基于神经网络的车载交通识别系统-毕业论文_终稿.pdf

交通标识为道路上的行人和车辆提供着丰富的道路交通信息，为调节交通流量、疏导交通、提
高道路通行能力、预示道路状况，减少交通事故起到了至关重要的目的。如果仅仅依靠驾驶人员或
行人对交通标识做出正确反应，难免会出现意外情况，导致交通事故的产生。而随着现代控制理论、
人工智能、传感器与检测技术的高速发展，智能交通系统技术也因此得到了快速的发展，并通过此
技术来辅助车辆驾驶员和控制车辆可以大大减少交通事故的产生。
本文针对车辆的车载交通识别系统进行研究，首先介绍模拟车辆的硬件组成与控制技术，再讨
论与叙述交通标识数据采集、神经网络的图像处理模型的搭建以及车载图像处理技术。模拟系统选
用 Raspberry Pi 板作为 RC 小车控制器，深度学习框架采用 Tensorflow+Keras。系统将通过车载摄像
头感知当前道路、行人、车辆位置、交通灯和交通标识等信息，通过超声波传感器实时监测车辆行
驶的安全距离，实现被控制车辆的左右转向、行进和停车，从而模拟无人驾驶车辆能够安全、可靠
的在道路线上行驶。