详情

原文传递基于视觉夜间车辆检测的ADB矩阵大灯研究

论文题名：	基于视觉夜间车辆检测的ADB矩阵大灯研究
关键词：	ADB自适应远光灯系统;LED矩阵大灯;夜间车辆检测;控制模块;灯光模块;架构设计
摘要：	基于LED矩阵大灯的ADB自适应远光灯系统（AdaptiveDrivingBeam）已成为夜间汽车安全照明的技术趋势。ADB系统通过摄像头获取前方道路图像，利用夜间车辆检测方法对图像中的车辆进行检测并输出位置信息，根据位置信息关闭对应区域的LED灯光。但传统的夜间车辆检测方法基于提取车灯单一特征，车灯容易与环境灯光混淆，从而造成误判，且检测精度和实时性不高。本文提出了一种基于优化LightNet+ResNet50+CBAM+FasterRCNN的夜间车辆检测算法，其中优化LightNet用于增强图像中车辆区域亮度，ResNet50+CBAM用于提取车辆轮廓以及车灯特征，而FasterRCNN用于对车辆特征的识别并输出位置信息。基于检测模型完成对ADB系统控制模块和灯光模块的研究设计，搭建硬件实验平台进行检测模型和ADB系统性能测试。主要研究内容如下：　　（1）对通用ADB系统的组成部分及功用、开启或激活条件和工作原理进行理论分析，基于上述理论进行ADB系统开启或激活设计提出基于视觉夜间车辆检测的ADB系统架构；为实现ADB系统夜间车辆检测的功能，建立夜间车辆检测模块设计架构；为实现ADB系统自适应调整灯光照射区域功能，建立控制与灯光模块设计架构。　　（2）基于夜间车辆检测模块设计架构，对夜间车辆检测相关理论进行研究。针对夜间车辆检测中图像照度低、难以获取车辆特征问题，提出优化LightNet图像增强网络，通过算法优化方法，在损失函数均方误差MSE中加入L2范数，并使用自适应Gamma校正，增强车辆区域亮度；针对夜间车辆检测精度较低问题，提出基于ResNet50+CBAM的主干特征提取网络，残差网络ResNet50用于提取车灯及车辆轮廓特征，而CBAM模块可以增强残差结构图中的目标通道和空间特征信息，提高检测精度；提出基于优化LightNet+ResNet50+CBAM+FasterRCNN的夜间车辆检测算法，实现对夜间车辆的检测；针对夜间车辆检测模型实时性较差问题，使用模型轻量化方法减少模型参数和体积，提高检测实时性；通过数据增强方法构建Nightvehicledetection训练数据集，对算法模型进行训练得到最终检测模型。　　（3）基于控制与灯光模块设计架构对控制模块和灯光模块进行研究。为实现ADB系统根据车辆位置关闭对应区域灯光，本文提出了一种LED光学分区方案，将照明区域分为8块，每一块由单个LED灯负责照明；对LED灯的散热性和透镜设计进行理论研究，研究表明风冷散热和玻璃材质的LED透镜适合矩阵式LED大灯，并提出8*8LED灯板和8组COBLED两种光学解决方案作为ADB系统的LED矩阵大灯；综合LED光学分区方案和车辆位置信息，构建分区控制方案，以灯光模块的两种LED矩阵大灯为研究对象，构建基于Arduino单片机的分区控制程序设计和分区控制电路设计；针对灯光偏差问题，提出一种基于DeepSORT目标追踪的灯光校正方法。　　（4）基于ADB系统设计架构完成对硬件实验平台的搭建。进行夜间车辆检测模型和ADB系统性能测试实验。在Nightvehicledetection测试集下进行精度和检测实时性实验，得到夜间车辆检测算法的检测精度mAP值为91.62%，每秒处理帧数FPS值为31，且在各类场景下对车辆能够准确检测，极少出现误判现象。对ADB系统进行测试，在各类行驶场景下，能够根据检测车辆位置关闭LED矩阵大灯对应区域的灯光，满足ADB系统的要求。　　本文所提出的ADB系统对后续ADB系统研究和生产提供了理论指导与实践应用基础。
作者：	柳杰
专业：	车辆工程
导师：	金积德;郑庆祥
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2022