1. 研究目的与意义

1.背景

无人驾驶引发了全球范围的广泛关注，国内将无人驾驶作为人工智能战略部署的重要一环。在民用领域，无人驾驶面临产业落地；在军用领域，随着未来战争呈现信息化、智能化、无人化的发展趋势，智能无人驾驶在军事上的价值和作用也被高度重视。自动驾驶作为未来交通发展的主流。其中，路标检测是不可忽视的基本功能。但由于道路环境复杂，道路标线的实现仍存在诸多障碍。路面标志识别作为自动驾驶系统的必然子系统，它可以为驾驶员和自动驾驶系统提供方向和指令，帮助做出正确的决策并保持道路安全。但是由于道路环境中的路面标识通常较小，基于传统cv目标检测的现有算法不够精确，无法满足道路安全所需的高水平要求，这对目标检测算法提出了严峻的挑战。

2.目的及意义

2. 研究内容和预期目标

研究内容

1） 本课题主要研究基于rpn区域选取网络和传统图像处理的路面标志检测系统的设计与实现

2） 通过阅读书籍、观看视频，学习目前主流的模式识别与图像处理算法以及前后端开发技术

3. 研究的方法与步骤

方法：

1) 阅读任务书，了解课题的研究方向；

2) 阅读文献，上网查找相关资料；

4. 参考文献

[1] s. ren, k. he, r. girshick, and j. sun, “faster r-cnn: towards real-time object detection with region proposal networks,” ieee trans. pattern anal. mach. intell., vol. 39, no. 6, pp. 1137–1149, jun. 2017.

[2] hassan, n., ming, k. w., amp; wah, c. k. (2020, february). a comparative study on hsv-based and deep learning-based object detection algorithms for pedestrian traffic light signal recognition. in 2020 3rd international conference on intelligent autonomous systems (icoias) (pp. 71-76). ieee.

[3] joseph redmon, ali farhadi, “yolov3: an incremental improvement”, [online] available: https://arxiv.org/abs/1804.02767, 2018

5. 计划与进度安排

1) 2024.1.10 ---- 2024.3.10 查阅资料，撰写开题报告，翻译英文资料

2) 2024.3.11 ---- 2024.3.18 需求分析，熟悉开发工具

3) 2024.3.19 ---- 2024.3.31 概要设计