隨著社會的快速發(fā)展和科技的日益進(jìn)步,智能車輛因其在各個(gè)領(lǐng)域均有著重要的使用價(jià)值成為了目前研究的熱門話題。智能車輛的導(dǎo)航系統(tǒng)從功能結(jié)構(gòu)來看主要包括環(huán)境感知、自主定位、路徑規(guī)劃以及決策控制等模塊。其中,環(huán)境感知技術(shù)作為智能車輛的“眼睛”,是目前智能車輛量產(chǎn)和商用化的最大障礙之一,也是其它模塊實(shí)現(xiàn)的基礎(chǔ)和前提。目前,高等級的無人駕駛汽車系統(tǒng)仍然非常依賴于激光雷達(dá)等傳感器的測量,然而,激光雷達(dá)在價(jià)格成本,處理算法復(fù)雜度等方面限制了智能車輛的發(fā)展,所以基于智能車輛視覺導(dǎo)航的環(huán)境感知技術(shù)近幾年發(fā)展迅猛。環(huán)境感知也被稱為環(huán)境理解或場景理解,主要包括道路可行駛區(qū)域檢測、車道線檢測、道路場景語義分割、車輛等障礙物檢測等內(nèi)容。本論文深入分析了智能車輛視覺導(dǎo)航環(huán)境感知領(lǐng)域中的幾項(xiàng)關(guān)鍵技術(shù)及其在國內(nèi)外的研究現(xiàn)狀,總結(jié)了現(xiàn)階段環(huán)境感知技術(shù)研究中存在的不足,在此基礎(chǔ)上分別對道路檢測算法、車道線檢測算法、圖像語義分割算法、聯(lián)合分割與檢測算法等關(guān)鍵技術(shù)進(jìn)行了深入研究,提出了多種改善環(huán)境感知性能的算法。本文的研究成果對智能車輛的發(fā)展及應(yīng)用具有重要的理論意義和參考價(jià)值。本論文主要完成了以下四個(gè)方面的工作:（1）深入研究了... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所)吉林省

【文章頁數(shù)】：133 頁

【學(xué)位級別】：博士

【部分圖文】：

SAE分類標(biāo)準(zhǔn)Figure1.1CriteriaforclassificationofSAE在SAE分類標(biāo)準(zhǔn)中，Level0屬于非自動化，即純?nèi)斯ゑ{駛，不具備無人駕駛功能，車輛僅在必要的時(shí)刻提供安全警告和保護(hù)系統(tǒng)的輔助

基于智能車輛視覺導(dǎo)航的環(huán)境感知技術(shù)研究6卡內(nèi)基梅隆大學(xué)研制的NavLab系列智能車（如圖1.2所示）、曾在2007年“DARPAUrbanChallenge”獲得冠軍的由卡內(nèi)基梅隆大學(xué)與通用汽車公司共同研制的“Boss”自主車（如圖1.3所示）、曾在2007年“DARPAUrbanChallenge”獲得亞軍的由斯坦福大學(xué)研制的“Jounior”智能車（如圖1.4所示）等。概括來說，卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)以及麻省理工學(xué)院等著名高校接連對自動駕駛技術(shù)投入的研發(fā)，將智能車輛的發(fā)展推向了一個(gè)高潮。[12]圖1.2卡內(nèi)基梅隆大學(xué)NavLab-11自主車Figure1.2NavLab-11autonomousvehiclefromCarnegieMellonUniversity圖1.3卡內(nèi)基梅隆大學(xué)Boss自主車Figure1.3BossautonomousvehiclefromCarnegieMellonUniversity

基于智能車輛視覺導(dǎo)航的環(huán)境感知技術(shù)研究6卡內(nèi)基梅隆大學(xué)研制的NavLab系列智能車（如圖1.2所示）、曾在2007年“DARPAUrbanChallenge”獲得冠軍的由卡內(nèi)基梅隆大學(xué)與通用汽車公司共同研制的“Boss”自主車（如圖1.3所示）、曾在2007年“DARPAUrbanChallenge”獲得亞軍的由斯坦福大學(xué)研制的“Jounior”智能車（如圖1.4所示）等。概括來說，卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)以及麻省理工學(xué)院等著名高校接連對自動駕駛技術(shù)投入的研發(fā)，將智能車輛的發(fā)展推向了一個(gè)高潮。[12]圖1.2卡內(nèi)基梅隆大學(xué)NavLab-11自主車Figure1.2NavLab-11autonomousvehiclefromCarnegieMellonUniversity圖1.3卡內(nèi)基梅隆大學(xué)Boss自主車Figure1.3BossautonomousvehiclefromCarnegieMellonUniversity

【參考文獻(xiàn)】：
期刊論文
[1]基于DeepLabV3+與超像素優(yōu)化的語義分割[J]. 任鳳雷,何昕,魏仲慧,呂游,李沐雨.  光學(xué)精密工程. 2019(12)
[2]人工智能:下一個(gè)數(shù)字前沿?[J]. 韓曉涵.  信息安全與通信保密. 2017(07)
[3]圖像分割中的超像素方法研究綜述[J]. 宋熙煜,周利莉,李中國,陳健,曾磊,閆鑌.  中國圖象圖形學(xué)報(bào). 2015(05)
[4]國務(wù)院印發(fā)《中國制造2025》[J].   現(xiàn)代企業(yè). 2015(05)
[5]梯度點(diǎn)對約束的結(jié)構(gòu)化車道檢測[J]. 王永忠,王曉云,文成林.  中國圖象圖形學(xué)報(bào). 2012(06)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的高效語義分割方法研究[D]. 楊威.中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所) 2019
[2]無人駕駛車輛自主導(dǎo)航關(guān)鍵技術(shù)研究[D]. 賈會群.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所) 2019
[3]道路交通環(huán)境感知及行車風(fēng)險(xiǎn)評價(jià)方法研究[D]. 陳松.吉林大學(xué) 2019
[4]基于深度學(xué)習(xí)的自動駕駛單目視覺目標(biāo)識別技術(shù)研究[D]. 陳宇鵬.吉林大學(xué) 2019
[5]基于視覺的結(jié)構(gòu)化道路及障礙物檢測技術(shù)研究[D]. 曲峰.吉林大學(xué) 2019
[6]智能車輛同時(shí)定位與建圖關(guān)鍵技術(shù)研究[D]. 劉丹.北京工業(yè)大學(xué) 2018
[7]弱監(jiān)督場景語義理解[D]. 賴百勝.浙江大學(xué) 2018
[8]基于多源信息融合的智能汽車環(huán)境感知技術(shù)研究[D]. 孫寧.江蘇大學(xué) 2018
[9]室外移動機(jī)器人的道路場景識別及路徑規(guī)劃研究[D]. 吳宗勝.西安理工大學(xué) 2017
[10]無人駕駛車輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D]. 王俊.中國科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]智能駕駛中的車道線檢測算法研究[D]. 王珍.安徽工程大學(xué) 2019
[2]基于視覺的車道線檢測技術(shù)研究[D]. 李喬伊.北京郵電大學(xué) 2019
[3]復(fù)雜情況下的道路邊緣檢測算法研究[D]. 楊剛.北京交通大學(xué) 2019
[4]基于深度學(xué)習(xí)的道路場景目標(biāo)檢測方法研究[D]. 呂致萍.吉林大學(xué) 2019
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的車道線檢測算法研究[D]. 袁楓.北京交通大學(xué) 2019
[6]基于深度學(xué)習(xí)的道路目標(biāo)檢測問題研究[D]. 付琦.北京交通大學(xué) 2019
[7]基于圖像語義分割的車輛可行駛區(qū)域識別方法研究[D]. 王航.華南理工大學(xué) 2019
[8]基于車輛視覺環(huán)境的車道線檢測與可行駛區(qū)域車輛檢測研究[D]. 韓宜軒.長安大學(xué) 2019
[9]基于深度學(xué)習(xí)的車道線檢測技術(shù)研究[D]. 高軼康.北京郵電大學(xué) 2019
[10]基于隨機(jī)森林算法的街道場景語義分割[D]. 朱衛(wèi).哈爾濱理工大學(xué) 2019



本文編號：3538019