原文传递
基于深度学习的视觉系统建模与标定技术研究
| 论文题名： | 基于深度学习的视觉系统建模与标定技术研究 |
| 关键词： | 高级辅助驾驶系统;视觉成像;深度学习;标定技术 |
| 摘要： | 无人驾驶汽车在道路中行驶时，若无法精确采集行人、车辆以及水坑等外界重要信息，极易造成人民财产损失以及人员伤亡情况。为了解决信息采集的精确性问题，本文通过研究深度学习与视觉成像模型组合的方法，得到精确的物体位置，从而提高无人驾驶汽车的可靠行驶。 现有摄像机测量的方法效果较好，但仍然存在以下问题:现有摄像机标定的过程中，需要考虑摄像机物理特性、外界环境信息对摄像机的标定影响，一般结合多个线性过程的方法求解摄像机的内外参数，存在中间求解过程较多、测量精度减小等问题。针对以上问题，设计了一种精度高、鲁棒性强的且利用深度学习映射关系的测量模型和标定技术。 根据设计需求，分析了传统摄像机的映射模型原理，研究像素点和世界坐标点之间的对应关系以及分析了深度学习的优势和特点，搭建满足数据特征的卷积神经网络视觉测量模型;采用了滤波、形态学处理以及角点提取的方法采集像素坐标，根据精密仪器测量三维世界坐标，然后整合数据;为提高摄像机标定精度，引入正态分布和多项式拟合的方法实现对数据全面性和精确度分析;为高效以及快迷得到卷积神经网络模型参数，对数据进行处理，采用多项式回归的方法对数据全面性和误差进行分析，选取了支持向量回归的方法对异常值进行处理，采用逐一排查法对重复的数据进行剔除，选取了最大最小方法对数据进行归一化。将归一化的数据进行比例分配，分为训练集和测试集，训练集数据对卷积神经网络视觉模型参数值求解，测试集对模型进行验证。 论文搭建了双口视觉对三维环境测量系统的标定平台，并对改进的测量成像模型进行标定以及数据验证实验。实验结果表明，本文采用深度学习视觉成像模型直接标定法可有在一定程度中简化标定过程，对比传统的测量方法精度在Xw、wY 、Z w方向上均减小12.852 mm范围内，满足自动驾驶及高级辅助驾驶系统对外界环境信息的测量要求。 |
| 作者： | 郑百强 |
| 专业： | 控制理论与控制工程 |
| 导师： | 王泽民 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
