【摘 要】
：
车道线检测是自动驾驶系统中最受重视的任务之一,车道线检测的准确性、实时性与稳定性关乎自动驾驶系统的整体性能。近年来,深度学习凭借着其巨大的拟合能力与泛化能力,推动了车道线检测方法的发展,基于深度学习的车道线检测方法相比于传统的车道线检测方法具有更好的准确性和鲁棒性。在实际应用中,车辆行驶场景复杂多变,尤其是在恶劣的雨天天气条件下进行车道线检测仍然存在困难,因为雨水条纹会使自动驾驶视觉系统采集的图像
论文部分内容阅读
车道线检测是自动驾驶系统中最受重视的任务之一,车道线检测的准确性、实时性与稳定性关乎自动驾驶系统的整体性能。近年来,深度学习凭借着其巨大的拟合能力与泛化能力,推动了车道线检测方法的发展,基于深度学习的车道线检测方法相比于传统的车道线检测方法具有更好的准确性和鲁棒性。在实际应用中,车辆行驶场景复杂多变,尤其是在恶劣的雨天天气条件下进行车道线检测仍然存在困难,因为雨水条纹会使自动驾驶视觉系统采集的图像出现车道线模糊,车道线遮挡与车道线能见度下降等问题,导致待检测图像呈现明显的质量退化,严重影响车道线检测任务的准确性与稳定性。目前如何有效完成雨天场景中的车道线检测已然成为一个急切需要解决的问题,因此本文设计了适用于雨天场景中进行车道线检测的算法,这将有助于解决雨天天气条件下进行车道线检测所面临的问题。本文主要研究工作如下:（1）基于轻量化的ENet分割网络设计了车道线检测算法的主干网络,其可输出车道线语义分割图与实例分割图,并引入金字塔池化模块与软注意力机制对主干网络进行多种改进,得到多个不同特点的车道线检测网络。在数据集处理方面,采用数据增强手段对数据集进行扩增,同时为了解决车道线样本分布失衡的问题,引入Focal Loss函数作为语义分割损失函数。最后进行了多组对比实验,结果表明本文设计的ENet+PPM+SE网络是综合性能较好的网络,其分割精度指标m Iou高达79.3%、F1高达74.6%,处理帧率约为45FPS。（2）结合深度可分离卷积对逐像素滤波去雨算法进行轻量化改进,主要改进点是将算法包含的KPN网络的标准卷积替换为深度可分离卷积,从而得到改进网络（KPN＿Tiny）。在数据集方面,以Tusimple车道线数据集为基础合成了包含9种雨纹的Rain Lane9000数据集,可用于去雨网络的训练与测试。实验结果表明,改进的KPN＿Tiny网络相比于KPN网络缩减约88%的参数量与76%的运算量,处理帧率约为27FPS;在去雨质量方面,KPN＿Tiny网络与KPN网络表现基本相同,能较好的提高因雨纹退化的图像质量。（3）设计了包含轻量化图像去雨环节的车道线检测算法。实验结果表明,本文设计的雨天车道线检测算法在多种雨天测试环境中,相比于无去雨环节的车道线检测算法,车道线检测精度指标m Iou提升了5.0%、F1提升了9.3%,处理帧率约为21FPS,结果表明本文设计的算法能有效克服雨天导致的车道线检测精度下降的问题。
其他文献
市场经济的政策目标取向，除了追求增长，即效率之外，最受关切的就是公平，以避免财富及收入分配的过大差距和极度分化。共同富裕的核心不是以分配手段为主的“均贫富”,而是“共发展”,发展是硬道理，共同发展是共同富裕的硬道理；市场经济是共同富裕的必要条件，但不是充分条件。共同富裕本质上也是国家竞争力问题，只有国际竞争力强大的国家，才可能实现共同富裕，而人民富裕内涵着国家竞争力的灵魂和实力；共同富裕水平较高的
近年来,自动光学检测（Automated Optical Inspection,AOI）技术已广泛应用于晶圆表面缺陷检测中。AOI利用机器视觉模拟人类视觉,对晶圆表面进行图像采集和缺陷检测。AOI晶圆缺陷检测中多个工艺步骤的数据和图像采集工作,都需要依靠控制运动台承载并移动晶圆来完成。为保证各工艺步骤以最短的时间完成采集工作,需对运动台移动路径的进行合理规划,本文根据路径规划方法应用工艺场景的不同
功率IGBT（Insulated Gate Bipolar Transistor,绝缘栅双极性晶体管）作为工业控制领域的核心半导体元器件,是国际上电子电力技术第三次革命中最具有代表性的产品。功率IGBT模块广泛应用在轨道交通、智能电网、航空航天等领域,其关键参数直接反映IGBT模块实际性能表现与应用场景。因此对功率IGBT模块参数精准测量具有较大的意义。针对功率IGBT模块参数测量需求,本文研制了
紧凑型高频地波雷达工作频段为3MHz至30MHz范围内,通过利用垂直极化电磁波沿着海洋表面绕射传播的特点,实现了对海洋表面动力学参数以及目标的全天候,超视距的监测。这对海洋资源观测以及国家海洋安全具有重要意义。高频雷达系统可以分为阵列式高频雷达和紧凑型高频雷达。紧凑型高频地波雷达采用的是单极子交叉换作为接收天线。该系统相较于阵列式高频雷达系统具有成本低,体积小,易于架设和维护的优势。其观测海洋表面
随着工业技术的发展,大规模集成电路的电子芯片带来的热量将加快芯片的损耗,以往常规的散热方式已不能正常满足大功率芯片的散热需求,由于芯片的集成度很高、功耗大等特点,导致寻求高效率散热装置、高换热工质的技术难度不断增加,成为工业界迫切考虑的事宜。本文针对高集成度芯片发热问题,对散热问题的装置、换热工质进行了研究。本文工作如下:（1）针对大功率芯片发热问题,传统的散热方式不再适用而导致芯片受损的问题,提
为明确贵州省黑皮鸡枞蛛网病病原菌的分类地位、生物学特性及其有效防控药剂，分别从贵州省黄平县、贞丰县和剑河县采集典型发病黑皮鸡枞样品，并对其致病菌进行分离，通过致病性测定、形态学鉴定和多基因（ITS、TEF-1α、RPB1、RPB2）序列分析对疑似病原菌进行鉴定，并对其主要生物学特性进行测定，采用菌丝生长速率法分析22种药剂对病原菌的抑制效果。结果显示，通过柯赫氏法则验证分离物2020010406为
传统单摄像头监控系统拍摄视野范围小、存在盲区,随着监控应用场景不断的丰富,已无法有效满足当前市场需要,研究开发具有更大视野的多镜头全景视频监控系统成为当前发展趋势,其中视频拼接、推送速度是关键。本论文以全景视频监控涉及的视频编解码、流媒体传输及视频拼接技术为问题切入点,分别在PC平台和嵌入式平台设计了基于查找表的全景视频拼接及推送系统,主要完成的工作如下:（1）针对视频拼接效率问题,设计了一种将全
股票指数预测一直以来都是金融市场研究的重要方向,传统的经济学分析方法主要通过基本的数理推导和理论知识对股票指数的波动情况进行刻画分析,随着人工智能的发展,越来越多的学者将深度学习模型应用于股票指数的预测,神经网络超强的计算能力使得这类模型相比于传统的统计学方法有所突破,但是缺少对相关的影响因素的分析。本文旨在对开源数据库中的新闻事件数据进行挖掘分析,融合因果推断和神经网络的方法,分析新闻事件对股票
深度学习在计算机视觉和自然语言处理等领域均取得了巨大成功,其背后的深度神经网络模型发挥了关键作用。但研究表明,深度神经网络容易受到恶意攻击者的攻击,安全性难以得到保障。对抗样本即是利用深度神经网络脆弱性产生的典型视觉攻击。在图像识别领域,随着针对深度神经网络的固有缺陷的研究越来越深入,对抗样本攻击方法层出不穷。对抗样本可以视为扰动极为微小的、精心设计的、具有特定结构的噪声,而神经网络会对其做出错误
无人机技术的发展使其在商业和日常生活中的应用越来越广泛,由无人机引起的安全事故也时有发生,如携带危险品、侵犯他人隐私、干扰航班运行等。因此,有效检测和跟踪无人机具有重要的意义。针对多无人机检测和跟踪性能差、算法不成熟的问题,提出了一种检测与跟踪分离的两阶段多无人机实时跟踪算法,以达到稳定跟踪和明确区分无人机的目的。针对传统方法检测能力有限,常用目标检测器对于小目标不敏感的问题,提出了SE-PP-Y