國立虎尾科技大學 |

登入

回首頁

基於深度學習的影像處理技術在車輛視覺共享辨識之應用研究 = = Stud...

羅郁詠

基於深度學習的影像處理技術在車輛視覺共享辨識之應用研究 = = Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition /

紀錄類型:	書目-語言資料,印刷品 : Monograph/item
正題名/作者:	基於深度學習的影像處理技術在車輛視覺共享辨識之應用研究 =/ 羅郁詠.
其他題名:	Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition /
其他題名:	Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition.
作者:	羅郁詠
出版者:	雲林縣 :國立虎尾科技大學 , : 民113.07.,
面頁冊數:	[8], 61面 :圖, 表 ; : 30公分.;
附註:	指導教授: 鄭佳炘.
標題:	Driver assistance system. -
電子資源:	電子資源

基於深度學習的影像處理技術在車輛視覺共享辨識之應用研究 = = Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition /
羅郁詠

基於深度學習的影像處理技術在車輛視覺共享辨識之應用研究 =Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition /Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition.羅郁詠. - 初版. - 雲林縣 :國立虎尾科技大學 ,民113.07. - [8], 61面 :圖, 表 ;30公分.

指導教授: 鄭佳炘.

碩士論文--國立虎尾科技大學電機工程系碩士班.

含參考書目.

隨著現代社會的發展，汽車已成為人們日常生活中不可或缺的交通工具。然而隨著汽車的普及交通事故也隨之增加，尤其是由視線死角引起的事故屢見不鮮。視線死角是指駕駛者無法清楚看到的區域，這可能導致駕駛者對交通狀況不清楚或反應不及，進而引發意外事故。根據研究，傳統的視線死角解決方法如後視鏡和感測器都存在局限性，無法完全消除風險。隨著自動駕駛技術的興起，如何在駕駛過程中進一步提升駕駛員的感知能力和反應時間成為了研究的重點。現有的駕駛輔助系統（ADAS）在增強駕駛員的意識和反應時間方面取得了顯著進展，但在解決視線死角問題上仍然不足。深度學習和影像處理技術為解決此問題提供了新的方法。這些技術能夠透過數據訓練模型，實現更加精確和高效的影像識別和處理，從而為駕駛者提供更全面的道路狀況。此外這些技術還可以與其他技術如毫米波雷達相互結合，進一步提高系統的準確性和可靠性。這不僅有助於改善現有的駕駛輔助系統還可推動無人駕駛技術的發展最終達成更智慧的交通環境。為解決這一問題，本研究提出了一種基於深度學習和影像處理技術的解決方案。該方案利用影像傳輸技術將前方車輛的視角傳輸給本車輛，並透過影像縫合技術融合兩個視角的特定影像，使本車輛能夠看到前方車輛所遮擋的區域，從而避免視線死角對交通安全的影響。這技術提供了更詳盡的交通資訊，來降低了交通事故的風險。本研究透過搭建自走車模型與環境，進行了一系列實驗來驗證所提方案的可行性和有效性。.

(平裝)Subjects--Topical Terms:

1451757
Driver assistance system.

基於深度學習的影像處理技術在車輛視覺共享辨識之應用研究 = = Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition /
LDR:04502cam a2200241 i 4500 001 1129944
008 241015s2024 ch ak erm 000 0 chi d
035 $a (THES)112NYPI0441037
040 $a NFU $b chi $c NFU $e CCR
041 0 # $a chi $b chi $b eng
084 $a 008.165M $b 6040 113 $2 ncsclt
100 1 $a 羅郁詠 $3 1448983
245 1 0 $a 基於深度學習的影像處理技術在車輛視覺共享辨識之應用研究 = $b Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition / $c 羅郁詠.
246 1 1 $a Study on the Application of Deep Learning Based Image Processing Techniques in Vehicle Vision Sharing Recognition.
250 $a 初版.
260 # $a 雲林縣 : $b 國立虎尾科技大學 , $c 民113.07.
300 $a [8], 61面 : $b 圖, 表 ; $c 30公分.
500 $a 指導教授: 鄭佳炘.
500 $a 學年度: 112.
502 $a 碩士論文--國立虎尾科技大學電機工程系碩士班.
504 $a 含參考書目.
520 3 $a 隨著現代社會的發展，汽車已成為人們日常生活中不可或缺的交通工具。然而隨著汽車的普及交通事故也隨之增加，尤其是由視線死角引起的事故屢見不鮮。視線死角是指駕駛者無法清楚看到的區域，這可能導致駕駛者對交通狀況不清楚或反應不及，進而引發意外事故。根據研究，傳統的視線死角解決方法如後視鏡和感測器都存在局限性，無法完全消除風險。隨著自動駕駛技術的興起，如何在駕駛過程中進一步提升駕駛員的感知能力和反應時間成為了研究的重點。現有的駕駛輔助系統（ADAS）在增強駕駛員的意識和反應時間方面取得了顯著進展，但在解決視線死角問題上仍然不足。深度學習和影像處理技術為解決此問題提供了新的方法。這些技術能夠透過數據訓練模型，實現更加精確和高效的影像識別和處理，從而為駕駛者提供更全面的道路狀況。此外這些技術還可以與其他技術如毫米波雷達相互結合，進一步提高系統的準確性和可靠性。這不僅有助於改善現有的駕駛輔助系統還可推動無人駕駛技術的發展最終達成更智慧的交通環境。為解決這一問題，本研究提出了一種基於深度學習和影像處理技術的解決方案。該方案利用影像傳輸技術將前方車輛的視角傳輸給本車輛，並透過影像縫合技術融合兩個視角的特定影像，使本車輛能夠看到前方車輛所遮擋的區域，從而避免視線死角對交通安全的影響。這技術提供了更詳盡的交通資訊，來降低了交通事故的風險。本研究透過搭建自走車模型與環境，進行了一系列實驗來驗證所提方案的可行性和有效性。.
520 3 $a With the rise of modern society, cars have become essential in daily life. However, the increase in car use has led to more frequent traffic accidents, especially those caused by blind spots. Blind spots are Areas that drivers cannot see, potentially causing unclear traffic conditions and delayed reactions, leading to accidents. Traditional solutions like rearview mirrors and sensors have limitations and cannot fully eliminate risks. Therefore, there is an urgent need for advanced technologies to improve vehicle visibility and enhance road safety. Existing advanced driver assistance systems (ADAS) have made progress but still fall short in addressing blind spot issues. Recent advancements in deep learning and image processing offer new opportunities by training models on large-scale data for accurate image recognition and processing, providing comprehensive road condition information. This study proposes a solution using deep learning and image processing technologies. It transmits the perspective of the vehicle ahead and merges images through image stitching, allowing the current vehicle to see Areas blocked by the vehicle in front, thus reducing the impact of blind spots on traffic safety. This technology provides detailed traffic information, enhances drivers' perception, and improves reaction capabilities, reducing accident risks. Experiments with an autonomous vehicle model verify the solution's feasibility and effectiveness. Results show the system enhances drivers' visual range and reaction time, effectively reducing traffic accident risks from blind spots. Future applications could further improve traffic system intelligence and safety..
563 $a (平裝)
650 # 4 $a Driver assistance system. $3 1451757
650 # 4 $a Image stitching. $3 1003721
650 # 4 $a Blind spot. $3 1451756
650 # 4 $a Deep learning. $3 1127428
650 # 4 $a 駕駛輔助系統. $3 1451755
650 # 4 $a 影像縫合. $3 1003726
650 # 4 $a 視線死角. $3 1451754
650 # 4 $a 深度學習. $3 1127425
856 7 # $u https://handle.ncl.edu.tw/11296/3krevy $z 電子資源 $2 http