基于神經(jīng)網(wǎng)絡(luò)智能駕駛跟馳設(shè)計實現(xiàn)
發(fā)布時間:2022-12-24 00:41
作為未來汽車工業(yè)的發(fā)展方向,智能駕駛是必然趨勢。汽車的駕駛與人工智能的結(jié)合越來越緊密,在感知層面對環(huán)境進行分類、目標(biāo)檢測、語義分割等是結(jié)合的主要運用,在算法運用部分從機器學(xué)習(xí)到深度學(xué)習(xí)發(fā)生了巨大的變遷。從傳統(tǒng)的HOG和SVM、SIFT等到深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸循環(huán)網(wǎng)絡(luò)等,因為深度學(xué)習(xí)帶來可見的效果,被廣泛運用在自動駕駛的環(huán)境感知層面;谏疃葘W(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上通過將交通擁堵時的車輛低速運動狀態(tài)抽象為跟馳模型(Car Following Model),在樹莓派硬件基礎(chǔ)上,通過一系列的數(shù)據(jù)采集,網(wǎng)絡(luò)模型搭建,實體模型搭建,訓(xùn)練調(diào)優(yōu),設(shè)計和構(gòu)建自動跟馳駕駛框架,為車輛在單車道擁堵的路況上提供了一種有條件的自動駕駛思路。主要實現(xiàn)車輛的自適應(yīng)巡航、對交通信號的識別處理,對車輛的識別以及自適應(yīng)跟馳三個功能。運用端到端的感知到控制策略,設(shè)計搭建了卷積神經(jīng)網(wǎng)絡(luò),通過記錄操作者的序列,訓(xùn)練網(wǎng)絡(luò)模型,直接輸出對車輛的控制,作為一級控制策略,實現(xiàn)了車輛的自適應(yīng)巡航。在DarknetYolov3目標(biāo)檢測網(wǎng)絡(luò)的基礎(chǔ)上模擬車輛在城市交通運行的環(huán)境,通過對模型的Finetune重新訓(xùn)練,設(shè)計實...
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 論文研究內(nèi)容
1.4 論文組織結(jié)構(gòu)
2 相關(guān)技術(shù)概述
2.1 卷積神經(jīng)網(wǎng)絡(luò)
2.2 端到端控制
2.3 車頭時距模型(Time Headway)
2.4 Yolov3-Tiny(You only look once)實時目標(biāo)檢測
2.5 本章小結(jié)
3 端到端跟馳模型的設(shè)計
3.0 模型結(jié)構(gòu)設(shè)計
3.1 硬件層設(shè)計
3.2 數(shù)據(jù)集采集
3.3 End-to-End CNN結(jié)構(gòu)設(shè)計
3.4 二級感知控制設(shè)計
3.5 本章小結(jié)
4 智能駕駛模型的實現(xiàn)與測試
4.1 硬件模塊實現(xiàn)
4.2 軟件核心模塊實現(xiàn)
4.3 訓(xùn)練與結(jié)果可視化
4.4 本章小結(jié)
5 總結(jié)與展望
5.1 總結(jié)
5.2 展望
致謝
參考文獻(xiàn)
【參考文獻(xiàn)】:
期刊論文
[1]無人駕駛汽車的起源與發(fā)展[J]. 賈玉龍. 信息記錄材料. 2018(04)
[2]Analysis of Autopilot Disengagements Occurring During Autonomous Vehicle Testing[J]. Chen Lv,Dongpu Cao,Yifan Zhao,Daniel J.Auger,Mark Sullman,Huaji Wang,Laura Millen Dutka,Lee Skrypchuk,Alexandros Mouzakitis. IEEE/CAA Journal of Automatica Sinica. 2018(01)
[3]百度“Apollo”計劃風(fēng)云錄[J]. 戴日新. 企業(yè)管理. 2017(08)
[4]深度學(xué)習(xí)在無人駕駛汽車領(lǐng)域應(yīng)用的研究進展[J]. 王科俊,趙彥東,邢向磊. 智能系統(tǒng)學(xué)報. 2018(01)
[5]汽車行業(yè)的下一風(fēng)口:智能駕駛[J]. 崔麗媛. 交通建設(shè)與管理. 2016(12)
[6]圖解:智能駕駛=無人駕駛? NO![J]. 崔麗媛,姚夢陽. 交通建設(shè)與管理. 2016(12)
[7]洞察無人車輛技術(shù)發(fā)展[J]. 徐彬,李明喜,周晶晶,倪俊,付苗苗. 機器人產(chǎn)業(yè). 2016(01)
[8]深度學(xué)習(xí)在無人駕駛汽車中的應(yīng)用[J]. 孫皓天. 電腦知識與技術(shù). 2015(24)
[9]開放、創(chuàng)新與產(chǎn)業(yè)轉(zhuǎn)型——從智能駕駛談起[J]. 李德毅. 科技創(chuàng)新與品牌. 2014(06)
[10]駕駛員車頭時距研究[J]. 孟凡興,張良,張偉. 工業(yè)工程與管理. 2013(02)
本文編號:3725711
【文章頁數(shù)】:73 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 論文研究內(nèi)容
1.4 論文組織結(jié)構(gòu)
2 相關(guān)技術(shù)概述
2.1 卷積神經(jīng)網(wǎng)絡(luò)
2.2 端到端控制
2.3 車頭時距模型(Time Headway)
2.4 Yolov3-Tiny(You only look once)實時目標(biāo)檢測
2.5 本章小結(jié)
3 端到端跟馳模型的設(shè)計
3.0 模型結(jié)構(gòu)設(shè)計
3.1 硬件層設(shè)計
3.2 數(shù)據(jù)集采集
3.3 End-to-End CNN結(jié)構(gòu)設(shè)計
3.4 二級感知控制設(shè)計
3.5 本章小結(jié)
4 智能駕駛模型的實現(xiàn)與測試
4.1 硬件模塊實現(xiàn)
4.2 軟件核心模塊實現(xiàn)
4.3 訓(xùn)練與結(jié)果可視化
4.4 本章小結(jié)
5 總結(jié)與展望
5.1 總結(jié)
5.2 展望
致謝
參考文獻(xiàn)
【參考文獻(xiàn)】:
期刊論文
[1]無人駕駛汽車的起源與發(fā)展[J]. 賈玉龍. 信息記錄材料. 2018(04)
[2]Analysis of Autopilot Disengagements Occurring During Autonomous Vehicle Testing[J]. Chen Lv,Dongpu Cao,Yifan Zhao,Daniel J.Auger,Mark Sullman,Huaji Wang,Laura Millen Dutka,Lee Skrypchuk,Alexandros Mouzakitis. IEEE/CAA Journal of Automatica Sinica. 2018(01)
[3]百度“Apollo”計劃風(fēng)云錄[J]. 戴日新. 企業(yè)管理. 2017(08)
[4]深度學(xué)習(xí)在無人駕駛汽車領(lǐng)域應(yīng)用的研究進展[J]. 王科俊,趙彥東,邢向磊. 智能系統(tǒng)學(xué)報. 2018(01)
[5]汽車行業(yè)的下一風(fēng)口:智能駕駛[J]. 崔麗媛. 交通建設(shè)與管理. 2016(12)
[6]圖解:智能駕駛=無人駕駛? NO![J]. 崔麗媛,姚夢陽. 交通建設(shè)與管理. 2016(12)
[7]洞察無人車輛技術(shù)發(fā)展[J]. 徐彬,李明喜,周晶晶,倪俊,付苗苗. 機器人產(chǎn)業(yè). 2016(01)
[8]深度學(xué)習(xí)在無人駕駛汽車中的應(yīng)用[J]. 孫皓天. 電腦知識與技術(shù). 2015(24)
[9]開放、創(chuàng)新與產(chǎn)業(yè)轉(zhuǎn)型——從智能駕駛談起[J]. 李德毅. 科技創(chuàng)新與品牌. 2014(06)
[10]駕駛員車頭時距研究[J]. 孟凡興,張良,張偉. 工業(yè)工程與管理. 2013(02)
本文編號:3725711
本文鏈接:http://sikaile.net/kejilunwen/daoluqiaoliang/3725711.html
教材專著