基于最小二乘法和支持向量机的车辆视觉导航与控制系统研究

发布时间：2023-09-14 01:41

　　在传统逻辑业务已不能满足企业需求时,人们试图去寻找更多复杂、适应性强、跨度大的算法来解决生产生活的需求。在21世纪人工智能发展的浪潮下,机器学习,特别是深度学习,在无人驾驶领域的应用广泛,涉及到计算机视觉、通信、协同、控制等。现阶段的无人车算法需要更高的硬件配置,研发成本高,并且在研究过程中存在很大的安全隐患。为此,本文简化研究模型,重在研究关键技术,从多个角度切入,结合导航算法、高精度的避障算法、灵活的控制算法,实现一套基于视觉的巡航与自适应控制系统。主要工作如下:(1)出一种新的building-climbing视觉导航(BCVN)框架,其中在building过程中找到置信度高的基础边,climbing过程抵抗环境干扰,沿着基础边沿拓展新的平滑边沿,从而获得导航线。除此之外,设计了偏差及曲率的计算方法,偏差被用来控制车轮转向,曲率被用来调节速度。对于道路上的不规则障碍物,设计了CNN卷积网络与SVM相结合的方法来实现有效的避障。(2)对于转向控制方面,在传统PD算法上进行改良,通过引入分段P以及模糊微分D,在弯道转向时实现前预判。这保证了车头在弯道处具有较小的切入角,实现最短路径的...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文的主要内容及章节安排
第二章 系统整体框架设计
    2.1 系统需求分析
    2.2 系统整体结构
        2.2.1 视觉导航框架分析
        2.2.2 方向和速度控制算法分析
        2.2.3 硬件组装分析
    2.3 本章小结
第三章 视觉导航算法设计
    3.1 基于最小二乘法的边沿搜索算法
        3.1.1 二分法搜索
        3.1.2 边缘检测和拐点检测
        3.1.3 BCVN过程
    3.2 偏差和曲率计算方法
        3.2.1 偏差计算
        3.2.2 曲率计算
        3.2.3 BCVN与其他视觉导航框架的比较
    3.3 障碍物检测与规避算法
        3.3.1 CNN网络模型
        3.3.2 SVM算法分析
        3.3.3 障碍物检测算法
        3.3.4 障碍物规避算法
    3.4 本章小结
第四章 自适应控制算法设计
    4.1 转向PD控制算法
        4.1.1 PID控制简介
        4.1.2 方向P改进
        4.1.3 模糊微分D
        4.1.4 方向控制测试
    4.2 速度PI控制算法
        4.2.1 调速算法及优化策略
        4.2.2 加减速控制测试
    4.3 本章小结
第五章 系统硬件与软件设计
    5.1 车辆硬件设计
        5.1.1 主板电路设计
        5.1.2 驱动板电路设计
        5.1.3 主板和驱动板PCB设计
    5.2 图像处理软件设计
        5.2.1 道路图像信息获取模块
        5.2.2 道路图像信息保存
        5.2.3 道路图像信息处理模块
        5.2.4 道路图像信息处理展示
    5.3 嵌入式平台软件设计
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
作者简介



本文编号：3846304