全文总字数：4137字
1. 研究目的与意义（文献综述）
1课题研究的目的和意义
随着人们生活水平的不断提高，汽车已经逐渐成为广大中国家庭的必要出行工具。据统计，截至2018年底，全国汽车保有量达2.4亿辆，比2017年增加2285万辆，增长10.51%。从机动车总体注册数据来看，2018年全国新注册登记机动车3172万辆，机动车保有量已达3.27亿辆，其中汽车2.4亿辆，小型载客汽车首次突破2亿辆；机动车驾驶人突破4亿人，达4.09亿人，其中汽车驾驶人3.69亿人，再创新高。但是，随着汽车数量的急剧增加，交通事故是随之增加，这造成了巨大的人员伤亡与经济财产损失。对公路交通事故原因分析表明，80%以上的事故是由于驾驶员的人为因素导致的，所以如何辅助或替代驾驶员驾驶汽车自然而然成为了研究热点。为实现辅助或自动汽车驾驶，实现对目标进行准确检测成为重要一环。现如今，得益于深度学习技术的发展及应用，2d目标检测技术已经非常成熟 ，相比于传统的目标检测方法 ，其检测准确度有了很大的提高 。但是，2d目标检测还无法满足自动驾驶汽车等产业的需要,为获取更准确的物体目标信息，3d目标检测技术成为人们进一步的研究热点[1]。
1.2国内外研究现状
3d 目标检测比 2d 目标检测更具有挑战性，不仅需要 2d 的 rgb 图像信息，还需要 3d空间信息，最终目标返回 3d 边界框（3dbondingbox）。2012 年，geiger等人给出了 kitti 数据集[2]，为研究人员提供了一个全新的3d机器视觉性能评价基准，探讨了自动驾驶的发展动向。之后短短数年，自动驾驶蓬勃发展，3d目标检测算法也层出不穷。3d目标检测的目标是返回3d边界框，不仅需要2d的rgb 图像，还需要与之对应的深度信息。目前获得深度信息的方式主要有单目相机、双目相机获取的 rgb-d 图像和激光雷达获取的点云图[3]。而在自动驾驶中，为了获得很准确的效果，通常会使用多种模式混合的方式进行检测。
从成本上讲，激光雷达成本最高，其次是双目相机，最后是单目相机；从准确率上讲激光雷达精度最高，其次是双目相机，最后是单相机[4]。而在短短的几年中，3d目标检测从rgbd到云数据，由单目相机到多传感器融合，检测算法和硬件设备不断的发展完善，并且取得了突破式的发展。目前，无人驾驶汽车已进入实际应用领域，3d目标检测在其中具有十分重要的作用。在自动驾驶中，准确无误的目标分类和定位以及快速相应对与自动驾驶感知系统至关重要的，而 3d目标检测还处于发展初期，仍然具有广阔的发展空间[5]。
2. 研究的基本内容与方案
2研究的基本内容及目标
首先通过查阅文献等方式，分析以激光雷达、双目相机、单目相机等多种传感器所得数据的各自特点，及其对实现3d目标检测的影响。在充分了解各种环境感知器的特点后，对上述内容进行归纳总结。之后，研究已有的基于深度学习的车辆三维立体检测模型，在充分学习深度学习相关知识的基础上探究已有检测模型的基本原理以及优点与不足。最终目标是可以通过自己的学习与研究独立构建基于深度学习的车辆三维立体检测模型，在开源数据集上进行测试并验证所构建的模型有效性。
3. 研究计划与安排
3进度安排
首先在2月起学习python基础，掌握python代码编写，在此同时通过阅读文献书籍的方式了解激光雷达、双目相机、单目相机等多种传感器的特点，储备3d目标检测的相关知识，预计在2月底完成。
之后学习python深度学习，掌握深度学习（重点是图像处理）框架的建立，学习linux系统的基本操作。在此基础上，研究现有开源模型，探究其原理并尝试复现。
4. 参考文献（12篇以上）
4参考文献
[1] 张鹏，宋一凡，宗立波，刘立波，3d目标检测进展综述[j] 计算机科学，20181002-137x
[2] 王永森，刘宏哲，3d目标检测技术的研究进展[c], 中国计算机用户协会网络应用分会2019年第二十三届网络新技术与应用年会 中国安徽合肥2019
课题毕业论文、开题报告、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。
