基于单目视觉的自动驾驶视觉感知算法设计

发布时间：2025-05-27 00:01

　　近年来,随着人工智能技术的飞速发展,自动驾驶汽车成为了研究热点。摄像头作为自动驾驶汽车中不可或缺的传感器之一,为自动驾驶系统提供重要的图像信息。通过这些图像信息,自动驾驶系统可以获取到汽车视野中所出现的各种障碍物与交通标识牌以及可行驶区域等信息。本文研究自动驾驶视觉感知系统中基于单目视觉的目标检测任务与可行驶区域分割任务。深度学习的出现推动了计算机视觉领域的飞速发展,深度卷积神经网络的应用使得基于视觉的目标检测与语义分割精度有了巨大的提升,但是深度卷积神经网络的计算量十分巨大。由于自动驾驶系统需要实时地对汽车进行控制,这就要求视觉感知算法能够实时运行,而且自动驾驶汽车的车载计算平台属于移动计算平台,其计算能力十分有限。因此,本文设计了一个多任务的深度卷积神经网络,基于单目图像来实时地检测自动驾驶汽车视野中出现的目标,同时分割出当前的可行驶区域。主要研究内容和成果如下:设计了一个图像分类模型Net-A作为目标检测网络与可行驶区域分割网络的backbone网络。在综合分析多个经典图像分类模型的基础上,结合自动驾驶平台的计算性能,设计了一个小型的图像分类模型Net-A。在ImageNet数据集...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图1-1“阿波龙”自动驾驶巴士

随着人工智能技术的飞速发展，自动驾驶汽车逐渐成为可能。自车的应用可以提高城市通行效率，减少交通拥堵。汽车行车途中的交通环分复杂，因此在自动驾驶系统中，摄像头成为一个必不可少的传感器。如头捕获的图像中检测汽车周边的障碍物与交通标识，以及分割出可行驶的本篇论文的研究重点。研究意义及研....

图2-1Apollo中目标检测结果与激光雷达的深度信息融合结果图

图2-1Apollo中目标检测结果与激光雷达的深度信息融合结果图深度卷积神经网络理论基础.1卷积层与池化层卷积层是卷积神经网络的核心。卷积层包括一个或多个具有可学习参数的卷卷积核的大小是人工设定的。2D卷积操作中，每个卷积核的通道数量与卷入的特征图的通道数量一致。我们设....

图2-2卷积示意图

中科技大学硕士学位论文2所示输入特征图大小为99，输入特征图与一个大小为3当滑动步长设置为1，不对输入特征图进行填充时，得到的7。具体计算过程如下：=××××××....

图2-3MaxPooing示意图

图2-2卷积示意图lingLayer）与卷积层类似，不同的是池化层不含有可输入特征图进行下采样，减少后续网络的计算量。xPooling）、平均池化（AveragePooling）等。原图输出结果卷积核

本文编号：4047185