車輛碰撞事故給乘員帶來極大傷害,碰撞預(yù)警系統(tǒng)也是高級(jí)駕駛輔助系統(tǒng)ADAS的重要組成部分,高級(jí)駕駛輔助系統(tǒng)（ADAS）中碰撞預(yù)警系統(tǒng)可有效減少碰撞事故的發(fā)生。但現(xiàn)有碰撞預(yù)警系統(tǒng)通常只有監(jiān)測和預(yù)警功能,無法預(yù)測未來車輛和乘員的損傷程度,進(jìn)而做出決策。本論文針對這一問題,發(fā)展了基于實(shí)時(shí)碰撞預(yù)警算法和深度學(xué)習(xí)的可預(yù)測的智能小車避撞策略,同時(shí)搭建智能小車平臺(tái),利用雙目視覺技術(shù),對上述避撞策略進(jìn)行實(shí)驗(yàn)驗(yàn)證。本文主要研究內(nèi)容如下:（1）研究了基于實(shí)時(shí)避撞預(yù)警算法和深度學(xué)習(xí)的智能小車避撞策略,利用卡爾曼濾波算法,預(yù)測了障礙物的運(yùn)動(dòng)狀態(tài),基于碰撞損傷預(yù)測模型計(jì)算多種方案下的碰撞損傷程度,制定了最優(yōu)避撞策略,并將此思路通過算法進(jìn)行了實(shí)現(xiàn)。（2）針對智能小車避撞系統(tǒng),硬件上進(jìn)行了設(shè)計(jì)和搭建,選定智能小車的改裝平臺(tái),設(shè)計(jì)智能小車的調(diào)速部分、驅(qū)動(dòng)部分、傳感器部分以及控制部分,選擇滿足各部分需求的硬件裝置,并考慮小車的動(dòng)力傳動(dòng)、信號(hào)傳輸,設(shè)計(jì)了硬件電路,實(shí)現(xiàn)了驅(qū)動(dòng)、剎車、轉(zhuǎn)向等駕駛動(dòng)作的控制。依據(jù)穩(wěn)定性和平順性等因素,合理布置智能小車結(jié)構(gòu),完成了智能小車的硬件搭建工作。（3）研究了雙目視覺系統(tǒng)的測距原理、相關(guān)算法... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 自動(dòng)駕駛研究現(xiàn)狀
        1.2.2 車輛避撞研究現(xiàn)狀
    1.3 主要研究內(nèi)容與技術(shù)路線
        1.3.1 主要研究內(nèi)容
        1.3.2 技術(shù)路線
2 智能型避撞
    2.1 高級(jí)駕駛輔助系統(tǒng)ADAS
    2.2 智能避撞技術(shù)
        2.2.1 Mobileye防碰撞預(yù)警系統(tǒng)
        2.2.2 特斯拉Autopilot系統(tǒng)
    2.3 智能避撞車載傳感器
    2.4 本章小結(jié)
3 雙目視覺與智能小車硬件系統(tǒng)設(shè)計(jì)
    3.1 系統(tǒng)總體方案簡述
    3.2 智能小車硬件系統(tǒng)
        3.2.1 智能小車平臺(tái)搭建
        3.2.2 雙目相機(jī)介紹及使用
    3.3 雙目視覺系統(tǒng)
        3.3.1 雙目視覺簡述
        3.3.2 雙目視覺原理
        3.3.3 雙目視覺數(shù)據(jù)處理
    3.4 本章小結(jié)
4 基于碰撞預(yù)警和深度學(xué)習(xí)的智能小車避障策略
    4.1 基于卡爾曼濾波的車輛位置預(yù)測
        4.1.1 卡爾曼濾波原理
        4.1.2 基于卡爾曼濾波的車輛預(yù)測算法
    4.2 基于避撞預(yù)警和深度學(xué)習(xí)的智能小車避撞策略
        4.2.1 基于避撞預(yù)警和深度學(xué)習(xí)的智能小車避撞策略設(shè)計(jì)
        4.2.2 基于避撞預(yù)警和深度學(xué)習(xí)的智能小車避撞策略實(shí)現(xiàn)
    4.3 本章小結(jié)
5 智能小車避撞策略實(shí)驗(yàn)驗(yàn)證
    5.1 實(shí)驗(yàn)方案設(shè)計(jì)
    5.2 智能小車避撞實(shí)驗(yàn)
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]自動(dòng)駕駛等級(jí)劃分及技術(shù)路線分析[J]. 李德海.  汽車實(shí)用技術(shù). 2019(06)
[2]基于毫米波雷達(dá)的車輛測距系統(tǒng)[J]. 吳榮燎,金鉆,鐘停江,代皓宇.  汽車實(shí)用技術(shù). 2019(02)
[3]基于計(jì)算機(jī)視覺的車輛識(shí)別技術(shù)[J]. 李嫩,王志雷,周琳,付鵬.  汽車實(shí)用技術(shù). 2018(24)
[4]激光雷達(dá)在無人車輛中的應(yīng)用及關(guān)鍵技術(shù)分析[J]. 王會(huì),羅濤,陸培源.  激光與紅外. 2018(12)
[5]多方位超聲波倒車防撞系統(tǒng)設(shè)計(jì)[J]. 潘康福,周西峰,郭前崗.  傳感器與微系統(tǒng). 2019(01)
[6]智能網(wǎng)聯(lián)汽車技術(shù)應(yīng)用與發(fā)展趨勢[J]. 關(guān)宇豪,蔣園園.  汽車實(shí)用技術(shù). 2018(22)
[7]紅外感應(yīng)型汽車自動(dòng)制動(dòng)系統(tǒng)的開發(fā)[J]. 胡曉輝.  科技創(chuàng)新與應(yīng)用. 2018(33)
[8]77GHz汽車?yán)走_(dá)方案及集成芯片對比分析[J]. 汪子煜,何少斌,褚永強(qiáng),朱子甲,韓芳菲.  汽車實(shí)用技術(shù). 2018(01)
[9]百度谷歌無人駕駛汽車發(fā)展綜述[J]. 何佳,戎輝,王文揚(yáng),田曉笛,高嵩,郭蓬.  汽車電器. 2017(12)
[10]車載雷達(dá)應(yīng)用及頻率劃分現(xiàn)狀[J]. 房驥,楊淵,劉瑞婷,彭瀟,劉曉勇.  數(shù)字通信世界. 2017(12)

博士論文
[1]基于激光雷達(dá)的移動(dòng)機(jī)器人障礙檢測和自定位[D]. 項(xiàng)志宇.浙江大學(xué) 2002

碩士論文
[1]基于機(jī)器視覺的汽車先進(jìn)駕駛輔助系統(tǒng)中行人檢測技術(shù)研究[D]. 王永宏.浙江大學(xué) 2019
[2]基于雙目視覺的車輛尺寸測量技術(shù)研究[D]. 王潛.南京郵電大學(xué) 2018
[3]基于機(jī)器視覺的前方車輛檢測與跟蹤[D]. 王寧.西南交通大學(xué) 2018
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的前車檢測與跟蹤方法研究[D]. 王威.湖南大學(xué) 2018
[5]基于機(jī)器視覺的智能移動(dòng)系統(tǒng)設(shè)計(jì)及避障導(dǎo)航算法研究[D]. 張永軍.哈爾濱工程大學(xué) 2017
[6]基于滑模控制的純電動(dòng)汽車避撞系統(tǒng)控制策略研究[D]. 劉生強(qiáng).合肥工業(yè)大學(xué) 2017
[7]基于雙目視覺的智能小車路徑規(guī)劃[D]. 趙陽.天津大學(xué) 2017
[8]基于單目視覺的智能車前方障礙物識(shí)別與測距[D]. 袁雨桐.吉林大學(xué) 2016
[9]汽車主動(dòng)避撞雷達(dá)系統(tǒng)的研究[D]. 蔣飛.武漢理工大學(xué) 2006



本文編號(hào)：3562820