基于深度学习的智能车自主导航系统研究

声明

第1章 绪 论

1.1 引言

1.2 课题背景及意义

1.3 国内外研究现状

1.3.1 智能车辆研究现状

1.3.2 目标识别、跟踪技术研究现状

1.3.3 导航技术研究现状

1.4 本文主要工作

1.4.1 研究目标

1.4.2 主要研究内容与关键技术问题

1.4.3 文章总体安排

1.5 本章小结

第2章 神经网络算法研究

2.1 深度学习相关知识

2.2 基于深度学习的目标跟踪模型

2.2.1 堆叠自编码器

2.2.2 卷积神经网络原理

2.2.3 孪生神经网络原理

2.3 基于深度学习的路径提取模型

2.3.1 全卷积网络

2.3.2 反卷积网络

2.3.3 U-Net网络

2.4 本章小结

第3章 基于改进的孪生神经网络的目标跟踪

3.1 目标跟踪算法

3.2 针对Siamese-FC网络的改进

3.2.1 加权特征通道

3.2.1 边框回归

3.3 测试实验

3.3.1 数据集

3.3.2 实验平台与环境

3.4 实验结果及分析

3.5 本章小结

第4章 基于改进U-Net网络的遥感图像道路提取

4.1 全局路径信息获取的意义

4.2 遥感图像预处理

4.2.1 灰度梯度直方图自适应均衡化

4.3.2 实验结果

4.3.3 结果分析

4.3 改进U-Net网络

4.4 路径分割实验

4.4.1 数据集

4.4.2 实验平台与环境

4.4.3 训练与测试

4.5 实验结果分析

4.6 本章小结

第5章 跟踪实验与自主导航

5.1 系统总体设计

5.1.1 系统硬件设计

5.1.2 系统软件设计

5.2 动力学分析及导航信息提取

5.2.1 小车运动分析

5.2.2 目标定位

5.3 目标跟踪与自主导航实验结果分析

5.3.1 嵌入式系统的识别测试实验

5.3.2目标跟踪与自主导航实验

5.3.3 实验结果及分析

5.4 本章小结

总结与展望

总结

展望

参考文献

致谢