基于单目视觉的交通场景感知

发布时间：2022-08-09 15:41

　　随着无人驾驶技术的发展,智能车辆与智能检测系统相配合,使汽车逐步代替人类获得周围驾驶环境信息并做出决策判断,先进驾驶辅助系统（ADAS）是无人驾驶技术的重要前提,随着无人驾驶技术的发展,这种被动的示警作用逐步变为主动的决策干预,因此ADAS技术的完善是无人驾驶技术安全性、先进性、稳定性的重要前提条件。本文设计了一种基于单目视觉的交通感知系统,为ADAS系统处理采集的视频信息提供了系统方案。一般的视觉驾驶辅助系统主要基于计算机视觉,传感器分为单目和双目相机两种,相比较来说,单目相机的成本较低,需要的计算资源较少,因此本文优先选择单目作为技术路线。本交通感知系统设计架构如下:首先,本文设计了一种基于视觉的卡尔曼滤波车道线检测和跟踪系统,通过对视频图像预处理,使用滑动窗口提取左右线路的特征信息,将这些特征点使用二次拟合,绘制出完整的车道线。同时为了提高算法的鲁棒性和准确性,加入了卡尔曼滤波算法,当遇到图像道路信息不完整,特殊行驶情况和路面干扰信息较多时,仍然可以保持车道线的完整提取,精确度达到74.8%,速度达到332帧每秒。其次设计基于深度学习的目标检测算法,识别车身周围环境的车辆种类,图... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 论文主要研究内容和结构
        1.3.1 论文主要研究内容
        1.3.2 论文结构框架
第2章 车道线检测算法研究
    2.1 引言
    2.2 车道线检测方法研究
    2.3 结合卡尔曼滤波的车道线检测算法设计
    2.4 相机标定
    2.5 图像预处理
        2.5.1 ROI选择
        2.5.2 透视变换
        2.5.3 图像阈值化
        2.5.4 边缘检测
    2.6 滑动窗口提取与二次拟合
    2.7 卡尔曼滤波跟踪算法设计
    2.8 本章小结
第3章 基于卷积神经网络的目标检测和跟踪研究
    3.1 引言
    3.2 卷积神经网络基础
        3.2.1 卷积神经网络结构
        3.2.2 卷积神经网络训练
    3.3 目标检测算法研究
        3.3.1 传统目标检测
        3.3.2 深度学习目标检测
    3.4 目标跟踪算法研究
    3.5 本章小结
第4章 交通感知系统整体实现设计
    4.1 引言
    4.2 带卡尔曼滤波的车道线检测算法设计
    4.3 目标检测算法设计
    4.4 基于位置信息的跟踪算法设计
    4.5 本章小结
第5章 交通感知系统算法测试和验证
    5.1 引言
    5.2 系统环境配置和测试集
    5.3 车道线算法测试
        5.3.1 算法评价标准
        5.3.2 算法性能测试
    5.4 基于MASK R-CNN的训练和测试
        5.4.1 算法性能检测指标
        5.4.2 算法训练和测试
    5.5 目标跟踪算法测试
    5.6 本章小结
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]上半年全国机动车和驾驶人保持高位增长[J].   道路交通管理. 2018(08)
[2]道路交通事故损失统计分析[J]. 秦恩国.  内燃机与配件. 2018(15)
[3]自适应巡航控制系统对驾驶安全性的影响研究[J]. 刘新雨,吴学勤,王畅,张瑞宾,宋柱.  中国安全科学学报. 2017(04)
[4]通用Onstar（通用安吉星）服务系统（上）[J]. 纪石.  汽车维修技师. 2010(03)

博士论文
[1]基于机器视觉的先进辅助驾驶系统关键技术研究[D]. 范延军.东南大学 2016
[2]城市智能交通系统交通流协同优化与诱导关键技术研究[D]. 文孟飞.中南大学 2013
[3]城市动态路况信息下交通行为的研究[D]. 周伟.大连理工大学 2012

硕士论文
[1]基于深度学习的车道线和车辆检测[D]. 罗森.电子科技大学 2018
[2]基于机器视觉的车道线识别与预警[D]. 陈家凡.浙江理工大学 2018
[3]基于深度学习的车道线检测算法研究[D]. 梁乐颖.北京交通大学 2018
[4]车道偏离预警视觉系统算法改进研究[D]. 葛平淑.吉林大学 2008



本文编号：3672828