基于视觉的智能车辆换道过程横向运动控制研究
发布时间：2021-04-19 10:05
汽车保有量的快速增加,导致交通拥堵、行车事故和环境污染问题日益严重,亟需解决。而电子信息技术的快速发展,正在促进传统汽车行业变革,促使汽车从出行交通工具转变为大型智能移动平台。本课题来源于广州市花都区某校企合作智能驾驶研发项目,研究重点是实现基于视觉的特定场景下智能车辆横向运动控制。车辆在道路上的行驶状态主要分为跟车行驶和换道行驶,其中换道行驶场景复杂,需要考虑多种因素,是智能车辆的典型应用问题;而智能车辆的横向运动控制是通过控制车辆前轮转角实现对期望轨迹的跟踪,是智能车辆运动控制的核心研究问题。研究基于视觉的智能车辆换道过程横向运动控制问题,对于智能驾驶技术的实际应用具有重要的借鉴意义。首先,针对YOLO目标检测算法中存在的问题,研究基于YOLO的目标检测改进算法。针对课题需求,设计基于YOLO改进算法的车辆检测模型,建立基于几何成像法的单目视觉前方车距估算模型,再融合两部分算法,实现基于视觉的前方车辆实时检测与车距估算。然后,分析智能车辆换道过程,设计基于安全距离模型的换道策略。对比常见的换道轨迹规划方法,包括:正弦函数换道轨迹规划方法、梯形加速度换道轨迹规划方法、圆弧直线换道轨迹...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：109 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景和意义
1.2 智能驾驶国内外研究现状
1.2.1 智能驾驶技术国内外研究现状
1.2.2 目标检测与视觉测距研究现状
1.2.3 智能车辆轨迹规划研究现状
1.2.4 智能车辆运动控制研究现状
1.3 课题来源及关键问题
1.4 论文主要研究内容
第二章 基于单目视觉的前方车辆检测与车距估算
2.1 卷积神经网络基本概念
2.2 基于深度学习的目标检测算法
2.2.1 YOLO目标检测算法原理
2.2.2 基于YOLO的目标检测改进算法
2.2.3 基于YOLO改进算法的前方车辆检测模型
2.2.4 目标检测算法评价指标
2.3 基于单目视觉的前方车距估算
2.3.1 图像坐标系变换
2.3.2 相机成像基本模型
2.3.3 基于几何成像法的前方车距估算
2.4 前方车辆检测与车距估算结果
2.4.1 单目视觉相机标定
2.4.2 车辆检测数据集
2.4.3 前方车辆检测与车距估算融合结果
2.5 本章小结
第三章 智能车辆换道策略设计与换道轨迹规划
3.1 智能车辆换道策略设计
3.1.1 换道场景简化
3.1.2 换道最小安全距离模型
3.1.3 智能车辆换道策略设计
3.2 智能车辆常见换道轨迹规划方法
3.2.1 基于正弦函数的换道轨迹规划
3.2.2 基于梯形加速度的换道轨迹规划
3.2.3 基于圆弧直线的换道轨迹规划
3.2.4 基于多项式的换道轨迹规划
3.3 基于五次多项式的换道轨迹规划分析
3.4 本章小结
第四章 基于模型预测控制的智能车辆横向运动控制
4.1 车辆动力学建模
4.1.1 车辆单轨模型
4.1.2 轮胎模型
4.1.3 小角度假设下的车辆动力学模型
4.2 滑模控制基本原理分析
4.3 基于模型预测控制的智能车辆横向运动控制
4.3.1 模型预测控制基本原理
4.3.2 非线性系统线性化及离散化
4.3.3 基于模型预测控制的横向运动控制器设计
4.4 智能车辆横向运动控制算法仿真验证
4.4.1 Simulink/CarSim联合仿真平台搭建
4.4.2 车辆动力学模型验证
4.4.3 典型轨迹下的智能车辆横向运动控制仿真对比
4.4.4 换道轨迹下的智能车辆横向运动控制仿真验证
4.5 本章小结
第五章 换道场景下的实车实验
5.1 实验车辆软件及硬件系统设计
5.1.1 实验车辆软件设计
5.1.2 实验车辆硬件设计
5.2 系统工作步骤及实现方式
5.2.1 实验车辆系统工作步骤
5.2.2 实验车辆系统实现方式
5.3 限定场景下的车辆换道实验
5.3.1 实验车辆换道过程
5.3.2 前方车辆检测与车距估算实验结果
5.3.3 换道过程横向运动控制实验结果
5.4 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件
【参考文献】：
期刊论文
[1]无人驾驶技术综述[J]. 汪榆程. 科技传播. 2019(06)
[2]基于滑模控制的自动泊车系统路径跟踪研究[J]. 姜立标,杨杰. 农业机械学报. 2019(02)
[3]基于Darknet框架下YOLO v2算法的车辆多目标检测方法[J]. 李珣,刘瑶,李鹏飞,张蕾,赵征凡. 交通运输工程学报. 2018(06)
[4]无人驾驶车辆横向控制策略研究进展[J]. 朱林峰,杨家富,施杨洋,方朋朋. 世界科技研究与发展. 2018(05)
[5]基于YOLO＿v2模型的车辆实时检测[J]. 黎洲,黄妙华. 中国机械工程. 2018(15)
[6]基于单目视觉车辆姿态角估计和逆透视变换的车距测量[J]. 刘军,后士浩,张凯,晏晓娟. 农业工程学报. 2018(13)
[7]高速无人驾驶车辆最优运动规划与控制的动力学建模分析[J]. 刘凯,龚建伟,陈舒平,张玉,陈慧岩. 机械工程学报. 2018(14)
[8]面向无人驾驶的车辆协同换道轨迹规划[J]. 游峰,谷广. 科学技术与工程. 2018(15)
[9]基于深度学习的自动驾驶技术综述[J]. 张新钰,高洪波,赵建辉,周沫. 清华大学学报(自然科学版). 2018(04)
[10]高速跟车状态下驾驶人最低视觉注意力需求[J]. 刘卓凡,付锐,马勇,袁伟,程文冬. 中国公路学报. 2018(04)
博士论文
[1]深度学习算法在无人驾驶视觉中的应用[D]. 蔡惠民.西安电子科技大学 2018
硕士论文
[1]基于视觉的无人驾驶车辆运动控制的研究[D]. 刘红星.西南交通大学 2018
[2]智能汽车路径规划与跟踪控制仿真研究[D]. 张思远.吉林大学 2018
[3]乘用车自动泊车系统路径规划与仿真分析[D]. 吴中伟.华南理工大学 2018
[4]考虑驾驶特性的智能车辆协同换道轨迹规划[D]. 谷广.华南理工大学 2018
[5]基于视觉融合的车辆与行人目标检测及测距方法研究[D]. 户晋文.华南理工大学 2018
[6]高动态环境下智能车局部路径规划研究[D]. 王富奎.电子科技大学 2018
[7]基于Fuzzy-PID的自动泊车车速控制系统的研究[D]. 陈政和.华南理工大学 2018
[8]基于车载摄像机的前方车辆测距测速方法研究[D]. 张亚男.大连海事大学 2018
[9]无人驾驶车辆换道与超车控制方法研究[D]. 祁智.燕山大学 2017
[10]无人驾驶车辆轨迹跟踪分层协调控制方法研究[D]. 马腾.大连理工大学 2017
本文编号：3147344
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：109 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景和意义
1.2 智能驾驶国内外研究现状
1.2.1 智能驾驶技术国内外研究现状
1.2.2 目标检测与视觉测距研究现状
1.2.3 智能车辆轨迹规划研究现状
1.2.4 智能车辆运动控制研究现状
1.3 课题来源及关键问题
1.4 论文主要研究内容
第二章 基于单目视觉的前方车辆检测与车距估算
2.1 卷积神经网络基本概念
2.2 基于深度学习的目标检测算法
2.2.1 YOLO目标检测算法原理
2.2.2 基于YOLO的目标检测改进算法
2.2.3 基于YOLO改进算法的前方车辆检测模型
2.2.4 目标检测算法评价指标
2.3 基于单目视觉的前方车距估算
2.3.1 图像坐标系变换
2.3.2 相机成像基本模型
2.3.3 基于几何成像法的前方车距估算
2.4 前方车辆检测与车距估算结果
2.4.1 单目视觉相机标定
2.4.2 车辆检测数据集
2.4.3 前方车辆检测与车距估算融合结果
2.5 本章小结
第三章 智能车辆换道策略设计与换道轨迹规划
3.1 智能车辆换道策略设计
3.1.1 换道场景简化
3.1.2 换道最小安全距离模型
3.1.3 智能车辆换道策略设计
3.2 智能车辆常见换道轨迹规划方法
3.2.1 基于正弦函数的换道轨迹规划
3.2.2 基于梯形加速度的换道轨迹规划
3.2.3 基于圆弧直线的换道轨迹规划
3.2.4 基于多项式的换道轨迹规划
3.3 基于五次多项式的换道轨迹规划分析
3.4 本章小结
第四章 基于模型预测控制的智能车辆横向运动控制
4.1 车辆动力学建模
4.1.1 车辆单轨模型
4.1.2 轮胎模型
4.1.3 小角度假设下的车辆动力学模型
4.2 滑模控制基本原理分析
4.3 基于模型预测控制的智能车辆横向运动控制
4.3.1 模型预测控制基本原理
4.3.2 非线性系统线性化及离散化
4.3.3 基于模型预测控制的横向运动控制器设计
4.4 智能车辆横向运动控制算法仿真验证
4.4.1 Simulink/CarSim联合仿真平台搭建
4.4.2 车辆动力学模型验证
4.4.3 典型轨迹下的智能车辆横向运动控制仿真对比
4.4.4 换道轨迹下的智能车辆横向运动控制仿真验证
4.5 本章小结
第五章 换道场景下的实车实验
5.1 实验车辆软件及硬件系统设计
5.1.1 实验车辆软件设计
5.1.2 实验车辆硬件设计
5.2 系统工作步骤及实现方式
5.2.1 实验车辆系统工作步骤
5.2.2 实验车辆系统实现方式
5.3 限定场景下的车辆换道实验
5.3.1 实验车辆换道过程
5.3.2 前方车辆检测与车距估算实验结果
5.3.3 换道过程横向运动控制实验结果
5.4 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件
【参考文献】：
期刊论文
[1]无人驾驶技术综述[J]. 汪榆程. 科技传播. 2019(06)
[2]基于滑模控制的自动泊车系统路径跟踪研究[J]. 姜立标,杨杰. 农业机械学报. 2019(02)
[3]基于Darknet框架下YOLO v2算法的车辆多目标检测方法[J]. 李珣,刘瑶,李鹏飞,张蕾,赵征凡. 交通运输工程学报. 2018(06)
[4]无人驾驶车辆横向控制策略研究进展[J]. 朱林峰,杨家富,施杨洋,方朋朋. 世界科技研究与发展. 2018(05)
[5]基于YOLO＿v2模型的车辆实时检测[J]. 黎洲,黄妙华. 中国机械工程. 2018(15)
[6]基于单目视觉车辆姿态角估计和逆透视变换的车距测量[J]. 刘军,后士浩,张凯,晏晓娟. 农业工程学报. 2018(13)
[7]高速无人驾驶车辆最优运动规划与控制的动力学建模分析[J]. 刘凯,龚建伟,陈舒平,张玉,陈慧岩. 机械工程学报. 2018(14)
[8]面向无人驾驶的车辆协同换道轨迹规划[J]. 游峰,谷广. 科学技术与工程. 2018(15)
[9]基于深度学习的自动驾驶技术综述[J]. 张新钰,高洪波,赵建辉,周沫. 清华大学学报(自然科学版). 2018(04)
[10]高速跟车状态下驾驶人最低视觉注意力需求[J]. 刘卓凡,付锐,马勇,袁伟,程文冬. 中国公路学报. 2018(04)
博士论文
[1]深度学习算法在无人驾驶视觉中的应用[D]. 蔡惠民.西安电子科技大学 2018
硕士论文
[1]基于视觉的无人驾驶车辆运动控制的研究[D]. 刘红星.西南交通大学 2018
[2]智能汽车路径规划与跟踪控制仿真研究[D]. 张思远.吉林大学 2018
[3]乘用车自动泊车系统路径规划与仿真分析[D]. 吴中伟.华南理工大学 2018
[4]考虑驾驶特性的智能车辆协同换道轨迹规划[D]. 谷广.华南理工大学 2018
[5]基于视觉融合的车辆与行人目标检测及测距方法研究[D]. 户晋文.华南理工大学 2018
[6]高动态环境下智能车局部路径规划研究[D]. 王富奎.电子科技大学 2018
[7]基于Fuzzy-PID的自动泊车车速控制系统的研究[D]. 陈政和.华南理工大学 2018
[8]基于车载摄像机的前方车辆测距测速方法研究[D]. 张亚男.大连海事大学 2018
[9]无人驾驶车辆换道与超车控制方法研究[D]. 祁智.燕山大学 2017
[10]无人驾驶车辆轨迹跟踪分层协调控制方法研究[D]. 马腾.大连理工大学 2017
本文编号：3147344
本文链接：https://www.wllwen.com/kejilunwen/qiche/3147344.html
