智能車的決策算法是一個根據(jù)定位信息、感知信息與車輛自身信息,在保證車輛安全平穩(wěn)駕駛的情況下,得到當(dāng)前決策量的算法。在傳統(tǒng)的決策方法中,決策算法需要得到車輛與車道線的相對位置、可行駛區(qū)域等感知與定位信息之后再進行決策值的計算,這意味著設(shè)計者需要設(shè)計一個包含許多前置算法的復(fù)雜系統(tǒng),為決策模塊提供所需的信息。端到端決策算法則是一種根據(jù)圖像等原始信息輸入直接得到?jīng)Q策量的算法,這種算法能夠?qū)⒏兄K與定位模塊的部分功能抽象融合于算法中,從而將一個復(fù)雜的系統(tǒng)轉(zhuǎn)換為一個算法模塊。作為一種端到端算法,模型能夠根據(jù)算法的輸出量對算法進行全局的優(yōu)化,使得該算法所控制的系統(tǒng)達到最優(yōu)狀態(tài),而無需分別去優(yōu)化各個前置模塊。針對智能車端到端決策算法中缺少對未來決策值的預(yù)判和缺失深度信息的問題,本文提出了一種融合未來時空特征與圖像深度信息的智能車端到端決策算法,本文主要研究內(nèi)容如下:（1）本文提出了一種基于未來時空特征的智能車端到端決策模型,該模型利用基于卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的時空特征子模塊,在網(wǎng)絡(luò)的不同分支上進行特征的提取,在將各個分支的特征利用全連接層進行融合以得到輸出。將過去至當(dāng)前時刻的圖像序列作為網(wǎng)絡(luò)的輸入,利用... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【部分圖文】：

美國國防部ALV項目中的樣車2004年，第一屆DARPAGrandChallenge即DARPA挑戰(zhàn)賽在美國莫哈維沙漠

電子科技大學(xué)碩士學(xué)位論文4人才與關(guān)于智能車研發(fā)的新思路都為當(dāng)今智能車的發(fā)展做出了卓越的貢獻。智能車相關(guān)技術(shù)發(fā)展至2010后，諸如Geogle、Amazon、Apple等IT公司與BMW、奧迪、豐田等車企都開始在智能車領(lǐng)域布局發(fā)力，在這一年由谷歌所設(shè)計的第一代谷歌無人駕駛汽車已經(jīng)能夠在無人干預(yù)的情況下完成100英里的自主駕駛，此后兩年時間里谷歌的無人駕駛車輛累計完成的無人駕駛里程已超三十萬英里，相當(dāng)于由北京上海之間往返400次的路程之和。2016年，谷歌的智能車團隊獨立成立公司W(wǎng)aymo，并且與捷豹路虎集團聯(lián)合研發(fā)了了基于捷豹I-PACE純電動汽車的自動駕駛智能車。圖1-2Waymo和捷豹路虎集團研發(fā)的I-PACE電動智能車智能車與自動駕駛技術(shù)在歐洲各國也取得了高度的關(guān)注，法國在2013年所提出的《新工業(yè)法國》中指出，無人駕駛汽車是法國現(xiàn)階段與未來若干年所重點培育發(fā)展的工業(yè)部分之一。2014年，法國投資1億歐元進行道路聯(lián)網(wǎng)與無人車輛測試相關(guān)工作的推進。2017年1月，法國在巴黎開始進行無人駕駛巴士EZ10的公開測試，在連續(xù)密集的道路測試的同時，也通過攝像頭與激光雷達等傳感器采集了大量交通標志牌、行人與過往車輛的數(shù)據(jù)。德國一直擁有發(fā)展先進汽車工業(yè)的土壤，Bosch、梅賽德斯奔馳、大眾與歐寶等公司在無人車輛研發(fā)、城鄉(xiāng)道路測試、建立諸如kitti[51]無人駕駛數(shù)據(jù)集等工作上也作出了相當(dāng)?shù)呢暙I。意大利帕爾馬大學(xué)所研發(fā)的BRAive樣車在2013年實現(xiàn)了在帕爾馬的鄉(xiāng)村道路、城市道路與高速公路上的自主駕駛。在發(fā)展無人駕駛汽車的過程中，日本所提出的ITS發(fā)展戰(zhàn)略從交通信息交互，自動駕駛控制與大數(shù)據(jù)應(yīng)用等領(lǐng)域出發(fā)，將其劃分為了三個階段。在2014-2016

學(xué)、上海交通大學(xué)、同濟大學(xué)與國防科技大學(xué)等數(shù)十家科研單位參賽。截至目前該項賽事已經(jīng)舉辦至第十一屆，在2019年所舉辦的比賽中，共有29只來自各個研究機構(gòu)、高校與企業(yè)的隊伍報名參賽。在本次比賽中，舉辦方著重考察了各個隊伍參賽車輛的面對各類場景的適應(yīng)性與車輛的4S性能(安全性、舒適性、敏捷性與智能性)。與以往的比賽不同的是，該次賽事還增加了智能車在城市、鄉(xiāng)村、高架道路不依賴衛(wèi)星信號的賽程，從而更加全面的考察參賽隊伍車輛的自主感知能力與自主決策能力，最終來自西安交通大學(xué)的“先鋒號”成功衛(wèi)冕冠軍。圖1-3西安交通大學(xué)的“先鋒號”智能車如同美國所舉辦的DARPA挑戰(zhàn)賽，“中國智能車未來挑戰(zhàn)賽”在十余年的歷程中提供了一個很好的平臺，大大地促進了我國智能車領(lǐng)域研究的創(chuàng)新與發(fā)展，

【參考文獻】：
期刊論文
[1]基于分支網(wǎng)絡(luò)輔助任務(wù)的端到端自動駕駛[J]. 王丹.  集成電路應(yīng)用. 2019(03)
[2]無人駕駛車輛行為決策系統(tǒng)研究[J]. 熊璐,康宇宸,張培志,朱辰宇,余卓平.  汽車技術(shù). 2018(08)

博士論文
[1]城市環(huán)境下無人駕駛車輛決策系統(tǒng)研究[D]. 陳佳佳.中國科學(xué)技術(shù)大學(xué) 2014

碩士論文
[1]融合時空特征的端到端駕駛決策算法及仿真實現(xiàn)[D]. 梁黃黃.電子科技大學(xué) 2019
[2]基于時空遞歸神經(jīng)網(wǎng)絡(luò)的智能車端到端決策研究[D]. 金凡.電子科技大學(xué) 2018



本文編號：3605789