面向交通场景理解的视觉目标检测与场景分割方法研究

发布时间：2024-02-14 04:09

　　在交通场景理解中,基于视觉的目标检测与场景分割发挥着重要的作用。本课题主要来源于国家自然科学基金重大项目“自主驾驶车辆关键技术与集成验证平台”与国家自然科学基金重点项目“任务相关视觉注意机制与非安全驾驶状态分析方法研究”。课题围绕交通场景理解技术中的视觉目标检测与场景分割问题展开研究,提出了有效的目标检测与场景分割方法,提高了无人驾驶系统与高级驾驶辅助系统(ADAS)的交通场景理解能力。本文的主要成果和创新点如下:(1)提出了一种基于单层卷积策略的感兴趣区域提取算法,此算法能够快速过滤掉大量不包含目标的图像区域,避免了检测器在图像中进行贪婪式搜索,从而大大提高了目标检测的效率;同时,该算法能够从图像中去除大量的负样本,从而降低了后续算法所需要分类的样本数量,使得后端目标检测器具有更高的召回率以及更低的虚警率。(2)提出了一种基于多种群遗传算法的自适应网络结构调整方法,在给定基本网络架构之后,此方法能够启发式的对每一层卷积核数量以及特征通道数量进行选择,有效的简化了卷积神经网络的设计过程,同时能够有效的平衡网络性能与网络规模之间的关系。同时,提出了一种基于TLD(Tracking-Lea...

【文章页数】：129 页

【学位级别】：博士

【部分图文】：

图1.2DARPA无人驾驶挑战赛

国防科技大学研究生院博士学位论文人驾驶汽车发展中具有十分重要的意义，它推动了无人驾驶技术的革命[22]。之后，无人驾驶技术迅速发展，越来越多的研究者开始关注复杂交通路况下的场景理解与无人驾驶问题[23]。图1.2DARPA无人驾驶挑战赛进入21世纪以后，随着人工智能和模式识别技术....

图1.3特斯拉ModelS无人驾驶测试

国防科技大学研究生院博士学位论文图1.3特斯拉ModelS无人驾驶测试能，其无人驾驶技术在当时处于世界先进水平[31]。2011年，国防科技大学研制的HQ3无人驾驶汽车在复杂交通场景下进行测试，并完成了长沙至武汉286公里的高速公路无人驾驶实验，途中完成自主超车67次，全程平均时....

图1.4国防科技大学HQ3无人驾驶汽车

国防科技大学研究生院博士学位论文图1.3特斯拉ModelS无人驾驶测试能，其无人驾驶技术在当时处于世界先进水平[31]。2011年，国防科技大学研制的HQ3无人驾驶汽车在复杂交通场景下进行测试，并完成了长沙至武汉286公里的高速公路无人驾驶实验，途中完成自主超车67次，全程平均时....

图1.5Mobileye公司研发的EyeQ系列高级驾驶辅助系统芯片

FD）可显著的降低这类交通事故发生的概率[57]。部分疲劳监测系统通过生理传感器来监测驾驶员的心率、大脑状态等生理活动[58]，然而，这类系统往往需要驾驶员佩戴一些生理传感器，大大影响了系统使用的舒适性与便捷性。基于视觉的方法是目前最舒适与便捷的疲劳监测解决方案[59]。通常驾驶....

本文编号：3897716