基于Jetson TX2的车道线与车辆识别系统的设计与实现
发布时间：2022-10-17 17:18
随着我国经济的发展,人民生活水平越来越高,汽车已经成为了日常生活必需的交通工具。各行业的汽车保有量增加导致了交通问题日趋严重。如何有效避免交通事故的发生已经成为了一个与人民生活息息相关的问题。因此,研究车道线与车辆识别有着重大意义。本文介绍了车道线与车辆识别系统的研究背景及研究意义,分析了国内外相关领域的研究进展,并给出了本课题实现的嵌入式识别系统的研究内容与技术指标要求。从车道线与车辆识别系统的两大算法即车道线识别算法与车辆识别算法的相关原理出发,提出了本课题使用的基于边缘特征和透视变换的车道线识别算法与基于改进SSD网络的车辆识别算法,从图像预处理,边缘提取,车道线识别详细介绍了车道线识别算法的实现;从数据集建立,改进SSD基础网络为MobileNet网络等详细介绍了车辆识别算法的实现。之后本文介绍了本课题所实现的车道线与车辆识别系统的硬件设计,给出了硬件的总体架构,接着分别介绍了系统的电源设计,HDMI转MIPI输入模块电路设计,图像处理模块选型及部分外围辅助电路设计和ECU电控模块相关电路设计。软件部分则从软件整体框架出发,详细介绍了输入模块的芯片配置程序,电源部分的SBC芯片...
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景及意义
1.2 国内外相关领域研究现状
1.2.1 辅助智能驾驶系统研究现状
1.2.2 车道线识别研究现状
1.2.3 前方车辆识别研究现状
1.3 论文主要研究内容及论文结构安排
1.3.1 研究内容
1.3.2 论文结构安排
第2章 基于边缘特征和透视变换的车道线识别
2.1 车道线的特征
2.2 基于边缘特征和透视变换的车道线识别算法
2.3 图像预处理
2.3.1 图像增强
2.3.2 颜色空间变换
2.3.3 图像平滑滤波
2.4 边缘提取
2.4.1 边缘检测
2.4.2 二值化
2.5 车道线识别
2.5.1 透视变换
2.5.2 车道线候选点提取
2.5.3 最小二乘曲线拟合
2.6 本章小结
第3章 基于改进SSD网络的车辆识别算法
3.1 车辆数据集与预处理
3.1.1 数据集建立
3.1.2 二进制数据集制作
3.2 卷积神经网络
3.2.1 卷积与池化
3.2.2 反向传播
3.3 改进SSD网络构建
3.3.1 MobileNet基础网络
3.3.2 预选框设计
3.3.3 MobileNet SSD网络建立
3.4 基于改进SSD网络的车辆识别算法实现
3.5 本章小结
第4章 车道线与车辆识别系统硬件设计
4.1 硬件总体方案设计
4.2 系统电源设计
4.2.1 SBC系统基础芯片电路设计
4.2.2 Jetson模块电源设计
4.2.3 HDMI转MIPI模块电源设计
4.3 输入模块电路设计
4.3.1 基于TPD12S520DBTR的HDMI接口静电保护电路
4.3.2 基于TC358743XBG的HDMI与MIPI转换电路
4.3.3 TC358743XBG配置电路
4.4 图像处理模块硬件设计
4.4.1 Jetson TX2模块简介
4.4.2 UARTB转USB电路设计
4.5 ECU电控模块电路设计
4.5.1 MPC5744P部分核心电路设计
4.5.2 CAN收发电路设计
4.5.3 EEPROM电路设计
4.6 本章小结
第5章 车道线与车辆识别系统软件设计
5.1 TC358743XBG配置程序
5.1.1 配置程序流程
5.1.2 程序I2C通信协议
5.2 车道线与车辆识别程序设计
5.2.1 依赖库与框架安装配置
5.2.2 车道线与车辆识别程序实现
5.3 SBC配置程序
5.3.1 程序SPI通信协议
5.3.2 关键寄存器配置说明
5.4 本章小结
第6章 车道线与车辆识别系统的调试与结果分析
6.1 系统调试环境搭建
6.2 系统硬件测试
6.3 车道线识别测试与结果分析
6.4 车辆识别测试与结果分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]汽车智能辅助驾驶系统的市场分析与展望[J]. 吴军伟. 现代营销(创富信息版). 2018(10)
[2]我国道路交通事故现状与对策研究[J]. 秦恩国. 内燃机与配件. 2018(16)
[3]深度学习研究现状及其在轨道交通领域的应用[J]. 熊群芳,林军,刘悦,袁浩,游俊. 控制与信息技术. 2018(02)
[4]自适应高斯滤波图像去噪算法[J]. 王海菊,谭常玉,王坤林,杜凤娟,吴智军,高仕龙. 福建电脑. 2017(11)
[5]基于车辆特征和SIFT光流的前方汽车图像信号识别[J]. 褚玮,周皓. 数字技术与应用. 2016(08)
[6]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺. 计算机学报. 2016(08)
[7]彩色图像边缘检测研究综述[J]. 杨婷婷,顾梅花,章为川,马蒙蒙. 计算机应用研究. 2015(09)
[8]国务院:节能与新能源汽车10年战略目标[J]. 王佳. 节能. 2015(05)
[9]意法半导体与Mobileye合作推出视觉辅助驾驶系统芯片[J]. 汽车零部件. 2014(11)
[10]基于PLS-VIP特征降维的车辆检测[J]. 何力,曲仕茹. 中国公路学报. 2014(04)
硕士论文
[1]基于机器视觉的车道线偏移检测与预警系统设计与实现[D]. 吕亚运.安徽工程大学 2016
[2]基于深度学习的车道线检测系统的设计与实现[D]. 李松泽.哈尔滨工业大学 2016
[3]基于DSP的道路前方车辆识别算法研究[D]. 韵卓.吉林大学 2014
[4]基于机器视觉的快速车道线辨识研究[D]. 鞠乾翱.上海交通大学 2013
[5]道路交通事故经济损失分析与评价[D]. 易俊.哈尔滨工业大学 2006
本文编号：3692467
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景及意义
1.2 国内外相关领域研究现状
1.2.1 辅助智能驾驶系统研究现状
1.2.2 车道线识别研究现状
1.2.3 前方车辆识别研究现状
1.3 论文主要研究内容及论文结构安排
1.3.1 研究内容
1.3.2 论文结构安排
第2章 基于边缘特征和透视变换的车道线识别
2.1 车道线的特征
2.2 基于边缘特征和透视变换的车道线识别算法
2.3 图像预处理
2.3.1 图像增强
2.3.2 颜色空间变换
2.3.3 图像平滑滤波
2.4 边缘提取
2.4.1 边缘检测
2.4.2 二值化
2.5 车道线识别
2.5.1 透视变换
2.5.2 车道线候选点提取
2.5.3 最小二乘曲线拟合
2.6 本章小结
第3章 基于改进SSD网络的车辆识别算法
3.1 车辆数据集与预处理
3.1.1 数据集建立
3.1.2 二进制数据集制作
3.2 卷积神经网络
3.2.1 卷积与池化
3.2.2 反向传播
3.3 改进SSD网络构建
3.3.1 MobileNet基础网络
3.3.2 预选框设计
3.3.3 MobileNet SSD网络建立
3.4 基于改进SSD网络的车辆识别算法实现
3.5 本章小结
第4章 车道线与车辆识别系统硬件设计
4.1 硬件总体方案设计
4.2 系统电源设计
4.2.1 SBC系统基础芯片电路设计
4.2.2 Jetson模块电源设计
4.2.3 HDMI转MIPI模块电源设计
4.3 输入模块电路设计
4.3.1 基于TPD12S520DBTR的HDMI接口静电保护电路
4.3.2 基于TC358743XBG的HDMI与MIPI转换电路
4.3.3 TC358743XBG配置电路
4.4 图像处理模块硬件设计
4.4.1 Jetson TX2模块简介
4.4.2 UARTB转USB电路设计
4.5 ECU电控模块电路设计
4.5.1 MPC5744P部分核心电路设计
4.5.2 CAN收发电路设计
4.5.3 EEPROM电路设计
4.6 本章小结
第5章 车道线与车辆识别系统软件设计
5.1 TC358743XBG配置程序
5.1.1 配置程序流程
5.1.2 程序I2C通信协议
5.2 车道线与车辆识别程序设计
5.2.1 依赖库与框架安装配置
5.2.2 车道线与车辆识别程序实现
5.3 SBC配置程序
5.3.1 程序SPI通信协议
5.3.2 关键寄存器配置说明
5.4 本章小结
第6章 车道线与车辆识别系统的调试与结果分析
6.1 系统调试环境搭建
6.2 系统硬件测试
6.3 车道线识别测试与结果分析
6.4 车辆识别测试与结果分析
6.5 本章小结
第7章 总结与展望
7.1 总结
7.2 展望
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]汽车智能辅助驾驶系统的市场分析与展望[J]. 吴军伟. 现代营销(创富信息版). 2018(10)
[2]我国道路交通事故现状与对策研究[J]. 秦恩国. 内燃机与配件. 2018(16)
[3]深度学习研究现状及其在轨道交通领域的应用[J]. 熊群芳,林军,刘悦,袁浩,游俊. 控制与信息技术. 2018(02)
[4]自适应高斯滤波图像去噪算法[J]. 王海菊,谭常玉,王坤林,杜凤娟,吴智军,高仕龙. 福建电脑. 2017(11)
[5]基于车辆特征和SIFT光流的前方汽车图像信号识别[J]. 褚玮,周皓. 数字技术与应用. 2016(08)
[6]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺. 计算机学报. 2016(08)
[7]彩色图像边缘检测研究综述[J]. 杨婷婷,顾梅花,章为川,马蒙蒙. 计算机应用研究. 2015(09)
[8]国务院:节能与新能源汽车10年战略目标[J]. 王佳. 节能. 2015(05)
[9]意法半导体与Mobileye合作推出视觉辅助驾驶系统芯片[J]. 汽车零部件. 2014(11)
[10]基于PLS-VIP特征降维的车辆检测[J]. 何力,曲仕茹. 中国公路学报. 2014(04)
硕士论文
[1]基于机器视觉的车道线偏移检测与预警系统设计与实现[D]. 吕亚运.安徽工程大学 2016
[2]基于深度学习的车道线检测系统的设计与实现[D]. 李松泽.哈尔滨工业大学 2016
[3]基于DSP的道路前方车辆识别算法研究[D]. 韵卓.吉林大学 2014
[4]基于机器视觉的快速车道线辨识研究[D]. 鞠乾翱.上海交通大学 2013
[5]道路交通事故经济损失分析与评价[D]. 易俊.哈尔滨工业大学 2006
本文编号：3692467
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3692467.html
