原文传递
基于卷积神经网络的无人车辅助驾驶系统的设计与实现
| 论文题名： | 基于卷积神经网络的无人车辅助驾驶系统的设计与实现 |
| 关键词： | 无人车;辅助驾驶系统;模块化设计;卷积神经网络 |
| 摘要： | 近年来，随着人工智能时代的到来，人工智能技术被广泛应用于各行各业，其中最热门的无疑是近年来一直在研究的无人驾驶技术。随着无人驾驶等技术的兴起，汽车上的各种辅助驾驶系统作为安全驾驶的关键部分，能够使汽车进行实时预警，并且主动干预来避免各种事故的发生。 通过以上分析的要点，本文提出了一种以Jetson nano高性能嵌入式平台为载体，通过运用机器视觉以及深度学习等技术实现的一种辅助驾驶系统，该系统包括对圆形、三角形两类交通标志的分类识别，以及道路行人的检测两部分。 本文主要内容包括: (1)针对交通标志模块，本文提出了一种先分割，再分类的思路，即首先模拟车载摄像头拍摄图片，再通过对拍摄的图像进行直方图均衡化、锐化、Retinex增强等预处理操作，根据交通标志特有的HSV特征检测出颜色的大致区域，然后利用形态学操作进一步去噪，最后利用传统的霍夫变换检测出具体的形状，将交通标志从整体图像上分割出来，并以此作为分类识别交通标志的神经网络的输入，而神经网络训练部分则利用了GTSRB数据集进行训练，并在此基础上进行了数据扩充。网络选用了LeNet-5卷积神经网络，最后完成实验分析与验证。 (2)针对行人识别模块，本文具体分析了传统检测方法，并使用了一种改进的卷积神经网络YOLOv3tiny作为训练网络，并且利用Labelimg标注工具进行数据集的创建，根据训练日志分析了训练的具体结果。 (3)根据需求分析，设计了一套完整的系统结构，分析了系统的工作流程，介绍了软硬件环境。然后针对交通标志模块进行了分类实验，分析了检测精度。最后在Jetson nano平台上进行了对常规状态行人、动态模糊状态行人、远距离行人、重叠状态下的行人的检测实验。 |
| 作者： | 郭枰 |
| 专业： | 控制工程 |
| 导师： | 于志刚;朱明清 |
| 授予学位： | 硕士 |
| 授予学位单位： | 黑龙江大学 |
| 学位年度： | 2019 |
| 正文语种： | 中文 |
检索历史
应用推荐
