帳號:guest(18.189.192.220)          離開系統
字體大小: 字級放大   字級縮小   預設字形  

詳目顯示

以作者查詢圖書館館藏以作者查詢臺灣博碩士論文系統以作者查詢全國書目
作者(中文):黃奕棠
作者(外文):Huang, Yi-Tang
論文名稱(中文):基於卷積神經網路圖像識別的車道標線檢測與車輛轉向角預測
論文名稱(外文):Lane Marking Detection and Vehicle Steering Angle Prediction Based on Image Recognition with CNN
指導教授(中文):劉晉良
指導教授(外文):Liu, Jinn-Liang
口試委員(中文):陳人豪
陳仁純
口試委員(外文):Chen, Jen-Hao
Chen, Ren-Chuen
學位類別:碩士
校院名稱:國立清華大學
系所名稱:計算與建模科學研究所
學號:107026510
出版年(民國):109
畢業學年度:108
語文別:中文
論文頁數:48
中文關鍵詞:道路標線檢測卷積神經網路行車軌跡預測轉向角預測
外文關鍵詞:Track marking detectionCNNDriving path predictionVehicle steering angle prediction
相關次數:
  • 推薦推薦:0
  • 點閱點閱:200
  • 評分評分:*****
  • 下載下載:44
  • 收藏收藏:0
自動駕駛技術一直是科學理論中一向十分熱門的研究項目,而在機器學習、人工智慧等技術蓬勃發展的今日,我們更能嘗試將其運用在影像辨識與車輛控制上以取得更加精確且便捷的成果。
在本篇論文中,我們將會使用道路標線影像並結合深度學習及數學理論的運算,來進一步的進行道路、行車軌跡以及車輛轉向角預測。除了數學理論、演算法等介紹外,我們也演示了一些實驗結果,其驗證了我們能使用影像來進行道路預測的假設。
Autonomous driving technology has always been a very popular research project in scientific theory. Today, with the flourishing development of machine learning and artificial intelligence, we can try to use it in image recognition and vehicle control to achieve more accurate and convenient results.
In this thesis, we will use road images to train a convolutional neural network(CNN), for track marking detection, as well as calculations combined with mathematical theory to further carry out road prediction, driving path prediction and vehicle steering angle prediction. In addition to the introduction of mathematical theory and algorithms, we also present some experimental results that verify the theory and algorithms for these predictions using the images of traffics in real roads.
目錄
第一章 緒論 1
1-1 自動駕駛 1
1-2 機器學習(Machine learning) 2
1-3 監督式學習(Supervised learning) 3
第二章 文獻回顧 4
2-1 摘要 4
2-2 介紹 5
2-3 相關作業 8
2-4 實時車輛檢測 9
2-5 車道檢測 13
2-6 CNN設計 15
2-7 結果展示 17
第三章 道路標線函數擬合演算法 19
3-1 透視變換(Perspective Transformation) 21
3-1-1 介紹 21
3-1-2 應用 25
3-2 DBSCAN 27
3-2-1 介紹 27
3-2-2 定義與理論 28
3-2-3 演算法 29
3-2-4 演算法複雜度 30
3-2-5 優點與缺點 30
3-2-6 應用 32
3-3 最小方差估計回歸二次曲線 35
3-3-1 前言 35
3-3-2 演算法 36
3-3-3 最小方差估計 37
3-3-4 預測行車路線 38
3-3-5 應用 39
第四章 實驗結果 41
4-1 實驗結果 41
4-2 轉向角預測 44
第五章 結論 47
參考文獻 48
附錄 A
[1] B. Huval, T. Wang, S. Tandon, J. Kiske, W. Song, J. Pazhayampallil, M.Andriluka, P. Rajpurkar, T. Migimatsu, R. Cheng-Yue, F. Mujica, A. Coates, A.Y. Ng, An. Empirical Evaluation of Deep Learning on Highway Driving, arXiv:1504.01716v3 [cs.RO] 17 Apr 2015
[2] S. Lee et al. , VPGNet: Vanishing Point Guided Network for Lane and Road Marking Detection and Recognition, In ICCV, 2017.
[3] D. Neven, B. De Brabandere, S. Georgoulis, M. Proesmans, L. Van Gool , Towards End-to-End Lane Detection: an Instance Segmentation Approach, arXiv:1802.05591v1 [cs.CV] 15 Feb 2018
[4] P. Lu, C. Cui, S. Xu, H. Peng, F. Wang, SUPER: A Novel Lane Detection System, arXiv:2005.07277v1 [cs.CV] 14 May 2020
[5] P. Cudrano et al. , Advances in centerline estimation for autonomous lateral control, arXiv:2002.12685v1 [cs.RO] 28 Feb 2020
[6] T. Weiss, M. Behl , DeepRacing: Parameterized Trajectories for Autonomous Racing, arXiv:2005.05178v1 [cs.RO] 6 May 2020
[7] TuSimple dataset, https://github.com/TuSimple/tusimple-benchmark
[8] Wikipedia
 
 
 
 
第一頁 上一頁 下一頁 最後一頁 top
* *