基于深度学习的智能汽车自动转向技术研究

发布时间：2021-01-22 06:07

　　自动驾驶是实现“智能汽车”、“智能交通”和“智能车联网”的关键技术,伴随着传统汽车行业的发展逐渐趋于饱和,自动驾驶将是未来汽车实现蓬勃发展的必然趋势。随着深度学习研究的迅速发展,自动驾驶也已迎来了革命性的时代。本文对基于深度学习的自动转向技术进行研究,通过将深度学习应用到自动驾驶中的感知和决策过程,直接预测出方向盘控制指令以实现智能汽车的自动转向。这可以加快自动驾驶技术的开发速度,对自动驾驶的最终实现具有重要的意义。首先,本文搭建了自动驾驶系统研究平台。对某纯电动汽车进行了底层执行机构的改装,分别使用转向电机和推杆电机来驱动方向盘和刹车踏板,对于油门则从电子线路上施加外部DA信号来驱动。在硬件方面,分别搭建了传感器平台和控制器计算平台。在软件方面,搭建了基于ROS系统的实车软件平台以及基于Prescan、Simulink和TensorFlow的自动驾驶仿真软件平台。其次,建立了基于深度卷积神经网络的智能汽车自动转向模型,分别从仿真和实车测试两个方面对自动转向模型进行了验证。仿真结果表明,该模型能较好地收敛。在此基础上,基于实车测试数据做进一步的训练,结果表明,预先训练好编码器后,再训练... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

Commaai高速公路路测NVIDIA公司，在人工智能和深度学习的发展热潮下，依靠其背后强大的显

图 1-2 NVIDIAPX2 硬件结构图图 1-3 NVIDIAPX2 平台效果图ive.ai 是一家由前斯坦福大学人工智能实验室成员创建的硅谷创方向为利用人工智能领域内的深度学习技术，进一步开发自动驾包含车辆和行人、车辆与车辆的交互系统。与其它的将深度学驶技术中的某一个部分不同，Drive.ai 从整体来考虑，将深度学

6图 1-3 NVIDIAPX2 平台效果图ive.ai 是一家由前斯坦福大学人工智能实验室成员创建的硅谷创向为利用人工智能领域内的深度学习技术，进一步开发自动驾包含车辆和行人、车辆与车辆的交互系统。与其它的将深度学技术中的某一个部分不同，Drive.ai 从整体来考虑，将深度学动驾驶系统。该公司在美国旧金山进行了道路测试，大部分情自动驾驶，即使是在阴暗、雨天或下冰雹等对自动驾驶汽车而条件下，也基本能顺利完成自动驾驶。其测试车辆如图 1-4 所

【参考文献】：
期刊论文
[1]AlphaGo背后强大的人工智能技术[J]. 张一贺.  数字通信世界. 2017(11)
[2]机器人操作系统ROS通信层的弱终止性验证[J]. 李涛,关永,王瑞,李晓娟.  小型微型计算机系统. 2016(09)
[3]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[4]深度学习研究进展[J]. 刘建伟,刘媛,罗雄麟.  计算机应用研究. 2014(07)
[5]深度学习及其在目标和行为识别中的新进展[J]. 郑胤,陈权崎,章毓晋.  中国图象图形学报. 2014(02)
[6]基于PRESCAN的汽车自动驾驶仿真[J]. 贺勇,王春香,董永坤.  电脑知识与技术. 2012(33)
[7]基于socket的网络通信技术研究[J]. 欧军,吴清秀,裴云,张洪.  网络安全技术与应用. 2011(07)

硕士论文
[1]基于深度学习的图像识别应用研究[D]. 周凯龙.北京工业大学 2016
[2]基于深度学习的行人检测[D]. 王斌.北京交通大学 2015
[3]基于深度学习的图像识别算法研究[D]. 丰晓霞.太原理工大学 2015
[4]基于深度学习的图像目标识别研究[D]. 傅瑞罡.国防科学技术大学 2014



本文编号：2992713