【摘要】：無(wú)人駕駛汽車(chē)作為一種典型的智能移動(dòng)機(jī)器人,涉及的學(xué)科眾多,是當(dāng)今人工智能和汽車(chē)領(lǐng)域的重要研究方向,而避障系統(tǒng)是無(wú)人駕駛汽車(chē)研究的重中之重。避障系統(tǒng)是指在復(fù)雜的環(huán)境下從障礙物的檢測(cè)識(shí)別到成功躲避障礙物的過(guò)程,其中對(duì)運(yùn)動(dòng)障礙物的避撞操作一直是該研究的難點(diǎn)。本文即是對(duì)運(yùn)動(dòng)障礙物的識(shí)別、碰撞預(yù)測(cè)和避撞路徑規(guī)劃進(jìn)行深入的理論研究,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。具體的研究?jī)?nèi)容如下:1)對(duì)運(yùn)動(dòng)障礙物準(zhǔn)確且實(shí)時(shí)的識(shí)別是避障系統(tǒng)進(jìn)行避撞操作的基礎(chǔ),但是目前圖像識(shí)別算法在實(shí)時(shí)性和準(zhǔn)確性上具有局限性,卷積神經(jīng)網(wǎng)絡(luò)由于過(guò)度關(guān)注細(xì)節(jié)特征的提取,在感興趣目標(biāo)較小時(shí)也會(huì)出現(xiàn)結(jié)果不準(zhǔn)確的情況。針對(duì)該問(wèn)題,提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)障礙物識(shí)別算法,該方法在層層抽取細(xì)節(jié)特征的基礎(chǔ)上融入了全局特征,利用全局特征修正細(xì)節(jié)特征的提取,最后利用Softmax進(jìn)行分類(lèi)。實(shí)驗(yàn)驗(yàn)證,改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)在識(shí)別運(yùn)動(dòng)障礙物具有較高的準(zhǔn)確性。2)對(duì)運(yùn)動(dòng)障礙物的軌跡和碰撞點(diǎn)的預(yù)測(cè)是避障系統(tǒng)進(jìn)行避撞操作的前提,文中應(yīng)用三維柵格圖,提出一種碰撞預(yù)測(cè)方法,將運(yùn)動(dòng)障礙物分類(lèi)成直線(xiàn)型、彎道型和路口型三種來(lái)進(jìn)行軌跡預(yù)測(cè),根據(jù)預(yù)測(cè)結(jié)果得到預(yù)測(cè)的碰撞點(diǎn)。3)規(guī)劃出一條可躲避障礙物的路徑是避撞操作的關(guān)鍵,針對(duì)傳統(tǒng)A*算法實(shí)時(shí)性不強(qiáng)和規(guī)劃軌跡較尖銳的問(wèn)題,提出了一種基于改進(jìn)的A*算法的路徑規(guī)劃算法。將估價(jià)函數(shù)進(jìn)行改進(jìn)來(lái)提高實(shí)時(shí)性;通過(guò)將可搜索的鄰域節(jié)點(diǎn)由可數(shù)增至無(wú)限個(gè),并用貝塞爾曲線(xiàn)擬合規(guī)劃出的路徑來(lái)提高平滑性。采用真實(shí)的道路數(shù)據(jù),將研究的理論內(nèi)容應(yīng)用于仿真平臺(tái)進(jìn)行實(shí)驗(yàn)驗(yàn)證,實(shí)驗(yàn)結(jié)果充分證明了本文研究的具體方法的有效性。最后對(duì)研究?jī)?nèi)容的優(yōu)勢(shì)和不足進(jìn)行總結(jié),并對(duì)下一步的研究進(jìn)行展望。
【學(xué)位授予單位】：山東科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP183;TP391.41;U463.6
【圖文】：

避障系統(tǒng)是無(wú)人駕駛汽車(chē)中最關(guān)鍵的部分，是一個(gè)多學(xué)科組成的系統(tǒng)，涉及到逡逑硬件環(huán)境感知、信息處理、路徑規(guī)劃、控制等研究領(lǐng)域，集中了這些領(lǐng)域內(nèi)最新的逡逑研究成果。無(wú)人駕駛汽車(chē)避障系統(tǒng)框架如圖２．邋１所示，大致分為傳感感知層、信息逡逑處理層、決策規(guī)劃和控制層。逡逑傳感感知層邐信息處理層邐決策規(guī)劃層逡逑—本車(chē)狀態(tài)感Ｍ邐？邐—？碰撞

本文編號(hào)：2786966