原文传递
基于深度学习的单目视觉车辆检测与跟踪研究
| 论文题名： | 基于深度学习的单目视觉车辆检测与跟踪研究 |
| 关键词： | 车辆前向碰撞预警系统;车辆检测;目标跟踪;单目视觉;图像处理 |
| 摘要： | 随着交通事故的频发，交通事故引发的一系列安全问题已经受到了社会的广泛关注。面对日益严峻的交通安全形势，发展汽车智能辅助驾驶系统已成为当前汽车行业的迫切要求，而车辆前向碰撞预警系统则是汽车智能辅助驾驶系统中重要的一部分。车辆的检测与跟踪算法在该系统中起到了至关重要的作用。 视觉系统可以从周围环境中获取丰富的内容，因而利用视觉进行车辆的检测与跟踪一直是研究人员的研究热点。近年来深度学习发展迅速，本文致力于基于深度学习的单目视觉车辆检测与跟踪算法研究，设计了一套车辆前向碰撞预警系统。 论文首先对图像进行预处理，并基于车道线特征设计了边缘检测算法检测车道线的边缘;利用车道线的感兴趣区域改进Hough变换，对预处理后的图像进行车道线的识别。结果表明本文的边缘检测算法可以有效地过滤干扰物体，以便更为准确地识别车道线。 其次研究了深度学习算法，采集视频并标注训练样本，设计卷积神经网络并基于Faster-RCNN对其进行训练，同时利用车道线区域进行车辆感兴趣区域的划分，最后完成车辆的检测任务。结果表明深度学习算法可以提高车辆的正确识别率，在多种复杂状况下对车辆仍具有很好的检测效果。 再次研究了卡尔曼滤波跟踪算法以及全局域最近邻(Global Nearest Neighbor，GNN)数据关联算法，将卡尔曼滤波跟踪算法以及全局域最近邻数据关联算法应用于视频序列的车辆目标跟踪，结果表明应用本文的车辆跟踪算法可以进一步提高车辆的检测效果。 最后对摄像机的参数进行了标定，并通过逆透视变换完成了图像空间与实际空间的转换，从而计算出图像目标的实际距离，利用摄像机采集的数据与标准PC机进行车辆前向碰撞预警系统的设计。 |
| 作者： | 叶运生 |
| 专业： | 车辆工程 |
| 导师： | 张炳力 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
