收藏本站
《长安大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

智能车行车环境视觉感知关键技术研究

梁敏健  
【摘要】:行车环境感知是无人驾驶技术中的关键环节,是决策与控制的前提与基础,准确、可靠、实时的环境感知是智能车行车安全性和智能性的保障。基于机器视觉的行车环境感知技术具有硬件成本低、可感知信息量大等优点,尤其是近年来深度学习在图像处理与识别方面取得的技术突破,为面向智能车的行车环境视觉感知提供了新的解决方法。论文针对智能车视觉感知中的图像特征提取与分类器设计两大共性问题,围绕行车环境中多种交通参与要素的视觉感知关键技术进行研究,主要内容包括:(1)提出了一种基于全卷积深度神经网络模型和条件随机场的路面检测算法首先,采用具有13个卷积层和5个池化层的VGG_16深度卷积神经网络作为基础网络,设计一组三个不同跨度的上采样预测输出层,实现与原始输入图像同等大小的、像素级的道路分割图像输出;其次,结合条件随机场,对上采样预测输出层输出结果中路面边缘部分进行优化组合,实现了路面的精确分割。测试结果表明,所提算法的路面检测准确率比最近邻方法提高约6%,比K-均值提高约4.5%,比鲁棒高斯方法提高约4.1%,是一种更有效的道路检测方法。(2)提出了一种基于路面先验的结构化道路标线检测与识别算法首先,基于道路路面先验检测结果,利用颜色对比度定义图像显著性,通过滑窗搜索最终确定感兴趣区域;其次,采用VGG_16深度卷积神经网络架构,实现减速让行线、导向箭头、停车让行线、禁止掉头标记、车行道宽度渐变提示线、限速标识线等6种道路标线的识别。测试结果表明,所提算法比传统方法精度提高近20%,平均运行时间从90ms减少到52ms,可以满足复杂行驶环境下智能车结构化道路标线检测与识别的要求。(3)提出了一种基于层次显著性循环卷积神经网络的车辆目标检测算法首先,基于训练好的VGG模型对输入图片进行显著性检测,得到粗略显著性图;采用层次循环卷积网络进行进一步逐层细化,得到最终精细的显著性图;其次,采用自适应阈值分割方法对显著性目标区域进行提取。测试结果表明,所提算法在KITTI测试库上测试精准率(0.91)、召回率(0.88)和F值(0.89),能够为智能车对车辆目标检测提供一种有效手段。(4)设计了一种基于HOG-Gabor与Softmax的交通标志识别方法首先,提取HOG特征与Gabor特征,将提取的HOG和Gabor特征向量串联,得到扩增特征向量;其次,采用Softmax分类器对扩增向量进行分类,从而实现交通标志识别。测试结果表明,所提算法在德国交通标志识别基准数据库上的测试识别率为97.68%,耗时0.08 ms/张,在识别正确率和实时性方面得到了显著提高。(5)设计了一种基于D-S证据组合理论的行人检测方法首先,从输入图像中提取HOG特征和LBP特征,将两类特征分别单独通过概率SVM获得有无行人的后验概率输出和2个独立证据;其次,根据后验概率求取每个独立证据的基本信度分配,使用基于矩阵分析的D-S证据组合算法,将2个独立基本信度融合并输出为一个新的信任函数取值;最后,基于该信任函数制定决策规则,实现行人有无判定。试验结果表明,该方法能够有效地实现行人HOG特征和LBP特征在决策级的融合,充分利用HOG特征善于刻画行人轮廓、LBP特征善于刻画行人外表纹理等两种特征的综合优势,改善了行人检测算法的性能。上述方法在相关图像基准数据集上进行了试验验证,结果表明上述方法能够为智能车行车环境感知提供有效的解决方案;而且本文对基于深度框架的行车环境参与要素检测方法进行了多种探索,试图挖掘与揭示深度卷积网络内部目标特征的学习机理,为基于深度系统的自动驾驶任务提供多种有效可靠的算法,具有一定潜在的实用价值。
【学位授予单位】:长安大学
【学位级别】:博士
【学位授予年份】:2017
【分类号】:U463.6;TP391.41

【相似文献】
中国期刊全文数据库 前10条
1 周健;陈朝和;黄冬华;程智宾;;智能车模型的设计与制作[J];电子制作;2009年07期
2 陈孟元;孙书诚;王虎;;基于图像识别的寻迹智能车设计[J];重庆理工大学学报(自然科学);2013年03期
3 雨佳;能避免车祸的智能车[J];汽车与社会;2000年01期
4 付国迎;;机电一体化智能车——电源总成的制作[J];电子制作;2009年05期
5 胡治国;;通过智能车大赛培养大学生的创新能力[J];中国电力教育;2010年21期
6 吴越诗;王韬;;基于串口的智能车调试平台[J];常熟理工学院学报;2010年08期
7 张敏杰;卢倩;崔治;;转弯差速在智能车上的运用[J];企业技术开发;2011年19期
8 陆正辰;杨明;王冰;王春香;;电磁导引智能车仿真平台设计与实现[J];华中科技大学学报(自然科学版);2011年S2期
9 高素文;;智能车起跑线边沿检测方法的设计与实现[J];仪器仪表用户;2012年01期
10 胡亚森;杨仁炘;曹鹏辉;梅军;刘安世;;竞速式寻迹智能车设计技巧[J];电子制作;2012年04期
中国重要会议论文全文数据库 前10条
1 杨文秀;陆常周;;用“无人驾驶智能车柔性信息处理办法”探讨量子机器人[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
2 尚修刚;蒋慰孙;;模糊特征提取新算法[A];1997中国控制与决策学术年会论文集[C];1997年
3 潘荣江;孟祥旭;杨承磊;王锐;;旋转体的几何特征提取方法[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
4 王书荣;;眼睛运动及其对视觉感知的影响[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年
5 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
6 杜栓平;曹正良;;时间—频率域特征提取及其应用[A];2005年全国水声学学术会议论文集[C];2005年
7 王占一;徐蔚然;刘东鑫;郭军;;一种基于两级分类器的垃圾短信过滤方法[A];第五届全国信息检索学术会议论文集[C];2009年
8 翟静;李海宏;唐常杰;陈敏敏;李智;;可验证对象集分类器的再训练演进[A];第十九届全国数据库学术会议论文集(研究报告篇)[C];2002年
9 陈继航;刘家锋;赵巍;唐降龙;;联机手写识别笔段特征分类器的学习方法[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年
10 顾德英;孙万燕;韩泉城;;基于凌阳单片机的智能车系统设计[A];中国仪器仪表学会第十二届青年学术会议论文集[C];2010年
中国重要报纸全文数据库 前10条
1 易芸 记者 凌翔;军地合作研制无人驾驶智能车[N];解放军报;2012年
2 记者 谭志文 陈建平;做强做优智能车库项目 有效缓解城市停车难题[N];郴州日报;2014年
3 通讯员 李会香;市公汽公司努力营造良好行车环境[N];四平日报;2008年
4 记者 詹媛;智能车未来挑战赛月底开赛[N];光明日报;2012年
5 记者 刘建业通讯员 朱兴月;日东高速管理处创和谐行车环境[N];济宁日报;2008年
6 记者 尹昊 实习生 魏彬 刘赛;市交通局创造安全、和谐行车环境迎奥运[N];衡水日报;2008年
7 崔小兵 本报记者 蒋维胜;无人驾驶不再是科幻梦想[N];中国质量报;2011年
8 田学科;原有记忆会降低视觉感知能力[N];科技日报;2011年
9 本报记者 朱冰;清华智能车驶出全球极速[N];中国高新技术产业导报;2003年
10 钟俊锋;营造周围是景行车环境[N];韶关日报;2007年
中国博士学位论文全文数据库 前10条
1 梁敏健;智能车行车环境视觉感知关键技术研究[D];长安大学;2017年
2 刘成云;行车环境下多特征融合的交通标识检测与识别研究[D];山东大学;2016年
3 叶鹏;基于视觉感知的风格可视化研究[D];苏州大学;2016年
4 易军;人脸识别中的特征提取与度量学习算法研究[D];北京邮电大学;2015年
5 段佳;SAR/ISAR目标电磁特征提取及应用研究[D];西安电子科技大学;2015年
6 冯博;雷达高分辨距离像特征提取与识别方法研究[D];西安电子科技大学;2015年
7 陈斌;连续语音识别特征提取与声学模型训练区分性技术研究[D];解放军信息工程大学;2015年
8 熊庆;列车滚动轴承振动信号的特征提取及诊断方法研究[D];西南交通大学;2015年
9 陈超;复杂光照条件下的人脸识别方法研究[D];浙江大学;2016年
10 魏峰;高光谱遥感数据特征提取与特征选择方法研究[D];西北工业大学;2015年
中国硕士学位论文全文数据库 前10条
1 杨小花;针对西夏文字识别的特征提取及分类器研究[D];宁夏大学;2017年
2 辛飞祥;基于视觉感知融合的中医诊断分析模型研究[D];哈尔滨工业大学;2017年
3 陈宏田;基于安卓系统联网智能车的设计和研究[D];南京师范大学;2015年
4 李坤;安全实时智能车管理通信系统的设计和实现[D];浙江大学;2015年
5 宋洋;微型智能车定位与控制及其集成测试[D];大连理工大学;2015年
6 刘贺;无人驾驶智能车的结构设计[D];西安工业大学;2014年
7 董龙飞;车路协同中的智能车编队设计与实现[D];北京工业大学;2015年
8 李滨;智能车钥匙系统及其安全防护研究与设计[D];吉林大学;2016年
9 许年丰;基于安卓智能手机的智能车设计[D];郑州大学;2016年
10 曹国浩;无人驾驶智能车远程监控系统的设计[D];西安工业大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026