基于卷积神经网络的视觉泊车算法研究

发布时间：2023-08-09 18:56

　　近年来,无人驾驶技术的研究受到越来越广泛的关注且取得了很大的进步,给汽车的主动安全与智能化提供了更多的可能。泊车的环境复杂度以及应用可能性相较于其他驾驶技术来说能够更为简单的实现,然而现有的泊车辅助大多基于多超声波或多雷达对可泊车区域进行感知,较高的应用成本使得其并没有落地于大部分车型。随着计算机视觉的迅猛发展,使得成本较低的摄像头得以在泊车领域得到应用发展。作为泊车系统的感知、决策、控制三大部分的第一步,感知就是要在泊车时对目标区域内的车位线进行检测识别。传统的图像目标检测算法,对于复杂场景的识别准确率低,且较大程度依赖于参数阈值的设定,相比之下深度卷积神经网络有着更好的性能与更大的应用潜力和研究前景。虽然泊车时的速度相对较低,但是对于检测算法的速度实时性也是有着相当高的要求,因而对于算法的优化加速也尤为重要。本文的工作主要是对泊车视觉辅助算法进行研究,提出基于CNN的停车位检测算法,并将算法在PC机上进行验证演示。本文的主要研究内容有:(1)基于卷积神经网络的目标检测算法研究。本文对基于区域生成的检测算法以及基于回归的检测算法的发展演变思路做了详细的梳理。通过实际标注单一场景的车位...

【文章页数】：68 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 自动泊车技术与应用研究现状
        1.2.1 泊车辅助国内外现状
        1.2.2 视觉目标检测算法
        1.2.3 神经网络模型压缩
    1.3 研究目标和章节安排
第2章 基于卷积神经网络的目标检测算法研究
    2.1 区域生成的检测算法分析
    2.2 区域候选检测算法改进
    2.3 基于回归方法的检测算法分析
    2.4 基于回归方法的检测算法改进
    2.5 实验设计及结果分析
        2.5.1 数据集制作与数据扩增
        2.5.2 模型构建及参数调优
        2.5.3 模型评价
    2.6 本章小结
第3章 卷积神经网络的模型压缩加速
    3.1 低秩近似算法
    3.2 剪枝与稀疏约束算法
    3.3 参数量化二值网络
    3.4 蒸馏神经网络
    3.5 紧凑的网络结构
    3.6 实验设计与结果分析
        3.6.1 紧凑小网络的模型实验
        3.6.2 参数量化的模型实验
    3.7 本章小结
第4章 车位线吻合技术研究
    4.1 车位线吻合技术研究背景
    4.2 聚类算法实现
        4.2.1 聚类算法介绍
        4.2.2 k均值聚类算法
        4.2.3 模糊C均值聚类算法
        4.2.4 算法对比及实验设计
    4.3 基于OCR改进的车位识别
        4.3.1 多自由度文字检测方法
        4.3.2 CNN与 RNN结合的检测方法
    4.4 基于关键点的车位检测
        4.4.1 关键点检测算法背景
        4.4.2 关键点检测算法介绍
    4.5 实验设计与结果分析
        4.5.1 车位线吻合实验设计
        4.5.2 关键点数据集与增广
        4.5.3 模型构建与参数调优
    4.6 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 研究展望
参考文献
攻读学位期间参与课题及成果
致谢



本文编号：3840772