辅助驾驶系统中浓雾天识别方法分析

摘要：

辅助驾驶系统中通过计算能见度信息对雾天进行识别的方法存在一定的局限性.针对此问题,利用机器学习方法设计了可用于辅助驾驶系统的浓雾天识别算法,避免了基于能见度识别雾天的局限性.首先建立了基于驾驶场景的图像训练集;然后基于卷积神经网络和胶囊网络分别设计卷积神经网络-浓雾识别(convolutional neural networks-dense fog recognition,CNN-DFR10)和胶囊网络-浓雾识别(capsule networks-dense fog recognition,CN-DFR5)两种浓雾天识别算法模型,算法模型通过设置概率阈值的方法对天气类型进行区分,不同的概率值范围对应不同的天气类型.最后对比分析CNN-DFR10和CN-DFR5在浓雾天、雨天、阴天和晴朗天4种天气类型中的测试结果.结果 表明:CNN-DFR10算法对天气的识别准确率为86.9％,CN-DFR5算法的识别准确率为97.5％,后一种算法比前者能够更有效地从4种天气类型图像中区分出浓雾天和非浓雾天.

关键词：雾天识别;辅助驾驶系统;卷积神经网络(CNN);胶囊网络

所属期刊栏目：21

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广西科技基地和人才专项;广西创新驱动发展专项;广西自然科学基金;广西教育厅科研项目;南宁市科技局重点研发计划

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：10387-10392