基于红外与雷达的夜间无人车驾驶决策研究

发布时间：2021-08-19 22:05

　　驾驶决策的研究一直是无人车导航的一个重要研究环节,很多情况下无人车需要在夜间行驶,而在夜晚光线较昏暗甚至无光的状态下,通过红外成像仪和雷达来获取驾驶所需要的信息至关重要。通过红外成像仪获得的红外图像通常具有对比度及信噪比较低等缺陷,因此从夜间红外图像及雷达数据中得到可靠的信息及模型是夜间机器视觉领域的重点研究项目,而雷达所获取的距离信息是无人车导航决策的重要依据,并且其研究成果能够在民用、工业、军事等领域得到较好的实际应用。角度和速度是无人车在夜间行驶的关键信息,因而研究无人车在夜间运动状态的角度及速度信息,进而得出相应的驾驶决策,使得无人车能够在黑暗环境下平稳的行驶具有很重要的意义。本文应用深度学习技术,给出了夜间无人车的驾驶决策模型。论文主要分为三个部分:第一部分介绍了无人车驾驶决策的背景及其研究现状,并阐述机器学习中的深度学习框架及其作用;第二部分为基于深度学习分类网络的无人车方向决策模型,把方向决策研究转化为分类问题;第三部分在上一部分的基础上加入深度估计模型,并将其结合,提出了基于深度信息的无人车速度决策模型。本论文的创新点如下:（1）将深度学习分类的思想应用到了无人车方向决... 

【文章来源】：东华大学上海市 211工程院校 教育部直属院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

基于支持向

神经网络的结构是受到医学界人类神经元的启发，多个神经元组成层级结构最终形成网络而来，我们从最基本的单位即单个神经元来阐述，结构如图 2.3。图2.3 基本神经元模型如上图所示，假设有n个输入，每个输入都要与其对应的一个权值做乘法，再对所有乘得项进行求和并加入偏置项来作为后面激活函数的输入变量，最后经过激活函数得到一个输出值，公式（2-1）清晰的表达了解单个神经元的运算顺序：(2-1)激活函数可以依据不同应用的需求进行选择，本文下面介绍常用的三种激活函数。Sigmoid 函数、Tanh 函数及ReLU函数。 函数是比较基础的，可以表示为：

真实的标签之间的差距，通常用符号 J ( )来表示损失函数。相反的，所谓的反向传播算法便是通过代价函数的数量来反方向流动信息，可以计算出多层网络的梯度。上述的经典三层BP神经网络结构图如图2.4。


本文编号：3352228