智能汽車作為融合了傳統(tǒng)車輛,定位感知、人工智能,大數(shù)據(jù)等眾多前沿技術(shù)的熱點(diǎn)領(lǐng)域,成為汽車產(chǎn)業(yè)的戰(zhàn)略制高點(diǎn)和新一輪國際競(jìng)爭(zhēng)焦點(diǎn)。隨著相關(guān)領(lǐng)域近幾年的高速發(fā)展,高級(jí)輔助駕駛功能日趨成熟。而適時(shí)、適當(dāng)以與最優(yōu)路徑避讓障礙物,超越低速車輛作為更高級(jí)別自動(dòng)駕駛重要功能,能夠進(jìn)一步減輕駕駛員負(fù)擔(dān),降低交通事故發(fā)生風(fēng)險(xiǎn),提高道路安全。在此領(lǐng)域,要兼顧避讓合理性與收斂性、駕駛安全性、乘客舒適性等諸多因素,存在廣闊的探索空間,有待于進(jìn)一步研究。本文針對(duì)傳統(tǒng)觸須算法單純關(guān)注障礙物有或無而忽視類別、未良好全面表達(dá)路面信息或其他交通要素、未考慮避讓后回歸預(yù)設(shè)軌跡、無法完全適用于結(jié)構(gòu)化道路真實(shí)交通場(chǎng)景等問題進(jìn)行一系列改善。提出了一種融合勢(shì)場(chǎng)函數(shù)的改進(jìn)觸須算法。該方法針對(duì)道路場(chǎng)景引入多層次的ADAS地圖,利用語義信息搭建人工勢(shì)場(chǎng),并將其融合到觸須函數(shù)的選取標(biāo)準(zhǔn)當(dāng)中。進(jìn)而通過一套多因素相結(jié)合的最優(yōu)判定法則篩選出最優(yōu)觸須。最后添加安全校核模塊確保路徑的安全性。本文主要做以下幾個(gè)方面研究:第一,針對(duì)信息眾多、不斷變化的道路交通場(chǎng)景,搭建多層次ADAS地圖。它在道路層清晰描繪了道路形狀、邊界與可通行區(qū)域。在動(dòng)態(tài)信息層,對(duì)... 

【文章來源】：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

【文章頁數(shù)】：90 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

觸須算法示意圖

第二章融入柵格圖的多層次ADAS地圖構(gòu)建13完整的高清地圖主要分四層：道路層、定位層、動(dòng)態(tài)信息層和駕駛員駕駛習(xí)慣層。a)高精地圖b)普通導(dǎo)航地圖圖2-1高精地圖與普通導(dǎo)航地圖對(duì)比圖其中道路層發(fā)展最為成熟。幾乎全部的高精地圖產(chǎn)品，道路層都是三維地圖，在平面信息的基礎(chǔ)上增加了立體空間量度。同時(shí)還包含車道線、車道中心線、道路邊界線、路口形狀、路口虛擬引導(dǎo)線、道路標(biāo)識(shí)等一系列信息。與此同時(shí)帶來的缺點(diǎn)也顯而易見，數(shù)據(jù)量成倍的增長給在線傳輸和離線儲(chǔ)存都帶來挑戰(zhàn)。它制作成本頗高，制作周期長，維護(hù)成本大。一系列缺點(diǎn)成為高精地圖大規(guī)模繪制并推向市場(chǎng)的絆腳石。ADAS地圖相對(duì)精簡，已經(jīng)初步具有高精度地圖的兩大特征，主要面向L1-L3級(jí)別自動(dòng)駕駛。綜合考慮成本因素，ADAS地圖近階段在市場(chǎng)上備受大家青睞。2.1.2車載傳感器感知車載傳感器作為感知系統(tǒng)的重要組成部分，主要負(fù)責(zé)解決本車定位問題與周邊動(dòng)態(tài)環(huán)境探測(cè)的任務(wù)。定位問題告訴系統(tǒng)“我在哪”，探測(cè)周邊交通參與者的功能告訴系統(tǒng)“我周圍現(xiàn)在有什么”。當(dāng)前主流的車載傳感器有GPS、IMU、攝像頭、毫米波雷達(dá)、激光雷達(dá)、超聲波雷達(dá)等。因工作原理的不同，工作條件、可視范圍、優(yōu)勢(shì)領(lǐng)域等性能指標(biāo)差異較大。所以要互相結(jié)合，發(fā)揮對(duì)應(yīng)優(yōu)勢(shì)，取長補(bǔ)短。不同傳感器在定位領(lǐng)域?qū)Ρ热绫?-1所示：表2-1不同傳感器定位領(lǐng)域?qū)Ρ软?xiàng)目GPSIMU激光雷達(dá)視覺系統(tǒng)精度單點(diǎn)：5~10米差分：厘米級(jí)厘米級(jí)厘米到米級(jí)厘米到米級(jí)魯棒性較好好較差差

第二章融入柵格圖的多層次ADAS地圖構(gòu)建15為預(yù)警等一系列功能。價(jià)格方面，相比車載傳感器，V2X設(shè)備具備成本優(yōu)勢(shì)，因此它是車載傳感器的重要補(bǔ)充。2.2環(huán)境感知坐標(biāo)系統(tǒng)介紹上小節(jié)介紹諸多環(huán)境感知手段，每一種手段都有其對(duì)應(yīng)的坐標(biāo)系統(tǒng)與坐標(biāo)原點(diǎn)。要想融合不同渠道獲取的信息，坐標(biāo)系統(tǒng)的統(tǒng)一與對(duì)齊可以說是首要之行。與智能車相關(guān)的坐標(biāo)系統(tǒng)有地心地固坐標(biāo)系、當(dāng)?shù)厮阶鴺?biāo)系、UTM坐標(biāo)系、智能車坐標(biāo)系與傳感器坐標(biāo)系。2.2.1地心地固坐標(biāo)系地固坐標(biāo)系又稱地球坐標(biāo)系[80]，與地球同步運(yùn)動(dòng)。在忽略潮汐和板塊運(yùn)動(dòng)的前提下，地面上的點(diǎn)在該坐標(biāo)系下位置不變。所謂地心地固，就是坐標(biāo)原點(diǎn)與地球質(zhì)心重合。它有兩種表達(dá)形式：大地坐標(biāo)系與空間直角坐標(biāo)系。大地坐標(biāo)系如圖2-2（a）所示，P點(diǎn)子午面NPS與起始子午面NGS所構(gòu)成的二面角L，稱為P點(diǎn)的大地經(jīng)度，由起始子午面開始算起，向東為正，為東經(jīng)（0°~180°），向西為負(fù)，為西經(jīng)（0°~180°），P點(diǎn)的法線Pn與赤道面的夾角B，稱為P點(diǎn)的大地緯度，由赤道面開始算起，向北為正，為北緯（0°~90°），向南為負(fù)，為南緯（0°~90°）。在大地坐標(biāo)系中，P點(diǎn)的坐標(biāo)為（L,B），當(dāng)點(diǎn)不在理想橢球面上時(shí)，引出第三參數(shù)——大地高度H。空間直角坐標(biāo)系如圖2-2（b）所示：（a）（b）圖2-2地心地固坐標(biāo)系示意圖在該坐標(biāo)系下，空間任意點(diǎn)的位置用（X,Y,Z）表示，Z軸與地球平均自轉(zhuǎn)軸重合，即指向某一時(shí)刻的平均北極點(diǎn)，X軸指向平均自轉(zhuǎn)軸與平均格林尼治天文臺(tái)所決定的子午面與赤道面的交點(diǎn)G，Y軸與XOZ平面垂直，以指向東為正。兩種表達(dá)上的點(diǎn)構(gòu)成一

【參考文獻(xiàn)】：
期刊論文
[1]論述智能網(wǎng)聯(lián)汽車的發(fā)展[J]. 王青青.  汽車實(shí)用技術(shù). 2020(06)
[2]淺析自動(dòng)駕駛分類及發(fā)展前景[J]. 張艷,徐順,藺春明,趙璽,徐業(yè)翔,彭宏偉.  汽車實(shí)用技術(shù). 2020(06)
[3]自動(dòng)駕駛汽車測(cè)繪管理政策法規(guī)問題及優(yōu)化建議[J]. 申楊柳,朱一方.  汽車與配件. 2020(05)
[4]5G技術(shù)助推自動(dòng)駕駛發(fā)展和車險(xiǎn)變革[J]. 馬向東.  上海保險(xiǎn). 2020(02)
[5]無人駕駛汽車局部路徑規(guī)劃算法研究[J]. 彭曉燕,謝浩,黃晶.  汽車工程. 2020(01)
[6]基于非結(jié)構(gòu)化環(huán)境點(diǎn)云稀疏表示的無人駕駛汽車局部路徑規(guī)劃方法[J]. 劉梓林,黎予生,鄭玲.  機(jī)械工程學(xué)報(bào). 2020(02)
[7]基于RRT改進(jìn)的智能車輛路徑規(guī)劃算法[J]. 施楊洋,楊家富,布升強(qiáng),朱林峰.  計(jì)算技術(shù)與自動(dòng)化. 2019(04)
[8]未來交通：自動(dòng)駕駛與智能網(wǎng)聯(lián)[J]. 李德毅.  機(jī)器人產(chǎn)業(yè). 2019(06)
[9]多障礙物環(huán)境下智能車輛局部路徑規(guī)劃方法[J]. 楊帆,徐彪.  控制與信息技術(shù). 2019(05)
[10]基于hp自適應(yīng)偽譜法的智能汽車緊急變道軌跡規(guī)劃與優(yōu)化[J]. 江浩斌,施凱津,華一丁,陳龍.  中國公路學(xué)報(bào). 2019(06)

博士論文
[1]基于三維激光雷達(dá)的無人駕駛車輛環(huán)境建模關(guān)鍵技術(shù)研究[D]. 劉健.中國科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]基于改進(jìn)人工勢(shì)場(chǎng)法的智能車輛主動(dòng)避撞算法研究[D]. 翁爍豐.江蘇大學(xué) 2019
[2]高速公路交通事故規(guī)律分析與影響因素研究[D]. 張寶.中國人民公安大學(xué) 2019
[3]ADAS導(dǎo)航地圖高程畸變處理算法及實(shí)現(xiàn)[D]. 陳志鋒.北京建筑大學(xué) 2019
[4]基于改進(jìn)A*算法和人工勢(shì)場(chǎng)法智能小車路徑規(guī)劃研究[D]. 宣仁虎.西安電子科技大學(xué) 2019
[5]基于預(yù)測(cè)模型的智能汽車前向引導(dǎo)區(qū)規(guī)劃研究[D]. 梁政燾.華南理工大學(xué) 2019
[6]基于深度強(qiáng)化學(xué)習(xí)的智能體避障與路徑規(guī)劃研究與應(yīng)用[D]. 鄧悟.電子科技大學(xué) 2019
[7]基于改進(jìn)蟻群算法的路徑規(guī)劃[D]. 寧超.哈爾濱理工大學(xué) 2019
[8]無人駕駛車輛軌跡規(guī)劃算法研究[D]. 杜卓洋.浙江大學(xué) 2019
[9]基于深度強(qiáng)化學(xué)習(xí)的未知環(huán)境下機(jī)器人路徑規(guī)劃的研究[D]. 卜祥津.哈爾濱工業(yè)大學(xué) 2018
[10]基于高斯偽譜法的智能車局部路徑規(guī)劃研究[D]. 郭泉成.華南理工大學(xué) 2018



本文編號(hào)：3387530