原文传递
基于车载视觉系统的道路环境感知技术研究
| 论文题名： | 基于车载视觉系统的道路环境感知技术研究 |
| 关键词： | 车载视觉系统;道路环境感知;目标检测;图像分割 |
| 摘要： | 随着我国社会经济的不断发展，汽车保有量迅速扩大，但与此同时交通事故总量也逐渐上升。汽车智能辅助驾驶系统是提高道路交通安全的有效手段之一。视觉环境感知算法是智能车辅助驾驶系统的关键组成部分，近年来有价值的研究成果层出不穷，特别是基于卷积神经网络的目标检测算法和分割算法在简单场景下有着不错的表现，但是若将这些算法直接应用于实际的复杂交通场景仍存在一定的局限性。本文对复杂交通场景下辅助驾驶系统的实际应用问题进行了研究，提出了一个针对车载视觉系统环境下的道路目标检测与分割算法架构。论文主要开展的工作如下: 1、目前深度卷积神经网络的目标检测框架分为基于区域推荐方法和直接从网络中回归出区域框的回归方法两个研究方向。本文对两种不同方法和各自代表性算法的特点和原理进行对比分析，使用YOLO算法作为道路场景中车辆等目标识别的检测算法，通过叠加不同分辨率特征图的方法来提高目标检测算法的性能。 2、在道路目标分割部分，本文对现有的一些目标分割算法的性能表现进行了分析和比较，采用基于FCN的语义分割算法，能够有效的获得道路环境中目标的像素级分类标签，从而分割出道路中的可行驶区域和车道线。 3、针对车载视觉系统硬件环境和辅助驾驶任务实时处理路况信息能力的需求，本文在检测与分割这两个不同任务的算法中共享一个特征提取网络，进行联合训练为一个架构，能够有效降低处理时间，减少计算与内存消耗。 4、为了验证检测与分割算法的性能表现，本文在公开数据集中进行了训练与测试实验。同时为了适应国内的道路环境情况，本文建立了国内道路交通数据集，该数据集含有人工标记图片九千张。该数据集的建立对道路环境目标检测与分割算法的研究具有一定的应用价值和参考意义。 综上所述，本文以视觉感知技术研究为基础，探索了基于卷积神经网络的目标检测和分割算法在复杂交通场景下的应用与优化，为复杂道路交通环境下的多任务需求提供了新思路。 |
| 作者： | 黄伟杰 |
| 专业： | 控制工程 |
| 导师： | 袁雪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
