论文部分内容阅读
随着无人驾驶技术的发展,智能车辆与智能检测系统相配合,使汽车逐步代替人类获得周围驾驶环境信息并做出决策判断,先进驾驶辅助系统(ADAS)是无人驾驶技术的重要前提,随着无人驾驶技术的发展,这种被动的示警作用逐步变为主动的决策干预,因此ADAS技术的完善是无人驾驶技术安全性、先进性、稳定性的重要前提条件。本文设计了一种基于单目视觉的交通感知系统,为ADAS系统处理采集的视频信息提供了系统方案。一般的视觉驾驶辅助系统主要基于计算机视觉,传感器分为单目和双目相机两种,相比较来说,单目相机的成本较低,需要的计算资源较少,因此本文优先选择单目作为技术路线。本交通感知系统设计架构如下:首先,本文设计了一种基于视觉的卡尔曼滤波车道线检测和跟踪系统,通过对视频图像预处理,使用滑动窗口提取左右线路的特征信息,将这些特征点使用二次拟合,绘制出完整的车道线。同时为了提高算法的鲁棒性和准确性,加入了卡尔曼滤波算法,当遇到图像道路信息不完整,特殊行驶情况和路面干扰信息较多时,仍然可以保持车道线的完整提取,精确度达到74.8%,速度达到332帧每秒。其次设计基于深度学习的目标检测算法,识别车身周围环境的车辆种类,图像位置信息。通过研究测试对比各类算法的性能,选择MASK R-CNN作为目标检测框架,使用MS COCO和KITTI数据集作为训练数据集,经过超参数的调整得到模型文件,使用模型对视频进行测试,得到最终检测结果,平均召回率为94.58%,准确率为92.76%。然后设计基于图像中检测到的位置信息进行目标跟踪的算法,利用之前检测得到的目标位置信息,对周围行驶的机动车,非机动车,行人进行跟踪,从而为车辆提供相对距离计算的依据,为碰撞预警或其他辅助驾驶提供帮助。结合目标检测系统后测试精度达到70.7%,速度为25帧每秒。最终将车道线检测、目标检测和跟踪算法进行融合,设计多目标检测和跟踪的交通场景感知系统,以Ubuntu为操作系统对各部分进行测试验证,经过仿真测试证明该系统可以实时检测和跟踪交通场景中的目标,检测精度达到验证了系统的可行性和实时性。