環(huán)境感知和環(huán)境信息建模是智能車領(lǐng)域的重要技術(shù)。感知系統(tǒng)是智能車功能實現(xiàn)的基礎(chǔ),其通過傳感器實現(xiàn)本車的定位及對周圍環(huán)境的識別;環(huán)境信息建模是根據(jù)車輛周圍環(huán)境信息建立適用于智能車決策控制的模型,同時實現(xiàn)環(huán)境信息的存儲和回放。本文針對智能車車道信息感知及基于增量地圖的車道信息建模技術(shù)進行了深入研究。通過視覺和定位感知技術(shù)獲取車道級信息,其中包括車輛定位信息、車道線信息和交通標識信息,并應(yīng)用增量數(shù)字地圖技術(shù)進行車道級信息的融合和建模,通過增量更新提高數(shù)字地圖的時效性和準確性,以便于更加高效地指導(dǎo)智能車的行駛。具體研究內(nèi)容如下:(1)基于多模交互的定位感知算法。針對現(xiàn)有低成本車載級GPS定位精度偏低的問題,提出了基于多模交互的汽車導(dǎo)航定位信息感知算法。文中重點考慮到汽車運動學特性、動力學特性及其極限加速制動能力,分別建立了描述汽車常規(guī)恒速運動的縱向運動與側(cè)向穩(wěn)態(tài)轉(zhuǎn)向運動模型,描述汽車加減速狀態(tài)的變速高機動性縱向運動的自適應(yīng)變加速度統(tǒng)計模型,并通過模型交互、濾波、概率更新等狀態(tài)估計算法實現(xiàn)了對汽車未來一段時間內(nèi)可能達到區(qū)域的全覆蓋性預(yù)測性描述,提出了考慮方向的數(shù)據(jù)關(guān)聯(lián)濾波器,能夠更好的預(yù)測車輛行駛狀態(tài),最終實現(xiàn)了基于低成本GPS和慣性導(dǎo)航系統(tǒng)的高精準航跡推算。(2)基于梯度特征的車道線感知算法。車輛處在行駛狀態(tài)時,視覺感知系統(tǒng)性能會受到交通環(huán)境、天氣情況、光線變化及車輛復(fù)雜的運動狀態(tài)的影響。為了降低外界干擾,提高系統(tǒng)的可靠性和穩(wěn)定性,本文開發(fā)了基于FPGA的實時視覺感知系統(tǒng)。該系統(tǒng)能夠處理每秒25幀的720P圖像數(shù)據(jù),達到環(huán)境感知系統(tǒng)對實時性的需求;針對FPGA的嵌入式系統(tǒng)的特點,優(yōu)化了圖像預(yù)處理算法,充分發(fā)揮了FPGA并行運算的優(yōu)勢;提出了基于梯度特征的車道線識別算法;引入梯度算子反饋控制機制,根據(jù)不同外界環(huán)境實時調(diào)整閾值,能夠適應(yīng)不同的行駛場景,輸出穩(wěn)定正確的識別結(jié)果。(3)交通標識的檢測與分類。本文提出了基于機器學習的交通標識牌識別算法,交通標識牌的檢測和分類分別采用了基于Haar特征的Adaboost級聯(lián)分類器檢測算法和隨機分組卷積神經(jīng)網(wǎng)絡(luò)算法,并充分結(jié)合FPGA的特性對算法進行了優(yōu)化,提出了改進的Haar特征、基于分類回歸樹的弱分類器結(jié)構(gòu)和隨機分組卷積神經(jīng)網(wǎng)絡(luò),在保證識別準確率的前提下降低了算法的計算量。(4)基于增量數(shù)字地圖的車道信息建模技術(shù)。本文提出了一種基于增量數(shù)字地圖的車道信息建模方法,介紹了增量數(shù)字地圖的建立方法、基于地圖匹配的增量路段判定算法以及地圖中坐標系統(tǒng)的轉(zhuǎn)換方法,并通過多信息融合算法對車道信息進行建模并增量更新數(shù)字地圖,搭建了基于增量地圖的多信息融合軟硬件平臺,實現(xiàn)了增量數(shù)字地圖的實時更新,提高了數(shù)字地圖的時效性和準確性。
【學位單位】：吉林大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：U463.6
【部分圖文】：

何配置操作系統(tǒng)使各個模塊協(xié)調(diào)、穩(wěn)定、實時的工作也是一項重要課題，目前車輛的主流的操作系統(tǒng)是OSEK OS和Robot OS 硬件平臺主要包括車輛執(zhí)行機構(gòu)、工控機等。圖 1.1 中車輛為卡爾斯魯厄理工學院的無人駕駛車輛，安裝了激光雷達、立體視覺相機和 GPS。圖 1.1 無人車系統(tǒng)架構(gòu)圖 1.2 展示了 KIT 無人車環(huán)境感知的效果圖，通過激光雷達、攝像頭等傳感器實時獲取周圍環(huán)境的信息，能夠識別不同類型的車輛、行人以及障礙物，視覺實時顯示模塊用不同顏色的矩形框標識出不同類型的物體。圖 1. 2 無人車環(huán)境感知實時效果圖 1.3 為 KIT 車輛實時定位的效果圖，用到的傳感器有 GPS/慣性導(dǎo)航系統(tǒng)

圖 1.1 無人車系統(tǒng)架構(gòu)2 展示了 KIT 無人車環(huán)境感知的效果圖，通過激光雷達、取周圍環(huán)境的信息，能夠識別不同類型的車輛、行人以及模塊用不同顏色的矩形框標識出不同類型的物體。

圖 1.3 地圖定位效果汽車控制權(quán)及安全責任分配，無人駕駛汽車可分為不同的標級主要有三種，分別是美國高速研究所、美國國家公路交通安動機械工程師學會（Society of Automotive Engineers，SAE）最廣的是 SAE 分級，是美國交通部采用的分級標準，其分為 不具備無人駕駛功能。0 級只依靠人來控制汽車的功能，包制動。需要駕駛員協(xié)助的自動功能。車輛可以通過執(zhí)行機構(gòu)，電動穩(wěn)定系統(tǒng)等對車輛進行有限的控制，ADAS 系統(tǒng)屬于自動駕駛更多的駕駛員輔助功能。許多豪華汽車制造商現(xiàn)在提供可以度的 2 級自動駕駛功能。沃爾沃、梅賽德斯 - 奔馳、寶馬以

【參考文獻】

相關(guān)期刊論文 前10條

1 王超;王歡;趙春霞;任明武;;基于梯度增強和逆透視驗證的車道線檢測[J];哈爾濱工程大學學報;2014年09期

2 姜巖;趙熙俊;龔建偉;熊光明;陳慧巖;;簡單城市環(huán)境下地面無人駕駛系統(tǒng)的設(shè)計研究[J];機械工程學報;2012年20期

3 錢華明;陳亮;滿國晶;楊峻巍;張s

本文編號：2810846