原文传递
基于视觉感知的复杂场景车位识别算法研究与应用
| 论文题名： | 基于视觉感知的复杂场景车位识别算法研究与应用 |
| 关键词： | 辅助驾驶;车位识别;视觉感知;目标测距;全景监测;车规级SoC |
| 摘要： | 随着私家车数量呈指数递增的趋势,停车摩擦事故也随之增多.这是由于车辆拥堵和道路状况的复杂性提升所导致的.因此,现今社会急需一种能够广泛应用的车位识别技术.然而,目前市面上已有的车位识别系统价格昂贵,并存在两个主要问题:其一,在高算力硬件芯片被巨头公司垄断时,降低算法对硬件依赖变得困难;其二,现有的车位识别算法要么是传统视觉算法(鲁棒性较差、难以适应复杂场景),要么基于纯深度学习算法(对硬件算力要求过高、无法在大规模应用中实现).为了解决以上问题,本文利用全志T5开发出了一款低成本、低功耗且具备高鲁棒性、高准确性以及速度性的车位识别系统.该系统采用四颗鱼眼环视摄像头作为图像输入传感器,并集成了360度全景监测、车位目标检测和距离测量三项功能.此外,该系统还采用了速度快、鲁棒性好的轻量化目标检测模型NanoDet来获得环视图像中的车位信息,并移植了支持并行推理加速的MNN深度学习框架,训练出了AP_50达92%的车位识别模型.同时,本文基于标定原理和环视图像提出一种应用于驾培场景的距离估计方法,可以实时监测车辆与停车线之间相对位置关系以判断是否压线. 为了评估本文提出的车位识别系统的性能,将该系统移植到车规级SoC全志T5上并进行了上车测试.在T5的GPU上基于OpenGL实现了全景监测功能,并利用MNN使NanoDet车位目标检测网络能够在SoC上运行,并使用网络量化和OpenCL加速NanoDet网络的运行速度,使其能够流畅的运行在T5平台.通过自采数据集进行试验,结果表明,本文所提出的车位检测方法在多种场景下对不同类型车位都表现出较好的泛化能力,证明其具有高度实用性和可靠性.在嵌入式设备T5平台上,本文提出的车位识别系统能够以每秒11帧(FPS)的速度运行完整功能,并且对于车位识别准确率可达到92%以上.此外,本文还针对驾培场景进行了相应的实车测试.结果表明,本文提出的方法可以有效地实现车位压线的实时监测,并具备良好的准确度和可靠性,其检测准确率超过90%以上. 综上,本文使用低成本、低算力的国产全志T5平台开发的车位识别技术具备良好的鲁棒性、实时性和准确性.该技术可广泛应用于多种场景,如车辆驾培、自动泊车等,并满足各种功能需求. |
| 作者： | 王旭博 |
| 专业： | 汽车智能辅助驾驶 |
| 导师： | 何十全 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
