欢迎来到天天文库
浏览记录
ID:35014233
大小:16.64 MB
页数:62页
时间:2019-03-16
《基于卷积神经网络的车辆前方障碍物识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、大嫂大學DALIANUNIVERSITYOFTECHNOLOGY硕士芽位记文MASTERALDISSERTATION基于卷积神经网络的车辆前方障碍物识别车辆工程学科专业作者姓名TMlM李琳辉副教授——指导教师——_2015年6月答辩日期硕士学位论文基于卷积神经网络的车辆前方障碍物识别ObstaclesRecognitioninFrontoftheVehicleBasedonConvolutionalNeuralNetwork作者姓名:丁新立
2、学科、专业:车辆工程学号:21222027指导教师:李琳辉完成日期:2015.05.01大it理工大旁DalianUniversityofTechnology大连理工大学学位论文独创性声明作者郑重声明:所呈交的学位论文是本人在导师的指导下进行研究,工作所取得的成果。尽我所知,除文中已经注明引用内容和致谢的地方外,本论文不包含其他个人或集体已经发表的研究成果,也不包含其他已申请学位或其他用途使用过的成果一工。与我同作的同志对本研究所做的贡献均已在论文中做了明病的说明并表示了谢意。
3、若有不实之处,本人愿意承担相关法律责任。学位论文题目:基于卷积神经网络的车辆前方障碍物识别作者签名:日期年Z月/r日一大连理工大学硕士学位论文摘要随着汽车保有量的不断增加,道路交通安全问题日益突出。为了有效减少道路交通事故,汽车安全辅助驾驶技术得到广泛关注。车辆前方障碍物识别是汽车安全辅助驾驶技术中的研宄热点和重点之一,是通过各种传感器对车辆前方环境进行感知,提前识别,可以有效降低交通风险存在的安全隐患,因而受到世界各国政府、企业和科研机构的重视。RBF网络具有结构简单、收敛速度快及表达能力强等优
4、越性,卷积神经网络具有稀疏连接、权值共享和下采样等特点,基于RBF网络的性能及卷积神经网络特性,本文针对髙等级结构化的道路环境一,提出种基于RBF卷积神经网络的车辆前方障碍物识别方法,并且利用本文建立的试验样本库进行测试,证明本文提出网络结构的有效性。由于在线学习实时性强、执行简单及不需要大量的存储空间,本文设计基于RBF的在线学习卷积神经网络,利用手写数字数据库MNIST对网络进行训练并测试。同时,针对高等级结构化公路的特点设计一种半自动裁剪样本的算法,为网络的完全在线训练奠定基础。最后,结合实际高等级结构化道路建立
5、用于车辆前方障碍物识别试验所用样本库,并用所建立图像样本库对本文设计的卷积神经网络进行训练,得到最终的网络结构,并用此网络结构对车辆前方障碍物进行识别试验,最终证明本文所提出的基于卷积神经网络的车辆前方障碍物识别方法的有效性、强泛化能力和可扩展性。关键词:障碍物识别基神经网络;离线学习在线学习卷积神经网络;;径向;--I基于卷积神经网络的车辆前方障碍物识别ObstaclesRecognitioninFrontoftheVehicleBasedonConvolutionalNeuralNetw
6、orkAbstractRoadtrafficsafetyissuesbecomeincreasinglyrominentwiththeincreasingofvehicleppopulation.Inordertoreducetrafficaccidentsefectively,driverassistancesystem(DAS)hasbeenaidwidesreadattention.Andobstaclesrecognitioninfrontofthevehic
7、leisoneofpphotspotsandkeytechnologiesinDAS.Itcanroactivelyidentifandeffectivelreduceriskspyyontheroadbyvarioussensors,thusithasbeenwidespreadlyconcernedbygovernments,enterrsesandacademesaoveeworpillrthld.AsRBFNNhasthesuperiority
8、ofsimplestructureaswellasrapidconvergenceandstrongexpressi
此文档下载收益归作者所有