论文部分内容阅读
随着车辆数目的逐步增长,交通问题变得日益突出。高速公路上经常出现车辆违法占用应急车道的情况,严重危害交通安全。高速公路属于封闭式道路,且路程距离非常长,传统固定式道路监控只能覆盖很小一部分区域,对非法占用应急车道行为存在难以监察、取证困难等问题。而无人机具有机动灵活、视野广、用途广泛等特点,并且在侦查和监测领域有着广泛应用。针对上述问题,本文运用计算机视觉技术,设计实现了基于无人机的车辆和车道检测系统,实现巡检高速公路自动化,对车流量、车辆占用应急车道情况进行智能检测。主要工作内容如下:研究了基于卷积神经网络的车辆和车道检测算法,设计了一个基于无人机的车辆和车道检测系统,系统获取无人机实时采集的视频图像,提供车流量统计与显示、应急车道占用情况检测与显示、飞行路线控制和历史信息显示等功能。为了满足系统功能需求,本文从系统需求与概要设计、系统详细设计以及系统测试等角度进行描述。通过对检测系统需求的深入分析,本文设计四大功能模块,包括车辆检测模块、车道语义分割模块、车道曲线拟合模块和数据显示模块。其中数据显示模块又分为车流量显示子模块和历史信息显示子模块。之后对本系统进行详细设计,设计过程尽量做到模块与模块之间高内聚低耦合。在车辆目标检测模块,使用了基于卷积神经网络的目标检测算法SSD[1]（Single Shot MultiBox Detector）对高速公路上的车辆目标进行检测。对于算法运行速度在无人机计算平台Nvidia Jetson TX2上无法达到实时性问题,分析了算法主要的耗时瓶颈,更换了算法的前置网络,提高了算法的运行速度。在车道语义分割模块,研究并使用了基于全卷积神经网络的语义分割算法对高速公路的行车道、应急车道进行检测,针对算法运行耗时长的问题,对算法的网络进行裁剪,提高了算法的运行速度。并对图像中车道的轮廓进行了拟合,输出车道轮廓的近似曲线方程,为无人机循路飞行提供决策。设计实现了系统的数据显示模块,对无人机的飞行状态信息、车辆和车道检测结果、历史车流量统计信息进行可视化显示。同时也直观地验证了系统的有效性。最后,在无人机平台上对整个系统进行了测试,测试结果表明系统能够对各个场景下高速公路的车辆目标和车道进行有效地检测,算法运行速度基本达到实时性,满足了预定的设计需求。