论文总字数：24035字

摘 要

随着道路交通的高速发展，道路环境越发复杂，人为导致的交通事故以及温室气体排放问题也越发严重。而无人驾驶汽车的出现，可以在解放驾驶员的同时，能够优化道路交通，降低交通事故发生率，更加合理规划路线以节能减排。虽然目前的无人驾驶汽车技术水平还未能达到此要求，但是在基于神经网络的深入学习的帮助下很快就能实现。其中最重要的一个环节便是汽车对周围环境的感知，这是无人驾驶汽车的眼睛。道路场景中有着很多需要识别的目标，能否在复杂的道路场景中正确且快速地对多种目标进行识别分类，是实现无人驾驶的第一前提，也为后续的决策系统提供了判断的依据。本文介绍了以Alexnet卷积神经网络为基础，对道路、行人、车辆、树木、建筑等11种目标进行识别训练测试的过程。其中通过添加自己的数据集并对网络参数进行修改，在最后得到了一个能够有效识别道路场景中明显目标的网络，并且使loss值降低了一个数量级，由原网络的2.48降低至0.242。

关键词：道路目标识别，卷积神经网络，无人驾驶

Abstract

As road traffic develops at a high speed, road conditions become more and more complex, and human-caused traffic accidents and greenhouse gas emissions have become more and more serious. The advent of unmanned cars can liberate drivers while optimizing road traffic and reducing the incidence of traffic accidents, and more rationally planning routes to save energy and reduce emissions. Although the current state of the art of unmanned technology has not yet reached this requirement, it will soon be realized with the help of deep learning based on neural networks. The most important of aspects is the perception of the environment by the car. This is the eyes of unmanned cars. There are many targets in the road scene that need to be identified. Whether the targets can be correctly and quickly identified in the road scene is the first prerequisite for unmanned driving, and it also provides a judgment for the subsequent decision system. At there, based on the Alexnet convolutional neural network, 11 kinds of targets such as roads, pedestrians, vehicles, trees, and buildings are identified, trained and tested. By adding my own data set and modifying the network parameters, a network that can effectively identify obvious targets in the road scenario was obtained, and the loss value was reduced by an order of magnitude from 2.48 in the original network to 0.242.

Keywords: road target recognition；convolutional neural network；unmanned driving;

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 无人驾驶的背景及现状 1

1.1.1 国外研究成果 1

1.1.2 国内研究现状 2

1.2 无人驾驶汽车的发展前景 3

1.3 深度学习的发展与前景 3

1.4 目标识别的发展与前景 4

1.5 研究目的 4

第二章 人工神经网络 6

2.1 神经元 6

2.2 激活函数 6

2.3 神经网络 8

第三章 卷积神经网络层级结构 10

3.1 VGG网络模型 11

3.2 Alexnet网络模型 11

3.2.1 卷积层 11

3.2.2 激活函数层 12

3.2.3 池化层 13

3.2.4 全连接层 13

3.2.5 反卷积层 14

3.2.6 局部响应归一化层 14

3.2.7 损失层 15

（1）互熵损失 15

（2）平方损失 15

（3）铰链损失 15

（4）指数损失 15

第四章 实验过程 16

4.1 前期准备 16

4.2 制作数据集 16

4.3 训练网络 19

4.4 测试单张图片 20

4.5 效果对比 21

第五章 总结与展望 25

5.1 总结 25

5.2 展望 25

参考文献 27

附录 29

绪论

无人驾驶的背景及现状

在如今社会汽车已经成为人们出行不可或缺的工具，随着科学技术的不断进步，人们所期望的自动驾驶也渐渐浮出水面。无人驾驶应该有一套十分完整的感知系统，来代替驾驶员的感知，并提供环境信息。其次，还应该有一套智能的算法以及高性能的硬件融合于一个控制系统之中和一个能够代替驾驶员的大脑、发出正确的驾驶指令、合理地规划道路路径并能实时控制车辆状态的完整细致的执行系统，使它可以真正地去代替驾驶员的大脑和手脚。首先，感知系统应该由对内部的感知、对驾驶员的感知和对环境的感知组成。其中对内部的感知主要有两种，一是通过车辆上搭载的各种传感器所收集的实时数据信息，二是车辆内部的电子控制单元（ECU）所采集的信息，然后经过CAN总线传输来获取车辆状态。比如车身基本信息（车内和车外的温度、车外气体流速、轮胎气压）、动力系统信息（油门加速度、档位、发动机转速、机油存量）、车辆安全信息（安全带是否系好、安全气囊工作状态、门锁状态、车窗状态）等。对驾驶员的感知是车辆获得控制指令的过程，例如驾驶员的操作、声音、手势等其他控制指令，甚至是面部的表情，都可以作为需要接收采集的控制命令并且通过人机交互界面或传感器来检测确定驾驶员的状态^[1]。最后就是最重要的对环境的感知,让自动驾驶系统能够识别道路场景中目标，也就是整个系统的“眼睛”，如果汽车什么都看不见，是无法进行下一步的执行决策。因此，对道路上的多种目标的识别是实现自动驾驶的前提条件。

国外研究成果

早在20世纪70年代，美国就已经开始了对无人驾驶领域展开了突击^[2]。现如今，很多著名的外国汽车公司和IT巨头谷歌竞相加入到发展无人驾驶汽车技术的大军中来。他们的研发过程十分迅速，许多研发模型已经接近量产。在美国和欧洲，人们已经渐渐习惯了看到各种无人驾驶车辆在道路上的行驶。佛罗里达州、加利福尼亚州、密歇根州和内华达州已经许可了无人驾驶车辆在正常道路上的行驶试验，并为谷歌和奥迪等无人驾驶汽车研发部门颁布了许可证。而谷歌的无人驾驶汽车普锐斯已经行驶超过了80万公里，并且还未出现交通事故。在欧洲，德国许可了宝马无人驾驶车辆在公共道路上行驶，西班牙也开始允许各种无人驾驶汽车上路行驶。还有很多汽车领域的巨头都在大力研发下一代无人驾驶的概念车以及所搭载的新技术可参考表1 ^[3]。

表1 主流无人驾驶汽车及其技术总结

表1 主流无人驾驶汽车及其技术总结（续）

欧盟在高层设计和重大研究和发展规划方面做了大量工作。未来，交通研究计划强调车辆与汽车的道路沟通，强调人车道路与道路安全的融合。法国已于2016年底实现了道路网络工程，将全国内的数千公里的道路连接起来。并修订了相关道路交通法规，以迎合无人驾驶车辆，使其更加有效便利地进行测试。法国还面向全球汽车制造商开放道路，欢迎来进行无人驾驶汽车测试。英国也不甘示弱，在2017第一次允许无人驾驶车辆在高速公路和重要道路上进行驾驶测试。同时，英国也同样修改相关的道路交通法规为了迎接无人驾驶汽车的到来与发展。日本国土交通部在2017也开始了建立有关在高速公路上的自动驾驶安全条例法规。

国内研究现状

相比国外情况，我国对无人驾驶技术的研究起步较晚。80年代末以来，国防科技大学先后研发了基于视觉的CITAVT智能车系列^[4]。同时，1988年清华大学也在国防科学技术工业委员会（国防科工委）的支持下和国家“863计划”的资助下，研发了THMR系列智能车^[5]。重庆大学和吉林大学也陆续在无人驾驶汽车领域也取得了一定的成绩。随后，国内的一些汽车龙头企业如长安汽车，上海汽车制造集团、中国第一汽车制造厂等也纷纷加入到了研究无人驾驶的大军之中。再后来，互联网企业百度公司也于2013年创立了百度无人驾驶汽车项目，他们凭借在互联网领域的高新技术以及自家产品的优势，快速地建立起以高精度的地图、定位、感知以及智能决策与控制这四大模块为核心的“百度汽车大脑”，并应用于百度无人驾驶汽车。而且工业和信息化部（工信部）也起草了关于智能网联汽车的标准体系，并已经被批准通过形成了标准的框架体系。该标准体系框架包括了基础、通用规范、产品与技术应用和相关标准四个主要部分。

无人驾驶汽车的发展前景

在如今的社会生活中，人们的出行已经越来越离不开汽车，但是同时，交通事故所造成的伤亡与损失不在少数。其中，导致交通事故的很大因素往往是驾驶员的问题。而无人驾驶可以不受人的影响，严格按照交通法规和规定的路线行驶，同时无人驾驶可以更精确的计算和规划路线，避开高峰路段。如果道路上所有的汽车都是由无人驾驶控制，那么交通事故的发生概率将进一步降低。当然，这里需要的无人驾驶应当是高等级的无人驾驶技术。目前公认的两个分级制度，由美国高速公路安全管理局（National Highway Traffic Safety Administration，简称NHTSA ）和国际自动机工程师学会（Society of Automotive Engineers，简称SAE）提出的^[6]，具体的分级情况见表2：

剩余内容已隐藏，请支付后下载全文，论文总字数：24035字