原文传递
面向自动驾驶场景的多目标分割和跟踪
| 论文题名： | 面向自动驾驶场景的多目标分割和跟踪 |
| 关键词： | 汽车自动驾驶;多目标分割;多目标跟踪;卷积神经网络 |
| 摘要： | 近年来，自动驾驶技术因其安全性与良好的应用前景受到越来越多的关注。而在自动驾驶场景中存在着多尺度目标、几何形变以及遮挡等问题，导致车辆感知系统对其周围的目标无法精准分割和跟踪，进而使其控制系统无法获取真实场景信息。针对上述问题，本文在基于卷积神经网络的多目标分割和跟踪算法框架基础上，引入了密集连接的特征金字塔、可变形卷积以及融合目标局部信息的策略，对自动驾驶场景中多尺度目标、几何形变与遮挡问题进行了研究，主要包括： （1）针对自动驾驶场景中存在的多尺度目标情形，本文在基于卷积神经网络的多目标分割和跟踪框架基础上，将密集连接的特征金字塔结构引入到图像特征提取阶段，通过缩短不同尺度特征之间的连接路径，使特征图同时包含底层空间特征和高层语义特征。本文使用“先检测后跟踪”的网络Track RCNN与基于时空聚类的网络STEm-Seg进行了实验，两种算法在使用密集连接的金字塔结构后，对多尺度目标的检测能力均有所上升。同时，针对卷积神经网络对目标几何形变建模能力弱的问题，将可变形卷积模块引入到多目标分割和跟踪网络中，结果表明该模块可以提高模型对多种几何形状目标的检测能力。 （2）针对车辆行驶过程中或行人穿越马路过程中出现的遮挡问题，造成跟踪轨迹的中断或碎片化，本文将局部与整体的思想引入到基于卷积神经网络的多目标分割和跟踪框架中，将目标划分成四个区域，对每个区域的特征进行加权相加来替代目标整体的特征，利用整体特征与局部特征进行目标关联。该方法可以使目标的可见部分与整体的特征变化连续。结果表明，该方法可以有效解决因目标之间的相互遮挡而造成跟踪轨迹的中断或碎片化的问题。 |
| 作者： | 袁慕策 |
| 专业： | 摄影测量与遥感 |
| 导师： | 赵银娣 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国矿业大学(江苏) |
| 学位年度： | 2021 |
检索历史
应用推荐
