3 基于ResNet和K-means的局部車道線重心檢測方法比較
    3.4 基于特征層融合的車道線檢測
        3.4.1 特征融合的實現(xiàn)方式
        3.4.2 特征融合網(wǎng)絡結(jié)構(gòu)
        3.4.3 實驗結(jié)果及分析
    3.5 本章小結(jié)
4 算法驗證與測試
    4.1 實驗平臺搭建
    4.2 車道線檢測數(shù)據(jù)集
    4.3 實驗前的準備
        4.3.1 訓練樣本
        4.3.2 多標簽網(wǎng)絡
        4.3.3 fine-tuning
    4.4 在數(shù)據(jù)集上的實驗及分析
        4.4.1 實驗
        4.4.2 實驗評判標準
    4.5 各場景檢測精度分析
        4.5.1 理想集
        4.5.2 干擾集
        4.5.3 彎道集
        4.5.4 磨損集
        4.5.5 各場景檢測結(jié)果對比
        4.5.6 不同車道線檢測方法對比
    4.6 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集



本文編號：3668949