原文传递
基于单目视觉深度学习算法的强光背景下车距检测研究
| 论文题名： | 基于单目视觉深度学习算法的强光背景下车距检测研究 |
| 关键词： | 汽车驾驶;车距检测系统;单目视觉;深度学习 |
| 摘要： | 经济发展及人口的持续增长，汽车已经成为每个家庭中常备的交通工具，但道路事故的数量也逐年增加，其中驾驶员无法对意外情况做出及时反应以及缺乏对道路路况的错误评估而导致的道路事故，这些事故占所有道路事故的80%以上。在日间驾驶时，由于驾驶员视线被强光干扰影响驾驶操作，从而导致交通事故。为了避免产生更大的人员伤亡，本文提出一种在强光背景下基于单目视觉深度学习算法的车距检测系统，该系统首先使用改进后的YOLOv5s算法对图像中目标车辆检测和识别，在对图像中车辆检测和识别的基础上对其进行距离测量，并使用图像亮度矫正算法对车辆图像强光进行抑制增强图像对比度，以实现系统在强光背景下对车辆的识别和距离的测量。 首先，本文采用基于YOLOv5s改进算法模型对前方车辆进行识别和检测。以YOLOv5s算法模型为基础采用Hardswish激活函数替换原激活函数，替换激活函数旨在解决YOLOv5s算法因模型训练梯度消失造成车辆检测精度不佳，小目标难以检测等问题，以此改进和优化算法检测模型。在Neck网络中把PAN网络替换为Bi-FPN网络结构。在YOLOv5s算法主干网络上加入注意力机制模块，提升网络模型对中小对象的特征提取能力。文中使用自制和公开数据集训练该算法模型，通过实验数据测试改进后的算法模型，相较于未改进的算法模型，改进后的算法模型对车辆检测识别精度得到有效提升。 其次，采用基于单目视觉建立几何距离测量模型测量车距，测距模型中不仅包括了被测目标与像素点的几何关系，还包括了像素坐标对世界坐标的转换关系。将测距模型与车辆识别检测模型相结合对图像中的车辆进行识别以及完成对前方车辆的距离测量，实验验证单目视觉几何测距模型是可以满足实际交通场景中车辆距离测量要求。 最后，针对强光干扰影响驾驶员视线从而影响驾驶操作的安全隐患，本文使用一种图像亮度矫正算法模型，该模型是基于Gamma算法对车辆图像进行亮度的矫正，主要作用是将图像中光照的高频分量抑制，改善低频部分，提高图像的对比度。在实验中结合改进后的车辆检测模型和测距模型，在车辆图像亮度矫正前后分别实验并对比分析，实验验证改进后的车辆检测和车距测量模型对车辆图像亮度矫正之后车辆识别的精度相较于图像亮度矫正之前均有所提升，且提高了车辆图像中前方车辆距离测量的准确度。 |
| 作者： | 原子安 |
| 专业： | 信号与信息处理 |
| 导师： | 王辛岩 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西藏大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
