基于云计算的自动驾驶环境感知关键技术研究
发布时间：2021-11-22 16:20
随着5G通信技术和智能网联汽车技术的发展,基于云端的自动驾驶环境感知系统不仅可以提升驾驶环境感知范围,而且可以节省车载端的算力。论文围绕云端实现自动驾驶环境感知的关键技术展开研究,其研究具有重要的理论意义和工程应用价值。论文主要研究工作如下:分析了传统车载环境感知系统的特点与局限,研究了基于云计算的自动驾驶环境感知系统整体框架,分析了该框架的云-端协同特点与优势,并进一步梳理了该框架下各平台的关键实现技术。设计了车牌检测与车牌识别统一框架,提出了一种改进SSD（Single Shot MultiBox Detector）神经网络模型的车牌检测识别融合算法。采用开源车牌数据集CCPD进行了模型的训练与测试,分析并验证了算法的准确性、鲁棒性和运行性能,并基于该算法在云端构建了驾驶环境感知静态场景,扩展了自动驾驶感知范围。提出了基于卷积Social Pooling的安全行驶路线感知算法。该算法基于周围车辆的历史轨迹感知本车安全行驶路线,并在此算法基础上提出了融合周围车辆行驶意图信息的改进算法。通过在开源NGSIM数据集上对算法进行的训练与测试,研究了周围车辆对安全行驶路线感知的影响,并研究了...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 环境感知关键技术
1.2.2 云计算自动驾驶系统
1.3 研究内容及章节安排
第二章 基于云计算的自动驾驶环境感知系统设计
2.1 车载环境感知系统特点
2.2 基于云计算的环境感知系统设计
2.3 本章小结
第三章 基于云端的车牌识别技术及静态驾驶场景构建
3.1 车牌检测识别难点
3.2 自动驾驶车牌检测识别框架
3.3 国内车牌分析
3.4 网络模型设计
3.4.1 图像处理结构
3.4.2 预设框生成结构
3.4.3 非极大值抑制
3.5 模型训练
3.5.1 匹配策略
3.5.2 数据集
3.5.3 目标函数
3.6 实验设计与分析
3.6.1 准确性分析
3.6.2 鲁棒性分析
3.6.3 性能分析
3.7 云端静态驾驶场景构建
3.8 本章小结
第四章 基于安全行驶路线预测的云端动态驾驶场景感知
4.1 动态驾驶场景感知难点
4.2 安全行驶路线感知研究方法
4.2.1 行驶场景建模
4.2.2 模型输入输出
4.3 网络模型设计
4.3.1 轨迹编码模块
4.3.2 卷积Social Pooling模块
4.3.3 解码感知模块
4.4 基于云数据平台的改进方案
4.5 模型训练
4.5.1 数据集
4.5.2 损失函数
4.5.3 实现细节
4.6 实验设计与分析
4.6.1 周围车辆行驶轨迹贡献分析
4.6.2 卷积Social Pooling分析
4.6.3 周围车辆行驶意图贡献分析
4.7 云端动态驾驶场景感知
4.8 本章小结
第五章 分布式深度学习框架研究
5.1 大规模深度学习难点
5.2 分布式深度学习框架
5.3 数据与模型并行研究
5.3.1 模型并行
5.3.2 数据并行
5.4 分布式深度学习通信机制研究
5.4.1 通信内容
5.4.2 通信框架
5.4.3 通信步调
5.5 数据与模型聚合研究
5.6 分布式深度学习实验
5.7 本章小结
第六章 基于云计算的自动驾驶环境感知仿真
6.1 自动驾驶环境感知场景
6.2 自动驾驶环境感知流程
6.3 本章小结
第七章 总结与展望
7.1 研究总结
7.2 研究展望
致谢
参考文献
攻读硕士期间科研成果
【参考文献】：
期刊论文
[1]边缘计算:现状与展望[J]. 施巍松,张星洲,王一帆,张庆阳. 计算机研究与发展. 2019(01)
[2]智能网联汽车环境感知技术的发展和研究现状[J]. 谢志萍,雷莉萍. 成都工业学院学报. 2016(04)
博士论文
[1]基于多源信息融合的智能汽车环境感知技术研究[D]. 孙宁.江苏大学 2018
本文编号：3512049
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：89 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 环境感知关键技术
1.2.2 云计算自动驾驶系统
1.3 研究内容及章节安排
第二章 基于云计算的自动驾驶环境感知系统设计
2.1 车载环境感知系统特点
2.2 基于云计算的环境感知系统设计
2.3 本章小结
第三章 基于云端的车牌识别技术及静态驾驶场景构建
3.1 车牌检测识别难点
3.2 自动驾驶车牌检测识别框架
3.3 国内车牌分析
3.4 网络模型设计
3.4.1 图像处理结构
3.4.2 预设框生成结构
3.4.3 非极大值抑制
3.5 模型训练
3.5.1 匹配策略
3.5.2 数据集
3.5.3 目标函数
3.6 实验设计与分析
3.6.1 准确性分析
3.6.2 鲁棒性分析
3.6.3 性能分析
3.7 云端静态驾驶场景构建
3.8 本章小结
第四章 基于安全行驶路线预测的云端动态驾驶场景感知
4.1 动态驾驶场景感知难点
4.2 安全行驶路线感知研究方法
4.2.1 行驶场景建模
4.2.2 模型输入输出
4.3 网络模型设计
4.3.1 轨迹编码模块
4.3.2 卷积Social Pooling模块
4.3.3 解码感知模块
4.4 基于云数据平台的改进方案
4.5 模型训练
4.5.1 数据集
4.5.2 损失函数
4.5.3 实现细节
4.6 实验设计与分析
4.6.1 周围车辆行驶轨迹贡献分析
4.6.2 卷积Social Pooling分析
4.6.3 周围车辆行驶意图贡献分析
4.7 云端动态驾驶场景感知
4.8 本章小结
第五章 分布式深度学习框架研究
5.1 大规模深度学习难点
5.2 分布式深度学习框架
5.3 数据与模型并行研究
5.3.1 模型并行
5.3.2 数据并行
5.4 分布式深度学习通信机制研究
5.4.1 通信内容
5.4.2 通信框架
5.4.3 通信步调
5.5 数据与模型聚合研究
5.6 分布式深度学习实验
5.7 本章小结
第六章 基于云计算的自动驾驶环境感知仿真
6.1 自动驾驶环境感知场景
6.2 自动驾驶环境感知流程
6.3 本章小结
第七章 总结与展望
7.1 研究总结
7.2 研究展望
致谢
参考文献
攻读硕士期间科研成果
【参考文献】：
期刊论文
[1]边缘计算:现状与展望[J]. 施巍松,张星洲,王一帆,张庆阳. 计算机研究与发展. 2019(01)
[2]智能网联汽车环境感知技术的发展和研究现状[J]. 谢志萍,雷莉萍. 成都工业学院学报. 2016(04)
博士论文
[1]基于多源信息融合的智能汽车环境感知技术研究[D]. 孙宁.江苏大学 2018
本文编号：3512049
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3512049.html
最近更新
教材专著
