声明
1 绪论
1.1 研究背景和意义
1.2 研究动态与现状
1.2.1 目标检测研究现状
1.2.2 立体视觉研究现状
1.3 本文主要研究内容与章节安排
1.3.1 本文主要研究内容
1.3.2 论文章节安排
2 基于深度学习的目标检测方法研究
2.1 引言
2.2 卷积神经网络
2.2.1 卷积神经网络组成
2.2.2 卷积神经网络训练
2.3 目标检测评价标准
2.3.1 模型mAP
2.3.2 模型速度
2.4 基于深度学习的目标检测方法
2.4.1 常用目标检测方法对比
2.4.2 Yolov3-tiny算法原理
2.5 基于Yolov3-tiny的目标检测系统构建
2.5.1 硬件实验平台
2.5.2 软件实验环境搭建
2.5.3 基于立体视觉的视差图获取
2.6 实验对比与分析
2.6.1 测试样本建立
2.6.2 实验测试结果
2.7 本章小结
3 基于Yolov3-tiny目标检测算法的改进
3.1 引言
3.2 数据集的选取
3.3 Yolov3-tiny网络模型参数确定
3.3.1 Anchor box聚类
3.3.2 Anchor box数量
3.3.3 其他参数
3.4 Yolov3-tiny网络结构改进
3.4.1 增加检测尺度
3.4.2 增加主干网络深度
3.5 网络训练过程
3.6 实验及结果分析
3.7 本章小结
4 基于立体视觉的目标物体运动估计
4.1 引言
4.2 系统整体框架安排
4.3 目标跟踪
4.3.2 卡尔曼滤波跟踪
4.4 运动估计
4.4.1 目标纵向距离的计算
4.4.2 目标横向距离的计算
4.5 实验结果分析
4.5.1 立体视觉融合结果
4.5.2 目标跟踪结果
4.5.3 目标距离计算实验结果
4.6 本章小结
结论
参考文献
致谢
大连理工大学;