基于视觉的结构化道路及障碍物检测技术研究
发布时间：2023-12-26 19:14
在智能汽车驾驶辅助系统中,环境感知是其中的重要组成部分,也是智能车获取周围环境态势以及自身行驶状态的核心功能。在提高汽车行驶安全性的过程中,由于视觉传感器的价格低廉可靠、获取信息丰富,大部分的环境感知功能都是基于视觉完成的。基于机器视觉的辅助驾驶系统环境感知能力决定了智能车规避障碍物、局部区间内规划行车路线的能力,它的实时性与准确性是当前研究中的重中之重。论文针对行车环境视觉感知领域中结构化道路及障碍物的特征提取与目标检测这一核心问题,从传统方法与深度学习两方面进行研究。主要内容包括:在基于传统方法的车道线检测方面,针对目前传统车道线检测算法容易受到噪声和环境因素干扰,以及大曲率车道不能有效拟合的问题,本文提出了一种具有实时性的基于远近视场的双曲线模型的车道线检测方法。在近视场直线提取中,本文采用了一种新的逆透视变换形式,对原始图像进行LSD线段检测,并利用透视图像和鸟瞰图图像之间的亚像素级空间映射矩阵,将线段坐标投影至俯视平面上,有效地减小了生成鸟瞰图引起的插值误差,并消除了生成时间。其次,本文利用DBSCAN对车道边缘线段进行聚类,设计了一种聚类元素融合方法,并在约束条件下提取聚类...
【文章页数】：126 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 智能汽车研究现状
1.2.1 传统智能车载平台
1.2.2 无人机伴飞智能汽车平台
1.3 视觉环境感知的关键技术
1.3.1 道路检测
1.3.2 目标识别
1.3.3 多目标跟踪
1.3.4 场景语义理解
1.4 论文主要研究内容
1.5 论文章节安排
第2章 基于双曲线模型的车道线检测
2.1 引言
2.2 传统结构化道路车道线检测方法
2.2.1 基于特征的车道线检测算法
2.2.2 基于模型的车道线检测算法
2.3 近视场直线处理
2.3.1 基于LSD的近视场直线检测
2.3.2 基于坐标映射的逆透视变换
2.3.3 基于几何特征的线段聚类
2.4 远视场车道线拟合
2.4.1 LOG边缘检测
2.4.2 基于双曲线模型的曲线拟合
2.5 实验与分析
2.5.1 实验设定
2.5.2 实验参数
2.5.3 结果分析
2.6 本章小结
第3章 基于端到端结构的车道结构检测方法
3.1 引言
3.2 基于深度学习的车道检测研究概述
3.2.1 基于特征提取的深度学习方法
3.2.2 基于像素分类的深度学习方法
3.2.3 注意力机制
3.3 基于IBN优化训练和注意力机制的端到端车道线检测
3.3.1 FCN-VGG16全卷积神经网络
3.3.2 基于IBN结构改进的卷积阶段
3.3.3 注意力机制嵌入
3.3.4 网络结构
3.3.5 损失函数
3.4 实验与分析
3.4.1 实验数据集
3.4.2 实验设置
3.4.3 实验结果与对比
3.5 本章小结
第4章 基于深度学习的道路场景语义分割
4.1 引言
4.2 语义分割相关技术介绍
4.2.1 深度残差网络
4.2.2 Inception模块
4.2.3 特征金字塔FPN
4.3 主要算法
4.3.1 无池化结构
4.3.2 多尺度叠加模块
4.3.3 网络结构
4.4 实验与分析
4.4.1 实验设置
4.4.2 实验数据集
4.4.3 实验结果
4.5 本章小结
第5章 基于显著性检测的实时无人机对地车辆检测
5.1 引言
5.2 研究现状
5.3 基于改进Frequency-tuned方法的快速车辆感兴趣区域确定
5.3.1 颜色空间的快速转换优化
5.3.2 基于Lab空间的显著性区域检测
5.3.3 优化结果
5.4 车辆目标感兴趣区域分割方法
5.5 基于水平车辆波的车辆区域确定方法
5.6 实验与分析
5.6.1 实验设置
5.6.2 实验数据集
5.6.3 评价指标
5.6.4 实验结果与对比
5.7 本章小结
第6章 总结和展望
参考文献
作者简介及其在学期间所取得的科研成果
致谢
本文编号：3875391
【文章页数】：126 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 智能汽车研究现状
1.2.1 传统智能车载平台
1.2.2 无人机伴飞智能汽车平台
1.3 视觉环境感知的关键技术
1.3.1 道路检测
1.3.2 目标识别
1.3.3 多目标跟踪
1.3.4 场景语义理解
1.4 论文主要研究内容
1.5 论文章节安排
第2章 基于双曲线模型的车道线检测
2.1 引言
2.2 传统结构化道路车道线检测方法
2.2.1 基于特征的车道线检测算法
2.2.2 基于模型的车道线检测算法
2.3 近视场直线处理
2.3.1 基于LSD的近视场直线检测
2.3.2 基于坐标映射的逆透视变换
2.3.3 基于几何特征的线段聚类
2.4 远视场车道线拟合
2.4.1 LOG边缘检测
2.4.2 基于双曲线模型的曲线拟合
2.5 实验与分析
2.5.1 实验设定
2.5.2 实验参数
2.5.3 结果分析
2.6 本章小结
第3章 基于端到端结构的车道结构检测方法
3.1 引言
3.2 基于深度学习的车道检测研究概述
3.2.1 基于特征提取的深度学习方法
3.2.2 基于像素分类的深度学习方法
3.2.3 注意力机制
3.3 基于IBN优化训练和注意力机制的端到端车道线检测
3.3.1 FCN-VGG16全卷积神经网络
3.3.2 基于IBN结构改进的卷积阶段
3.3.3 注意力机制嵌入
3.3.4 网络结构
3.3.5 损失函数
3.4 实验与分析
3.4.1 实验数据集
3.4.2 实验设置
3.4.3 实验结果与对比
3.5 本章小结
第4章 基于深度学习的道路场景语义分割
4.1 引言
4.2 语义分割相关技术介绍
4.2.1 深度残差网络
4.2.2 Inception模块
4.2.3 特征金字塔FPN
4.3 主要算法
4.3.1 无池化结构
4.3.2 多尺度叠加模块
4.3.3 网络结构
4.4 实验与分析
4.4.1 实验设置
4.4.2 实验数据集
4.4.3 实验结果
4.5 本章小结
第5章 基于显著性检测的实时无人机对地车辆检测
5.1 引言
5.2 研究现状
5.3 基于改进Frequency-tuned方法的快速车辆感兴趣区域确定
5.3.1 颜色空间的快速转换优化
5.3.2 基于Lab空间的显著性区域检测
5.3.3 优化结果
5.4 车辆目标感兴趣区域分割方法
5.5 基于水平车辆波的车辆区域确定方法
5.6 实验与分析
5.6.1 实验设置
5.6.2 实验数据集
5.6.3 评价指标
5.6.4 实验结果与对比
5.7 本章小结
第6章 总结和展望
参考文献
作者简介及其在学期间所取得的科研成果
致谢
本文编号：3875391
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3875391.html