【摘要】：無人駕駛汽車作為一種典型的智能移動機器人,涉及的學科眾多,是當今人工智能和汽車領域的重要研究方向,而避障系統(tǒng)是無人駕駛汽車研究的重中之重。避障系統(tǒng)是指在復雜的環(huán)境下從障礙物的檢測識別到成功躲避障礙物的過程,其中對運動障礙物的避撞操作一直是該研究的難點。本文即是對運動障礙物的識別、碰撞預測和避撞路徑規(guī)劃進行深入的理論研究,并進行了實驗驗證。具體的研究內(nèi)容如下:1)對運動障礙物準確且實時的識別是避障系統(tǒng)進行避撞操作的基礎,但是目前圖像識別算法在實時性和準確性上具有局限性,卷積神經(jīng)網(wǎng)絡由于過度關注細節(jié)特征的提取,在感興趣目標較小時也會出現(xiàn)結果不準確的情況。針對該問題,提出了一種基于卷積神經(jīng)網(wǎng)絡的運動障礙物識別算法,該方法在層層抽取細節(jié)特征的基礎上融入了全局特征,利用全局特征修正細節(jié)特征的提取,最后利用Softmax進行分類。實驗驗證,改進的卷積神經(jīng)網(wǎng)絡在識別運動障礙物具有較高的準確性。2)對運動障礙物的軌跡和碰撞點的預測是避障系統(tǒng)進行避撞操作的前提,文中應用三維柵格圖,提出一種碰撞預測方法,將運動障礙物分類成直線型、彎道型和路口型三種來進行軌跡預測,根據(jù)預測結果得到預測的碰撞點。3)規(guī)劃出一條可躲避障礙物的路徑是避撞操作的關鍵,針對傳統(tǒng)A*算法實時性不強和規(guī)劃軌跡較尖銳的問題,提出了一種基于改進的A*算法的路徑規(guī)劃算法。將估價函數(shù)進行改進來提高實時性;通過將可搜索的鄰域節(jié)點由可數(shù)增至無限個,并用貝塞爾曲線擬合規(guī)劃出的路徑來提高平滑性。采用真實的道路數(shù)據(jù),將研究的理論內(nèi)容應用于仿真平臺進行實驗驗證,實驗結果充分證明了本文研究的具體方法的有效性。最后對研究內(nèi)容的優(yōu)勢和不足進行總結,并對下一步的研究進行展望。
【學位授予單位】：山東科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP183;TP391.41;U463.6
【圖文】：

避障系統(tǒng)是無人駕駛汽車中最關鍵的部分，是一個多學科組成的系統(tǒng)，涉及到逡逑硬件環(huán)境感知、信息處理、路徑規(guī)劃、控制等研究領域，集中了這些領域內(nèi)最新的逡逑研究成果。無人駕駛汽車避障系統(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—本車狀態(tài)感Ｍ邐？邐—？碰撞

本文編號：2786966