發(fā)布時(shí)間：2025-06-21 05:36

　　近年來生活水平的提高導(dǎo)致汽車數(shù)量劇增,隨之而來的是各種交通事故的頻發(fā),自動(dòng)駕駛可以減少人工操作失誤而造成的交通事故,同時(shí)還能節(jié)省大量人力,是目前汽車領(lǐng)域的熱門研究方向之一。自動(dòng)駕駛很重要的一個(gè)方面就是車道線檢測(cè),車道線檢測(cè)能夠規(guī)范行車路線,在車輛偏移行車路線給出緊急指示,避免疲勞駕駛或者錯(cuò)誤駕駛而造成的交通事故。本文的車道線檢測(cè)的實(shí)驗(yàn)數(shù)據(jù)為MMS移動(dòng)道路測(cè)量采集的北京部分街景影像,分別從人工設(shè)計(jì)的傳統(tǒng)車道線檢測(cè)算法和基于深度學(xué)習(xí)的車道線檢測(cè)算法來進(jìn)行實(shí)驗(yàn),并進(jìn)行了兩者的實(shí)驗(yàn)結(jié)果對(duì)比,主要內(nèi)容如下�；�于人工設(shè)計(jì)的傳統(tǒng)車道線檢測(cè)算法主要是結(jié)合數(shù)學(xué)形態(tài)學(xué)的閾值分割和Hough變換進(jìn)行車道線檢測(cè)。閾值分割將車道線從背景中分離出來,數(shù)學(xué)形態(tài)學(xué)方法可以連接車道線斷點(diǎn),并去除噪點(diǎn),Hough變換通過參數(shù)空間與圖像空間的點(diǎn)線對(duì)應(yīng)進(jìn)行車道線檢測(cè)�；�于深度學(xué)習(xí)的車道線檢測(cè)算法是本文的核心部分,主要通過遷移學(xué)習(xí)方法對(duì)U-net網(wǎng)絡(luò)和VGG16網(wǎng)絡(luò)進(jìn)行了融合,改變了網(wǎng)絡(luò)的輸入和輸出,以及中間的某些隱含層,使網(wǎng)絡(luò)更適合本文的數(shù)據(jù)。主要過程包括數(shù)據(jù)集的標(biāo)注,網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)和優(yōu)化,網(wǎng)絡(luò)的訓(xùn)練等。數(shù)據(jù)集的標(biāo)注關(guān)系到網(wǎng)絡(luò)...

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1車道線示例圖

第1章緒論交通事故；如果能提前1秒發(fā)現(xiàn)偏離車道，就可避免90%的人為事故。因此，車道線檢測(cè)也是無人駕駛汽車中很重要的一部分，意義。外研究及發(fā)展現(xiàn)狀線即劃分道路汽車行駛分界線，規(guī)定同一方向有兩條及以上車道線，車道線類型較多，一般為10厘米，15厘米，20厘米，....

圖1-2各種車道線示意圖

(e)車道線磨損(f)復(fù)雜路況(e)Lanewear(f)Complexroadconditions圖1-2各種車道線示意圖Fig.1-2Diagramsofvariouslanes1.4論文的主要內(nèi)容及章節(jié)安排論文的研究數(shù)據(jù)來源于移動(dòng)道路測(cè)量車采集....

圖1-3論文研究路線圖

8圖1-3論文研究路線圖Fig.1-3PaperResearchRoadmap論文主要分為六個(gè)部分，章節(jié)安排如下：第1章是論文的緒論。主要介紹了計(jì)算機(jī)技術(shù)的發(fā)展和人工智能再次興起的背景下，自動(dòng)駕駛催生車道線檢測(cè)與提取的需求，并介紹當(dāng)前的國(guó)內(nèi)外研究現(xiàn)狀，同時(shí)對(duì)文章的整....

圖2-1加權(quán)灰度化前（左）后（右）對(duì)比圖

第2章基于傳統(tǒng)方法的車道線檢測(cè)算法權(quán)值，由于對(duì)綠色的敏感度最高，所以R通道對(duì)應(yīng)的權(quán)值較大，對(duì)藍(lán)色敏感度最低，故B對(duì)應(yīng)權(quán)值最小，最常用的權(quán)值對(duì)應(yīng)的公式如下：f=0.R0.59G0.11B()(2-3)本文實(shí)驗(yàn)算法中用的是加權(quán)平均法來....

本文編號(hào)：4051992