基于强化学习的无人车路径规划的研究与实现
发布时间：2021-10-13 07:14
随着各个科技领域的进步,智能机器人开始渗入到各个行业,其中智能车自动驾驶的研究与开发也越来越受到人们的重视。在无人车自动驾驶的研究中,路径规划和在动态环境中自主避障是当前研究的主要问题。避障原理是无人车先通过安装的车载感知器获得自身位置和周围环境信息,尤其是与周围障碍物的距离,然后计算出当前无人车与障碍物的最小安全距离,生成安全避障策略,自动控制无人车安全避障。路径规划同样需要依靠感知器感知周围障碍信息,以及探测目标位置。使用栅格对无人车行驶路径进行划分,利用Q-learning算法生成Q-table列表,计算无人车每个位置的价值,使用贪心策略生成直达目的地的最优路径,使无人车自动沿着最优路径行驶至目标位置。本文主要研究了强化学习中的神经网络算法和Q-learning算法理论及其解决无人车在未知动态环境中的避障和路径规划问题,具体完成的工作有:第一,根据现实车辆行驶路径情况,运用python语言在PyCharm平台上搭建了无人驾驶智能车系统,主要包括动、静障碍物设置,目标点设置,无人车行驶方式设置,这些是无人车自动驾驶实验的基础设置条件。第二,通过分析无人车避障方法以及可能遇障方式的分...
【文章来源】：曲阜师范大学山东省
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
VaMoRs无人驾驶汽车
图 1. 2 无人驾驶汽车 Boss司作为最先发展无人驾驶技术的公司，其无人驾驶智能技上市公司自主研究的加入预示着无人驾驶开始从学校实验路成为可能。验室在 2007 年就开始了无人驾驶汽车研究的各项筹备工驶汽车的初步研发工作。2014 年 12 月，Google 创新小动驾驶智能汽车[5]，其完全依靠电脑自动控制行驶动作，及停止。通过照相机，雷达感应器和激光测距机感应周围离，生成环境输入数据以及 action 反馈数据。内华达州已。截止到 2015 年 11 月，Google 研发的无人驾驶汽车共完 在人工智能方面长时间的研发积淀为其无人驾驶汽车的发
图 1. 2 无人驾驶汽车 Boss司作为最先发展无人驾驶技术的公司，其无人驾驶智能技上市公司自主研究的加入预示着无人驾驶开始从学校实验路成为可能。验室在 2007 年就开始了无人驾驶汽车研究的各项筹备工驶汽车的初步研发工作。2014 年 12 月，Google 创新小动驾驶智能汽车[5]，其完全依靠电脑自动控制行驶动作，及停止。通过照相机，雷达感应器和激光测距机感应周围离，生成环境输入数据以及 action 反馈数据。内华达州已。截止到 2015 年 11 月，Google 研发的无人驾驶汽车共完 在人工智能方面长时间的研发积淀为其无人驾驶汽车的发
【参考文献】：
期刊论文
[1]基于BP神经网络的三峡库区土壤侵蚀强度模拟[J]. 刘婷,邵景安. 自然资源学报. 2018(04)
[2]基于ACLBFO算法的车辆路径规划[J]. 谭立静,王红,牛奔. 系统工程. 2015(04)
[3]无人驾驶车辆局部路径规划的时间一致性与鲁棒性研究[J]. 姜岩,王琦,龚建伟,陈慧岩. 自动化学报. 2015(03)
[4]强化学习在机器人路径规划中的应用研究[J]. 童亮,王准. 计算机仿真. 2013(12)
[5]BP网络用于声波法炉内切圆流场监测系统的模拟研究[J]. 周红新,李言钦,周怀春. 华中电力. 2005(04)
[6]基于栅格法的机器人路径规划蚁群算法[J]. 朱庆保,张玉兰. 机器人. 2005(02)
[7]交通运输网络最短路径关键边问题研究[J]. 李引珍,郭耀煌. 中国管理科学. 2004(04)
[8]多Agent系统中强化学习的研究现状和发展趋势[J]. 赵志宏,高阳,骆斌,陈世福. 计算机科学. 2004(03)
[9]用于移动机器人避障的人工神经网络和模糊逻辑控制技术[J]. 张明路,彭商贤,曹作良,徐宏. 中国机械工程. 1997(02)
博士论文
[1]无人驾驶汽车环境信息提取及运动决策方法研究[D]. 武历颖.长安大学 2016
[2]强化学习及其在机器人系统中的应用研究[D]. 陈学松.广东工业大学 2011
硕士论文
[1]无人驾驶汽车自动寻路与动态避障研究[D]. 李文越.长安大学 2018
[2]基于强化学习的移动机器人路径规划研究[D]. 刘仕超.山东科技大学 2017
[3]基于强化学习的路径规划问题研究[D]. 赵英男.哈尔滨工业大学 2017
[4]智能激光车辆避障系统的研究[D]. 卫苏晶.西安科技大学 2015
[5]无人驾驶智能车在动态环境中的避障方法[D]. 崔佳超.西安工业大学 2015
[6]基于粒子群和蚁群融合算法的移动机器人路径规划研究[D]. 杨惠.长沙理工大学 2010
[7]基于强化学习的轮式移动机器人避障研究[D]. 田从丰.东北大学 2009
本文编号：3434199
【文章来源】：曲阜师范大学山东省
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
VaMoRs无人驾驶汽车
图 1. 2 无人驾驶汽车 Boss司作为最先发展无人驾驶技术的公司，其无人驾驶智能技上市公司自主研究的加入预示着无人驾驶开始从学校实验路成为可能。验室在 2007 年就开始了无人驾驶汽车研究的各项筹备工驶汽车的初步研发工作。2014 年 12 月，Google 创新小动驾驶智能汽车[5]，其完全依靠电脑自动控制行驶动作，及停止。通过照相机，雷达感应器和激光测距机感应周围离，生成环境输入数据以及 action 反馈数据。内华达州已。截止到 2015 年 11 月，Google 研发的无人驾驶汽车共完 在人工智能方面长时间的研发积淀为其无人驾驶汽车的发
图 1. 2 无人驾驶汽车 Boss司作为最先发展无人驾驶技术的公司，其无人驾驶智能技上市公司自主研究的加入预示着无人驾驶开始从学校实验路成为可能。验室在 2007 年就开始了无人驾驶汽车研究的各项筹备工驶汽车的初步研发工作。2014 年 12 月，Google 创新小动驾驶智能汽车[5]，其完全依靠电脑自动控制行驶动作，及停止。通过照相机，雷达感应器和激光测距机感应周围离，生成环境输入数据以及 action 反馈数据。内华达州已。截止到 2015 年 11 月，Google 研发的无人驾驶汽车共完 在人工智能方面长时间的研发积淀为其无人驾驶汽车的发
【参考文献】：
期刊论文
[1]基于BP神经网络的三峡库区土壤侵蚀强度模拟[J]. 刘婷,邵景安. 自然资源学报. 2018(04)
[2]基于ACLBFO算法的车辆路径规划[J]. 谭立静,王红,牛奔. 系统工程. 2015(04)
[3]无人驾驶车辆局部路径规划的时间一致性与鲁棒性研究[J]. 姜岩,王琦,龚建伟,陈慧岩. 自动化学报. 2015(03)
[4]强化学习在机器人路径规划中的应用研究[J]. 童亮,王准. 计算机仿真. 2013(12)
[5]BP网络用于声波法炉内切圆流场监测系统的模拟研究[J]. 周红新,李言钦,周怀春. 华中电力. 2005(04)
[6]基于栅格法的机器人路径规划蚁群算法[J]. 朱庆保,张玉兰. 机器人. 2005(02)
[7]交通运输网络最短路径关键边问题研究[J]. 李引珍,郭耀煌. 中国管理科学. 2004(04)
[8]多Agent系统中强化学习的研究现状和发展趋势[J]. 赵志宏,高阳,骆斌,陈世福. 计算机科学. 2004(03)
[9]用于移动机器人避障的人工神经网络和模糊逻辑控制技术[J]. 张明路,彭商贤,曹作良,徐宏. 中国机械工程. 1997(02)
博士论文
[1]无人驾驶汽车环境信息提取及运动决策方法研究[D]. 武历颖.长安大学 2016
[2]强化学习及其在机器人系统中的应用研究[D]. 陈学松.广东工业大学 2011
硕士论文
[1]无人驾驶汽车自动寻路与动态避障研究[D]. 李文越.长安大学 2018
[2]基于强化学习的移动机器人路径规划研究[D]. 刘仕超.山东科技大学 2017
[3]基于强化学习的路径规划问题研究[D]. 赵英男.哈尔滨工业大学 2017
[4]智能激光车辆避障系统的研究[D]. 卫苏晶.西安科技大学 2015
[5]无人驾驶智能车在动态环境中的避障方法[D]. 崔佳超.西安工业大学 2015
[6]基于粒子群和蚁群融合算法的移动机器人路径规划研究[D]. 杨惠.长沙理工大学 2010
[7]基于强化学习的轮式移动机器人避障研究[D]. 田从丰.东北大学 2009
本文编号：3434199
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3434199.html
