基于车载图像的车辆压线检测方法研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 研究背景 | 第11-12页 |
1.2 研究意义 | 第12-13页 |
1.2.1 合成数据研究意义 | 第12-13页 |
1.2.2 车辆压线检测研究意义 | 第13页 |
1.3 研究现状 | 第13-17页 |
1.3.1 合成数据研究现状 | 第14页 |
1.3.2 车辆压线检测研究现状 | 第14-17页 |
1.4 课题的目标与主要工作 | 第17-18页 |
1.5 章节安排 | 第18-19页 |
第二章 相关技术 | 第19-33页 |
2.1 场景构建技术 | 第19-25页 |
2.1.1 物理引擎 | 第19页 |
2.1.2 动态车辆构建 | 第19-21页 |
2.1.2.1 车辆运动技术 | 第20页 |
2.1.2.2 车辆路径规划技术 | 第20-21页 |
2.1.3 车道构建 | 第21-22页 |
2.1.4 天气 | 第22-24页 |
2.1.5 光照 | 第24页 |
2.1.6 其他静态物体 | 第24-25页 |
2.2 数据采集与标注技术 | 第25-27页 |
2.2.1 Airsim | 第25-26页 |
2.2.2 碰撞检测 | 第26页 |
2.2.3 区间树IntervalTree | 第26-27页 |
2.3 图像语义分割技术 | 第27-30页 |
2.3.1 概述 | 第28-29页 |
2.3.2 评价指标 | 第29-30页 |
2.3.3 Deeplab v2 | 第30页 |
2.4 图像处理技术 | 第30-32页 |
2.4.1 Canny边缘检测算法 | 第30-31页 |
2.4.2 Hough变换 | 第31-32页 |
2.5 本章小结 | 第32-33页 |
第三章 压线检测数据集 | 第33-49页 |
3.1 场景与环境设置 | 第33-38页 |
3.1.1 区域 | 第33-34页 |
3.1.2 天气和光照 | 第34-35页 |
3.1.3 动态车辆 | 第35-36页 |
3.1.4 其它 | 第36-38页 |
3.2 数据采集与标注 | 第38-42页 |
3.2.1 图像数据采集 | 第38-39页 |
3.2.2 压线数据采集 | 第39-40页 |
3.2.3 数据标注系统 | 第40-42页 |
3.3 压线检测数据集 | 第42-46页 |
3.3.1 目标车辆数据集 | 第43-45页 |
3.3.1.1 构建原则 | 第43页 |
3.3.1.2 数据划分 | 第43页 |
3.3.1.3 数据样本 | 第43-45页 |
3.3.1.4 应用场景 | 第45页 |
3.3.2 车辆自身数据集 | 第45-46页 |
3.4 本章小结 | 第46-49页 |
第四章 压线检测方法 | 第49-69页 |
4.1 引言 | 第49-50页 |
4.2 目标车辆压线检测 | 第50-54页 |
4.2.1 总体流程 | 第50-51页 |
4.2.2 压线判断方法 | 第51-52页 |
4.2.3 目标车辆的前后轮估计 | 第52-53页 |
4.2.4 方法特点 | 第53-54页 |
4.3 车辆自身压线检测 | 第54-58页 |
4.3.1 总体流程 | 第54页 |
4.3.2 压线判断方法 | 第54-57页 |
4.3.3 基于先验知识的动态概率Hough变换 | 第57页 |
4.3.4 方法特点 | 第57-58页 |
4.4 实验与分析 | 第58-66页 |
4.4.1 实验设置 | 第58-59页 |
4.4.1.1 目标车辆压线检测 | 第58-59页 |
4.4.1.2 车辆自身压线检测 | 第59页 |
4.4.2 实验内容 | 第59-60页 |
4.4.2.1 目标车辆压线检测 | 第59-60页 |
4.4.2.2 车辆自身压线检测 | 第60页 |
4.4.3 实验结果与分析 | 第60-65页 |
4.4.3.1 目标车辆压线检测 | 第60-63页 |
4.4.3.2 车辆自身压线检测 | 第63-65页 |
4.4.4 性能分析 | 第65-66页 |
4.5 应用示例 | 第66-68页 |
4.6 本章小结 | 第68-69页 |
第五章 总结与展望 | 第69-71页 |
5.1 总结 | 第69页 |
5.2 展望 | 第69-71页 |
参考文献 | 第71-77页 |
致谢 | 第77-79页 |
在读期间发表的学术论文与取得的研究成果 | 第79页 |