无人驾驶车辆行驶范围生成,是无人驾驶技术的重要研究内容之一。通过检测道路前方车辆的位置信息,作为生成本车行驶范围的一个依据,为安全驾驶提供数据支持。本文主要研究如何准确实时地检测车辆、如何融合所检测的信息生成行驶范围。深度学习在计算机视觉、语音识别、自然语言处理等领域取得了突破性的进展。本文将深度学习应用于无人驾驶中的车辆检测技术。本文主要研究的内容与成果如下:(1)利用FasterR-CNN训练网络建立无人驾驶前方车辆检测方法。首先通过采集真实的车辆视频数据,构建车辆检测训练数据集,构建FasterR-CNN训练网络,设置合理的训练参数,训练Faster R-CNN检测模型,利用大量测试数据集检测系统的可行性。再将基于视频流的车辆检测问题转化为序列图像的目标检测问题,利用训练生成的检测模型对图像中的目标车辆进行检测。该检测系统是一个端到端的检测系统,输入为无人驾驶汽车视觉系统的视频流数据,输出为图像中的车辆检测精度及特征点的像素坐标。(2)利用数据回归思想和小孔成像原理建立基于数据回归的单目测距模型和方法。根据车辆检测系统获取车辆在视频中的像素坐标信息,在得到车辆的运动信息后,利用测距模型建立一种基于车载视频流的无人驾驶车辆行驶范围生成方法。(3)搭建实验环境,设计实验验证所设计系统的有效性。实验结果表明,所建立的基于视频流检测的无人驾驶车辆行驶范围生成系统,能够准确地通过视频流数据检测出目标车辆,经过测距模型的计算,得出无人驾驶车辆的行驶范围,进而,对保障无人驾驶车辆安全行驶提供一种决策支持。