原文传递
基于深度学习的无人驾驶场景光学目标检测技术研究
| 论文题名： | 基于深度学习的无人驾驶场景光学目标检测技术研究 |
| 关键词： | 无人驾驶;目标检测;深度学习;数据扩充;端对端网络 |
| 摘要： | 近年来，随着新型传感器和人工智能技术的快速发展，利用可见光、激光等传感器提高了无人驾驶感知模块目标检测能力。然而，现有的基于深度学习的光学目标检测方法在车载计算和存储资源有限的条件下无法满足对车辆、行人的高精度实时检测。因此，急需设计精确、高效，并且能够适用于存在资源限制问题的场景的无人驾驶目标检测算法。本文主要研究了基于深度学习的无人驾驶场景光学目标检测技术，主要工作和研究内容如下。 （1）针对所获取的无人驾驶场景光学目标图像背景复杂度低，样本多样性不足等问题，本文研究并实现了基于风格编码生成对抗网络的车辆目标数据扩充方法。首先，构建由映射网络、风格编码器、生成器、判别器四个模块组成的生成对抗网络框架；其次，为节约网络参数量和计算量，引入轻量化结构GhostModule作为风格编码器的基础网络，生成风格编码，实现了高逼真度的车辆目标场景迁移，从而建立了高质量的扩充数据集，为后续目标检测提供了更为丰富的数据支持。 （2）针对当前无人驾驶领域车辆、行人等目标检测存在的精度不高、速度较慢等问题，本文研究并实现了基于样本匹配的无人驾驶场景光学目标检测方法。该方法在结合残差和特征金字塔网络的基础上，设计并实现了一种新型的端到端的一阶段网络；为提高对车辆、行人等多尺度目标的检测精度，在残差模块中引入密集连接，增强了特征表达的能力；最后，为兼顾算法的高计算效率和低存储容量，在分类和回归模块引入Bottleneck结构，从而减少了总体参数量和计算量，实现了高实时性高准确性的无人驾驶场景光学目标检测。为增加整体数据集的丰富性和多样性，采用随机擦除和图像混合技术对样本进行扩充，在公开和自建数据集上进行测试验证，并与其他典型检测算法进行对比，实验结果表明，本论文所实现的算法取得了更好的检测效果。 （3）为验证本文所提方法在无人驾驶车辆、行人检测方面的有效性，本文设计并实现了无人车光学目标检测软件，该软件采用公开和自建的无人车图像数据进行了离线训练，并将训练好的模型部署在移动嵌入式平台，同时开展了室外实验，进行了软件功能的在线测试和算法验证，结果证明了本文所提方法的有效性。 |
| 作者： | 岳童 |
| 专业： | 电子科学与技术;物理电子学 |
| 导师： | 秦翰林 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安电子科技大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
