基于机器学习的智能汽车目标检测与场景增强技术研究

发布时间：2025-05-27 23:48

　　增强现实抬头显示系统(AR-HUD)在驾驶员正常驾驶视域内,将驾驶辅助信息与实际交通场景相融合,既能扩展环境感知信息,又能避免驾驶员过多地低头查看仪表,从而有效地提高了驾驶的安全性。AR-HUD技术得到了汽车电子业界的高度重视,已成为汽车智能化技术研究的热点,但是若真正实现规模化实车应用,仍有许多相关技术问题亟待解决。本文针对AR-HUD工程应用中的目标检测深度网络的轻量化问题、系统组合标定和虚像畸变处理等问题展开研究,主要内容如下:1.针对嵌入式环境下基于深度学习的目标检测算法的实时性问题,本文利用轻量化神经网络Mobile Net降低网络参数量与模型大小,采用长短期记忆网络,设计了一种含有时间维特征的基于Mobile Net-SSD的道路目标检测算法。实验验证了该算法在嵌入式环境下在保证目标检测准确率的同时能有效提高目标检测的实时性。2.针对AR-HUD工程应用中的系统组合标定和虚像畸变处理问题,本文提出了AR-HUD系统标定方法和多种虚像预畸变算法。其中AR-HUD系统标定方法包括多相机组合标定与AR-HUD投影虚像所在位置和大小的测量;虚像预畸变算法包括静态眼位条件下AR-HUD...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 智能汽车技术
        1.2.2 目标检测技术
        1.2.3 AR-HUD技术
    1.3 论文主要工作
    1.4 论文组织结构
第2章 相关技术基础
    2.1 相机成像模型及其参数标定
        2.1.1 相机成像模型
        2.1.2 相机畸变模型
        2.1.3 相机参数标定
    2.2 基于深度学习的目标检测算法
        2.2.1 卷积神经网络结构
        2.2.2 激活函数
        2.2.3 评价指标
        2.2.4 基于深度学习的目标检测算法
    2.3 增强现实技术
        2.3.1 三维注册技术
        2.3.2 虚实融合技术
    2.4 本章小结
第3章 基于改进的MobileNet-SSD的道路目标检测方法
    3.1 SSD卷积神经网络
    3.2 MobileNet网络
        3.2.1 MoblieNetV1
        3.2.2 MoblieNetV2
        3.2.3 MobileNetV3
    3.3 改进的MobileNet-SSD算法
        3.3.1 算法描述
        3.3.2 网络结构
    3.4 道路目标检测实验与分析
        3.4.1 实验说明
        3.4.2 实验分析
    3.5 本章小结
第4章 面向AR-HUD的虚像测量与畸变矫正方法
    4.1 车载AR-HUD系统模型
        4.1.1 AR-HUD系统原理
        4.1.2 AR-HUD虚拟投影屏幕
        4.1.3 AR-HUD系统三维注册模型
    4.2 车载AR-HUD系统标定方法
        4.2.1 坐标系定义与转换关系
        4.2.2 多相机组合标定方法
        4.2.3 AR-HUD的虚像测量
    4.3 静态眼位条件下AR-HUD图像预畸变的线性插值算法
    4.4 动态眼位条件下AR-HUD图像预畸变的多重线性插值算法
    4.5 动态眼位条件下AR-HUD虚像预畸变的神经网络学习算法
    4.6 实验与分析
        4.6.1 AR-HUD系统标定实验与分析
        4.6.2 AR-HUD虚像预畸变实验与分析
    4.7 本章小结
第5章 车载AR-HUD系统AR控制器设计与实现
    5.1 车载AR-HUD系统
        5.1.1 系统硬件
        5.1.2 系统软件
    5.2 实车实验
    5.3 本章小结
第6章 总结与展望
    6.1 全文总结
    6.2 展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：4047741