自动驾驶视觉感知系统车辆检测算法研究的文献综述
1前言
自动驾驶汽车是汽车电子、智能控制以及互联网等技术发展融合的产物，其原理为自动驾驶系统利用感知系统，获取车辆自身以及外界环境信息，经过计算系统分析信息、做出决策，控制执行系统实现车辆加速、减速或转向，从而在无需驾驶员介入的情况下，完成自动行驶。
然而，车载传感器感通过知周围环境所获得的数据中存在大量未知、不确定因素和干扰,自动驾驶场景下的车辆检测依然是一个非常具有挑战性的问题，尽管传统的目标检测方法已经在车辆检测中得到了广泛应用，但该类方法由于选取传统的手工特征的判别能力有限，依然会产生大量的虚检，特别是在外观与目标相似的物体上，这势必会给自动驾驶的现实应用造成很大阻碍[1] 。例如基于级联分类器AdaBoost算法就是通过级联多个弱分类器逐步过滤掉背景样本，然而依然有大量的难样本无法成果过滤掉[2]。因此，研究驾驶视觉感和系统车辆检测算法，并通过图像处理、特征提取生成感兴趣区域，利用机器学习方法对感兴趣区域进行检验，快速检测出区域中包含的车辆目标，对汽车驾驶的发展具有重大的理论意义和实践价值。
2正文
2.1研究背景
随着汽车行业的迅猛发展，汽车从最初的代步工具逐步演化成现在必不可少的个人交通工具，人们对汽车的性能的要求也越来越高，安全、节能、环保、舒适和信息智能化是当今汽车发展的主要需求方向。与此同时，智能交通系统（Intelligent Traffic System, ITS）中的智能驾驶技术在近年得以蓬勃发展。从20世纪70年代开始，日本、欧美等发达国家开始进行智能汽车的研究，在可行性和实用化方面都取得了突破性的进展0。中国从20世纪80年代开始进行智能汽车的研究。计算机视觉是智能驾驶中的核心技术，利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，给出车辆可通行区，从而使车辆能够安全、可靠地在道路上行驶[3]。
现在自动驾驶成为时事热点，不论是国际还是国内，对于自动驾驶技术发展阶段的分类已经有着较为统一的认识。近年来，车辆检测算法和车辆跟踪图像处理技术的提高以及在汽车试验领域的使用，为自动驾驶技术的普及提供了有力条件。在全球范围内，车辆检测算法开始应用于汽车实况驾驶中，形成了许多可靠的检测跟踪算法，如通过图像处理、特征提取生成感兴趣区域，利用机器学习方法对感兴趣区域进行检验，快速检测出区域中包含的车辆目标。计算机技术的发展也为复杂算法检测的建立提供了可能，而且其他领域的知识也被应用到自动驾驶感知系统中，如神经网络和人工智能分析。
因此，合理科学的车辆检测算法，对汽车自动驾驶的可持续发展起着尤为重要的作用。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
