网联汽车中基于边缘计算的智能预警系统设计与实现

发布时间：2023-02-11 08:09

　　随着道路交通系统的复杂性日益增加,驾驶安全问题已经成为一个不可忽视的社会性问题。近年来,学术界和工业界面向智能网联汽车领域提出了很多驾驶辅助方案,其中,多传感器数据融合、视觉感知以及协作驾驶等主要技术被广泛应用在驾驶行为理解、驾驶环境感知等方面。同时,图形处理器(Graphics Processing Unit,GPU)等高性能计算单元为车联网(Internet of Vehicles,IoV)场景中的大规模数据处理提供了有力的硬件支持。此外,深度神经网络(Deep Neural Networks,DNNs),特别是卷积神经网络(Convolutional Neural Networks,CNNs),应用多层线性和非线性函数抽取图像特征,在对车辆周围环境进行目标检测、场景理解方面发挥着重要作用。然而,深度神经网络具有网络层次多、结构庞大、卷积运算复杂的特点,模型运行伴随着大量计算资源和存储资源的消耗和占用。车载终端计算资源不能满足此类计算密集型和存储密集型任务的计算需求,因此无法达到交通场景中对于智能驾驶辅助系统的准确性和实时性要求。考虑到单车智能驾驶系统的计算局限性,很多研究致力于为...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
        1.1.1 世界道路交通现状介绍
        1.1.2 汽车行业发展:车联网和自动驾驶
        1.1.3 智能驾驶辅助预警系统发展
        1.1.4 基于视觉的车辆环境感知技术发展
        1.1.5 移动边缘云计算技术发展
    1.2 国内外研究现状
        1.2.1 智能驾驶辅助预警系统
        1.2.2 基于视觉的环境感知技术
        1.2.3 深度模型的本地执行与云卸载
        1.2.4 边缘云计算
        1.2.5 信息安全与隐私保护
    1.3 本文主要研究内容及工作
    1.4 论文组织结构
第二章 基于车—边缘云协作计算平台的设计与实现
    2.1 基于车—边缘云协作计算平台应用场景分析
    2.2 基于车—边缘云协作计算平台的模块设计与功能实现
    2.3 性能测试与分析
        2.3.1 开发平台展示
        2.3.2 应用场景展示
        2.3.3 系统传输时延性能测试与对比
    2.4 本章小结
第三章 基于车—边缘云协作计算平台中物体检测模块的设计与实现
    3.1 基于深度学习的物体检测算法研究
    3.2 多管道深度学习框架
    3.3 基于深度学习的物体检测模型训练
    3.4 物体检测模型性能评估
        3.4.1 物体检测模型精确度评估
        3.4.2 物体检测模型实时性评估
    3.5 本章小结
第四章 基于视觉感知的车—边缘云协作预警功能设计与实现
    4.1 车道线检测功能
    4.2 单目测距功能
        4.2.1 基于映射关系的单目测距实现车辆类交通参与者距离估计
        4.2.2 基于几何关系的单目测距实现弱势交通参与者距离估计
    4.3 协作预警功能
        4.3.1 前车碰撞预警
        4.3.2 车道保持预警
        4.3.3 弱势交通参与者预警
        4.3.4 预警效果评估
    4.4 本章小结
第五章 基于车—边缘云协作计算平台中信息安全与隐私保护方案设计与实现
    5.1 基于车—边缘云系统信息安全与隐私保护应用场景分析
    5.2 基于车—边缘云系统中信息安全与隐私保护方案设计与实现
        5.2.1 信息安全与隐私保护相关算法研究
        5.2.2 信息安全与隐私保护方案设计与实现
    5.3 性能测试与分析
        5.3.1 系统密钥生成时延测试与评估
        5.3.2 系统加密-解密机制运行时延测试与评估
        5.3.3 系统签名—认证机制运行时延测试与评估
        5.3.4 信息安全与隐私保护机制对系统传输时延影响评估
        5.3.5 系统实时性能评估
    5.4 本章小结
第六章 总结与展望
    6.1 论文工作总结
    6.2 未来工作展望
参考文献
致谢
攻读学位期间发表的学术论文目录



本文编号：3740021