基于深度学习的智能车辆动态避障方法研究

发布时间：2021-04-13 19:34

　　近年来,随着人工智能技术的快速发展,智能车领域的研究也得到了广泛的关注。在智能车领域的研究中,不仅有硬件系统前沿技术的发展,而且车辆智能驾驶软件系统上的技术突破也起到至关重要的作用。整个智能驾驶软件系统包括环境感知、决策规划及控制等模块。在决策规划模块中,实现智能车的动态避障功能极其重要,在人-路-车的智能交通系统中,要实现智能车的安全行驶,必须保证智能车能实时的避开动态或静态的障碍物,然而目前为止智能车辆动态避障系统主要采用的是基于规则和传统的规划决策方法,在检测到障碍物的基础上,设定规则和实现规划算法让智能车辆避开障碍物,然而设计规则过程中很难满足所有的限制条件同时缺乏适应能力。另外,智能车所在不同的道路驾驶环境复杂多变,除智能车外的其他车辆及行人等交通参与者的行为也存在较大的多变性,因此本文以智能车辆行人动态避让为重点研究,开展了行人轨迹预测的深度学习（Deep Learning,DL）方法研究和智能车辆动态避障的深度增强学习（Deep Reinforcement Learning,DRL）方法研究。人类驾驶员在积累丰富经验后,能在感知、预测等方面做出合理的决策判断,但是人类会受... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：89 页

【学位级别】：硕士

【图文】：

论文的整体结构

国防科技大学研究生院硕士学位论文图3.6车辆模型的组成部分车辆底盘(Chassis)档位变化逻辑(ShiftLogic)手动挡与自动挡的选择(AutomaticandManualShift)该模型采用的是简单的自行车模型[115]。下面将详细介绍下该车辆模型，如图3.7所示，模型的运动学非线性连续时间方程如下：图3.7车辆的自行车模型˙x=vcos(β+ψ),(3.8)第38页

国防科技大学研究生院硕士学位论文图3.6车辆模型的组成部分车辆底盘(Chassis)档位变化逻辑(ShiftLogic)手动挡与自动挡的选择(AutomaticandManualShift)该模型采用的是简单的自行车模型[115]。下面将详细介绍下该车辆模型，如图3.7所示，模型的运动学非线性连续时间方程如下：图3.7车辆的自行车模型˙x=vcos(β+ψ),(3.8)第38页

【参考文献】：
博士论文
[1]基于近似动态规划的优化控制方法及在自主驾驶车辆中的应用[D]. 连传强.国防科学技术大学 2016
[2]高速公路自主驾驶汽车视觉感知算法研究[D]. 聂一鸣.国防科学技术大学 2012
[3]自主驾驶汽车智能控制系统[D]. 孙振平.国防科学技术大学 2004



本文编号：3135885