基于tensorflow的交通标志识别开题报告

 2020-02-10 10:02
1.目的及意义(含国内外的研究现状分析)


研究背景:


现如今各个国家都投入大量资金研发自己的自动驾驶系统、智能交通系统,自动驾驶技术是自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。其中比较重要的一个技术点就是交通标志的识别,因为要实现高度的自动驾驶,必须要使得系统学会自主识别交通标志,这样识别之后就能做出相应的操作,从而驱使交通工具各项运动。据HS环球透视汽车部门预测,截至2035年全球将拥有近5400万辆自动驾驶汽车,预计至2035年自动驾驶汽车全球总销量将由2025年的23万辆上升至1180万辆,而无人驾驶的全自动化汽车将于2030年左右面世。研究还预测,到2050年之后,几乎所有汽车或将是自动驾驶汽车或自动驾驶商务汽车。


研究目的:


为了识别出大多数的交通标志,例如限速、禁止通行、左转等等,从而得出具体的标志的含义,这一技术的实现可以为自动驾驶做技术支撑。利用流行的TensorFlow机器学习的框架,找到与之对应的模型,并调整参数,将现有的交通标志数据集进行训练,之后再进行测试,在不断地调整,从而使得识别的准确率大大提高。通过这一课题的学习,也为了自己能学习到相对应的知识,拓宽自己的知识面。


研究意义:


交通标志的识别一旦应用,车辆装备上了这项技术,无论是对非自动驾驶的驾驶员还是自动驾驶方来说,都是一项提升交通智能化的举措,例如车辆上装载了这项功能之后,驾驶员就可以全程观察路况,而不必既要观察路况还要注意限速、禁行等诸多交通标志,当检测到交通标志后,对驾驶员进行对应的提醒即可,这样可以大大降低事故率以及驾驶员的疲劳度。而自动驾驶方面一旦装备这项功能,对其智能化的提升不可或缺,之前可能需要在远程端进行控制,这样许多交通的标志要存储在云端,车辆到达相应地方云端发送该标志的内容,车辆才会执行对应操作,而让车辆自主识别后,就可以模仿一个真正的人在开车,检测到相应标志车辆自主就会执行相应的动作。


国内外现状:


80年代初期,日本学者最先开展智能交通系统方面的研究。

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;