發(fā)布時(shí)間：2023-05-13 13:08

　　行為規(guī)劃是無人車駕駛的關(guān)鍵技術(shù)�；谝曈X的行為規(guī)劃提供了廉價(jià)的解決方案,但是由于道路圖像分布的復(fù)雜性和圖像計(jì)算量的龐大,無人車行為規(guī)劃系統(tǒng)的設(shè)計(jì)變得困難。本文對魯棒實(shí)時(shí)的無人車行為規(guī)劃系統(tǒng)的設(shè)計(jì)問題進(jìn)行研究。針對無人車行為規(guī)劃系統(tǒng)設(shè)計(jì)中的技術(shù)難點(diǎn),提出了解決方案,使無人車能夠自主地學(xué)習(xí)行為規(guī)劃的能力,有效地解決了直接在圖像空間建模和計(jì)算復(fù)雜的困難,并能較好地對無人車進(jìn)行行為規(guī)劃和有效地預(yù)防錯(cuò)誤控制的發(fā)生。本文的主要工作如下:首先,提出了一種基于異構(gòu)深度學(xué)習(xí)的無人車行為規(guī)劃系統(tǒng),該系統(tǒng)設(shè)計(jì)了不同種類的深度學(xué)習(xí)模型,首先將道路圖像降維編碼,并將編碼空間約束為標(biāo)準(zhǔn)正態(tài)分布空間,再在編碼空間中實(shí)現(xiàn)對無人車的行為控制。無人車行為規(guī)劃系統(tǒng)包含基于擅長圖像建模的卷積神經(jīng)網(wǎng)絡(luò)的自編碼模型、基于擅長序列數(shù)據(jù)建模的循環(huán)神經(jīng)網(wǎng)絡(luò)的道路跟蹤模型,以及在編碼空間中實(shí)現(xiàn)的使用了卷積神經(jīng)網(wǎng)絡(luò)、SENet、ResNet等不同網(wǎng)絡(luò)結(jié)構(gòu)的控制模型和評估模型。其次,基于異構(gòu)深度學(xué)習(xí)無人車行為規(guī)劃系統(tǒng),提出了一種基于有限狀態(tài)機(jī)深度學(xué)習(xí)的無人車行為規(guī)劃方法。由于基于異構(gòu)深度學(xué)習(xí)的行為規(guī)劃系統(tǒng)完成的是局部路徑規(guī)劃任務(wù),給定全局路...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景
    1.2 國內(nèi)外發(fā)展與研究現(xiàn)狀
        1.2.1 深度學(xué)習(xí)發(fā)展與研究現(xiàn)狀
        1.2.2 無人駕駛車輛及其自主規(guī)劃方法國內(nèi)外研究現(xiàn)狀
    1.3 本文內(nèi)容結(jié)構(gòu)
2 無人車行為規(guī)劃研究
    2.1 引言
    2.2 基于神經(jīng)網(wǎng)絡(luò)的Q-學(xué)習(xí)算法
    2.3 DAVE-2系統(tǒng)
    2.4 數(shù)據(jù)驅(qū)動(dòng)的端到端行為規(guī)劃方法
    2.5 本章小結(jié)
3 基于異構(gòu)深度學(xué)習(xí)的無人車行為規(guī)劃
    3.1 引言
    3.2 系統(tǒng)設(shè)計(jì)
        3.2.1 自編碼模型
        3.2.2 評估模型
        3.2.3 道路跟蹤模型
        3.2.4 控制模型
    3.3 訓(xùn)練和應(yīng)用
        3.3.1 模型訓(xùn)練
        3.3.2 模型應(yīng)用
    3.4 基于異構(gòu)深度學(xué)習(xí)的無人車行為規(guī)劃實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)平臺與數(shù)據(jù)
        3.4.2 AEM編碼效果實(shí)驗(yàn)
        3.4.3 EM評估效果實(shí)驗(yàn)
        3.4.4 仿真實(shí)驗(yàn)
    3.5 本章小結(jié)
4 基于有限狀態(tài)機(jī)深度學(xué)習(xí)的無人車行為規(guī)劃
    4.1 引言
    4.2 系統(tǒng)設(shè)計(jì)
        4.2.1 控制模型
        4.2.2 有限狀態(tài)機(jī)
    4.3 訓(xùn)練和應(yīng)用
        4.3.1 模型訓(xùn)練
        4.3.2 模型應(yīng)用
    4.4 基于FSM-DL的無人車行為規(guī)劃實(shí)驗(yàn)
        4.4.1 實(shí)驗(yàn)平臺與數(shù)據(jù)
        4.4.2 EM評估效果實(shí)驗(yàn)
        4.4.3 仿真實(shí)驗(yàn)
    4.5 本章小結(jié)
5 基于協(xié)同深度學(xué)習(xí)的無人車行為規(guī)劃
    5.1 引言
    5.2 系統(tǒng)設(shè)計(jì)
        5.2.1 基于生成對抗網(wǎng)絡(luò)與協(xié)同訓(xùn)練的半監(jiān)督回歸方法
        5.2.2 基于協(xié)同深度學(xué)習(xí)的無人車行為規(guī)劃
    5.3 訓(xùn)練和應(yīng)用
        5.3.1 模型訓(xùn)練
        5.3.2 模型應(yīng)用
    5.4 基于CO-DL的無人車行為規(guī)劃實(shí)驗(yàn)
        5.4.1 實(shí)驗(yàn)平臺與數(shù)據(jù)
        5.4.2 評估模型評估效果實(shí)驗(yàn)
        5.4.3 仿真實(shí)驗(yàn)
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來工作展望
致謝
參考文獻(xiàn)
附錄



本文編號：3815880