汽車(chē)保有量的快速增加,導(dǎo)致交通擁堵、行車(chē)事故和環(huán)境污染問(wèn)題日益嚴(yán)重,亟需解決。而電子信息技術(shù)的快速發(fā)展,正在促進(jìn)傳統(tǒng)汽車(chē)行業(yè)變革,促使汽車(chē)從出行交通工具轉(zhuǎn)變?yōu)榇笮椭悄芤苿?dòng)平臺(tái)。本課題來(lái)源于廣州市花都區(qū)某校企合作智能駕駛研發(fā)項(xiàng)目,研究重點(diǎn)是實(shí)現(xiàn)基于視覺(jué)的特定場(chǎng)景下智能車(chē)輛橫向運(yùn)動(dòng)控制。車(chē)輛在道路上的行駛狀態(tài)主要分為跟車(chē)行駛和換道行駛,其中換道行駛場(chǎng)景復(fù)雜,需要考慮多種因素,是智能車(chē)輛的典型應(yīng)用問(wèn)題;而智能車(chē)輛的橫向運(yùn)動(dòng)控制是通過(guò)控制車(chē)輛前輪轉(zhuǎn)角實(shí)現(xiàn)對(duì)期望軌跡的跟蹤,是智能車(chē)輛運(yùn)動(dòng)控制的核心研究問(wèn)題。研究基于視覺(jué)的智能車(chē)輛換道過(guò)程橫向運(yùn)動(dòng)控制問(wèn)題,對(duì)于智能駕駛技術(shù)的實(shí)際應(yīng)用具有重要的借鑒意義。首先,針對(duì)YOLO目標(biāo)檢測(cè)算法中存在的問(wèn)題,研究基于YOLO的目標(biāo)檢測(cè)改進(jìn)算法。針對(duì)課題需求,設(shè)計(jì)基于YOLO改進(jìn)算法的車(chē)輛檢測(cè)模型,建立基于幾何成像法的單目視覺(jué)前方車(chē)距估算模型,再融合兩部分算法,實(shí)現(xiàn)基于視覺(jué)的前方車(chē)輛實(shí)時(shí)檢測(cè)與車(chē)距估算。然后,分析智能車(chē)輛換道過(guò)程,設(shè)計(jì)基于安全距離模型的換道策略。對(duì)比常見(jiàn)的換道軌跡規(guī)劃方法,包括:正弦函數(shù)換道軌跡規(guī)劃方法、梯形加速度換道軌跡規(guī)劃方法、圓弧直線(xiàn)換道軌跡... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：109 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景和意義
    1.2 智能駕駛國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 智能駕駛技術(shù)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 目標(biāo)檢測(cè)與視覺(jué)測(cè)距研究現(xiàn)狀
        1.2.3 智能車(chē)輛軌跡規(guī)劃研究現(xiàn)狀
        1.2.4 智能車(chē)輛運(yùn)動(dòng)控制研究現(xiàn)狀
    1.3 課題來(lái)源及關(guān)鍵問(wèn)題
    1.4 論文主要研究?jī)?nèi)容
第二章 基于單目視覺(jué)的前方車(chē)輛檢測(cè)與車(chē)距估算
    2.1 卷積神經(jīng)網(wǎng)絡(luò)基本概念
    2.2 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法
        2.2.1 YOLO目標(biāo)檢測(cè)算法原理
        2.2.2 基于YOLO的目標(biāo)檢測(cè)改進(jìn)算法
        2.2.3 基于YOLO改進(jìn)算法的前方車(chē)輛檢測(cè)模型
        2.2.4 目標(biāo)檢測(cè)算法評(píng)價(jià)指標(biāo)
    2.3 基于單目視覺(jué)的前方車(chē)距估算
        2.3.1 圖像坐標(biāo)系變換
        2.3.2 相機(jī)成像基本模型
        2.3.3 基于幾何成像法的前方車(chē)距估算
    2.4 前方車(chē)輛檢測(cè)與車(chē)距估算結(jié)果
        2.4.1 單目視覺(jué)相機(jī)標(biāo)定
        2.4.2 車(chē)輛檢測(cè)數(shù)據(jù)集
        2.4.3 前方車(chē)輛檢測(cè)與車(chē)距估算融合結(jié)果
    2.5 本章小結(jié)
第三章 智能車(chē)輛換道策略設(shè)計(jì)與換道軌跡規(guī)劃
    3.1 智能車(chē)輛換道策略設(shè)計(jì)
        3.1.1 換道場(chǎng)景簡(jiǎn)化
        3.1.2 換道最小安全距離模型
        3.1.3 智能車(chē)輛換道策略設(shè)計(jì)
    3.2 智能車(chē)輛常見(jiàn)換道軌跡規(guī)劃方法
        3.2.1 基于正弦函數(shù)的換道軌跡規(guī)劃
        3.2.2 基于梯形加速度的換道軌跡規(guī)劃
        3.2.3 基于圓弧直線(xiàn)的換道軌跡規(guī)劃
        3.2.4 基于多項(xiàng)式的換道軌跡規(guī)劃
    3.3 基于五次多項(xiàng)式的換道軌跡規(guī)劃分析
    3.4 本章小結(jié)
第四章 基于模型預(yù)測(cè)控制的智能車(chē)輛橫向運(yùn)動(dòng)控制
    4.1 車(chē)輛動(dòng)力學(xué)建模
        4.1.1 車(chē)輛單軌模型
        4.1.2 輪胎模型
        4.1.3 小角度假設(shè)下的車(chē)輛動(dòng)力學(xué)模型
    4.2 滑�？刂苹驹矸治�
    4.3 基于模型預(yù)測(cè)控制的智能車(chē)輛橫向運(yùn)動(dòng)控制
        4.3.1 模型預(yù)測(cè)控制基本原理
        4.3.2 非線(xiàn)性系統(tǒng)線(xiàn)性化及離散化
        4.3.3 基于模型預(yù)測(cè)控制的橫向運(yùn)動(dòng)控制器設(shè)計(jì)
    4.4 智能車(chē)輛橫向運(yùn)動(dòng)控制算法仿真驗(yàn)證
        4.4.1 Simulink/CarSim聯(lián)合仿真平臺(tái)搭建
        4.4.2 車(chē)輛動(dòng)力學(xué)模型驗(yàn)證
        4.4.3 典型軌跡下的智能車(chē)輛橫向運(yùn)動(dòng)控制仿真對(duì)比
        4.4.4 換道軌跡下的智能車(chē)輛橫向運(yùn)動(dòng)控制仿真驗(yàn)證
    4.5 本章小結(jié)
第五章 換道場(chǎng)景下的實(shí)車(chē)實(shí)驗(yàn)
    5.1 實(shí)驗(yàn)車(chē)輛軟件及硬件系統(tǒng)設(shè)計(jì)
        5.1.1 實(shí)驗(yàn)車(chē)輛軟件設(shè)計(jì)
        5.1.2 實(shí)驗(yàn)車(chē)輛硬件設(shè)計(jì)
    5.2 系統(tǒng)工作步驟及實(shí)現(xiàn)方式
        5.2.1 實(shí)驗(yàn)車(chē)輛系統(tǒng)工作步驟
        5.2.2 實(shí)驗(yàn)車(chē)輛系統(tǒng)實(shí)現(xiàn)方式
    5.3 限定場(chǎng)景下的車(chē)輛換道實(shí)驗(yàn)
        5.3.1 實(shí)驗(yàn)車(chē)輛換道過(guò)程
        5.3.2 前方車(chē)輛檢測(cè)與車(chē)距估算實(shí)驗(yàn)結(jié)果
        5.3.3 換道過(guò)程橫向運(yùn)動(dòng)控制實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]無(wú)人駕駛技術(shù)綜述[J]. 汪榆程.  科技傳播. 2019(06)
[2]基于滑�？刂频淖詣�(dòng)泊車(chē)系統(tǒng)路徑跟蹤研究[J]. 姜立標(biāo),楊杰.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(02)
[3]基于Darknet框架下YOLO v2算法的車(chē)輛多目標(biāo)檢測(cè)方法[J]. 李珣,劉瑤,李鵬飛,張蕾,趙征凡.  交通運(yùn)輸工程學(xué)報(bào). 2018(06)
[4]無(wú)人駕駛車(chē)輛橫向控制策略研究進(jìn)展[J]. 朱林峰,楊家富,施楊洋,方朋朋.  世界科技研究與發(fā)展. 2018(05)
[5]基于YOLO＿v2模型的車(chē)輛實(shí)時(shí)檢測(cè)[J]. 黎洲,黃妙華.  中國(guó)機(jī)械工程. 2018(15)
[6]基于單目視覺(jué)車(chē)輛姿態(tài)角估計(jì)和逆透視變換的車(chē)距測(cè)量[J]. 劉軍,后士浩,張凱,晏曉娟.  農(nóng)業(yè)工程學(xué)報(bào). 2018(13)
[7]高速無(wú)人駕駛車(chē)輛最優(yōu)運(yùn)動(dòng)規(guī)劃與控制的動(dòng)力學(xué)建模分析[J]. 劉凱,龔建偉,陳舒平,張玉,陳慧巖.  機(jī)械工程學(xué)報(bào). 2018(14)
[8]面向無(wú)人駕駛的車(chē)輛協(xié)同換道軌跡規(guī)劃[J]. 游峰,谷廣.  科學(xué)技術(shù)與工程. 2018(15)
[9]基于深度學(xué)習(xí)的自動(dòng)駕駛技術(shù)綜述[J]. 張新鈺,高洪波,趙建輝,周沫.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[10]高速跟車(chē)狀態(tài)下駕駛?cè)俗畹鸵曈X(jué)注意力需求[J]. 劉卓凡,付銳,馬勇,袁偉,程文冬.  中國(guó)公路學(xué)報(bào). 2018(04)

博士論文
[1]深度學(xué)習(xí)算法在無(wú)人駕駛視覺(jué)中的應(yīng)用[D]. 蔡惠民.西安電子科技大學(xué) 2018

碩士論文
[1]基于視覺(jué)的無(wú)人駕駛車(chē)輛運(yùn)動(dòng)控制的研究[D]. 劉紅星.西南交通大學(xué) 2018
[2]智能汽車(chē)路徑規(guī)劃與跟蹤控制仿真研究[D]. 張思遠(yuǎn).吉林大學(xué) 2018
[3]乘用車(chē)自動(dòng)泊車(chē)系統(tǒng)路徑規(guī)劃與仿真分析[D]. 吳中偉.華南理工大學(xué) 2018
[4]考慮駕駛特性的智能車(chē)輛協(xié)同換道軌跡規(guī)劃[D]. 谷廣.華南理工大學(xué) 2018
[5]基于視覺(jué)融合的車(chē)輛與行人目標(biāo)檢測(cè)及測(cè)距方法研究[D]. 戶(hù)晉文.華南理工大學(xué) 2018
[6]高動(dòng)態(tài)環(huán)境下智能車(chē)局部路徑規(guī)劃研究[D]. 王富奎.電子科技大學(xué) 2018
[7]基于Fuzzy-PID的自動(dòng)泊車(chē)車(chē)速控制系統(tǒng)的研究[D]. 陳政和.華南理工大學(xué) 2018
[8]基于車(chē)載攝像機(jī)的前方車(chē)輛測(cè)距測(cè)速方法研究[D]. 張亞男.大連海事大學(xué) 2018
[9]無(wú)人駕駛車(chē)輛換道與超車(chē)控制方法研究[D]. 祁智.燕山大學(xué) 2017
[10]無(wú)人駕駛車(chē)輛軌跡跟蹤分層協(xié)調(diào)控制方法研究[D]. 馬騰.大連理工大學(xué) 2017



本文編號(hào)：3147344