駕駛員變道或超車是一個須兼顧車輛縱向和橫向運動的復雜過程,駕駛員極易對變道或超車的安全性做出誤判,為交通事故埋下隱患。先進駕駛輔助系統(tǒng)作為一種汽車主動安全技術,可以讓駕駛員在極短的時間內獲得潛在危險警示,進而保證行車安全。針對高速環(huán)境下駕駛員變道引起的交通問題和變道預警領域發(fā)展情況,本文進行了高速駕駛環(huán)境下駕駛員變道深度預警系統(tǒng)研究,主要研究內容如下:(1)預測高速駕駛環(huán)境下危險駕駛的碰撞時間�；跀z像機成像原理,采用張正友標定算法對攝像機進行標定,求解出攝像機內、外部參數(shù),建立了側后方車輛位置和速度檢測模型,進而預測碰撞時間。(2)檢測側后方潛在危險車輛�；谏疃阮A警網(wǎng)絡對高速環(huán)境下的車輛進行檢測,并制作了網(wǎng)絡訓練所需要的數(shù)據(jù)集,使用Keras深度學習框架來訓練和測試該網(wǎng)絡,通過傍晚、夜晚及白天實拍視頻對深度預警網(wǎng)絡的準確性和時效性進行了測試。(3)估計變道最小安全距離。針對高速駕駛環(huán)境下判斷性變換車道復雜的行為特性,建立了橢圓車輛幾何碰撞模型,基于該模型分別建立了目標車道后車、目標車道前車及原始車道前車影響本車變道安全的預警模型,并在MATLAB中分別對建立的模型進行了仿真。(4)...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
    1.3 研究內容及技術路線
        1.3.1 研究內容
        1.3.2 技術路線
2 變道深度預警理論基礎
    2.1 深度學習理論基礎
        2.1.1 深度學習概述
        2.1.2 CNN模型構成
        2.1.3 神經(jīng)網(wǎng)絡反向傳播算法
    2.2 成像理論基礎
        2.2.1 坐標轉換理論基礎
        2.2.2 攝像機標定算法
    2.3 變道估測模型建立
        2.3.1 相對位置測距模型建立
        2.3.2 相對位置測速模型建立
        2.3.3 變道安全評價指標建立
    2.4 本章小結
3 深度預警網(wǎng)絡對車輛檢測
    3.1 建立深度預警網(wǎng)絡模型
        3.1.1 深度預警特征提取網(wǎng)絡
        3.1.2 邊界框預測
        3.1.3 分類預測
        3.1.4 跨尺度預測
    3.2 制作圖像數(shù)據(jù)集
    3.3 算法流程設計
    3.4 高速環(huán)境車輛檢測實驗結果分析
        3.4.1 網(wǎng)絡檢測效果評價
        3.4.2 網(wǎng)絡訓練及結果分析
    3.5 本章小結
4 高速駕駛環(huán)境下駕駛員變道模型
    4.1 變道行為特性分析
        4.1.1 變道行為產生
        4.1.2 變道過程描述
    4.2 車輛變道情形分析
    4.3 橢圓車輛幾何碰撞模型建立
    4.4 變道安全預警模型建立
        4.4.1 基于目標車道后車的安全距離模型
        4.4.2 基于目標車道前車的安全距離模型
        4.4.3 基于原始車道前車的安全距離模型
    4.5 變道安全預警模型仿真
        4.5.1 基于目標車道后車的安全距離模型仿真
        4.5.2 基于目標車道前車的安全距離模型仿真
        4.5.3 基于原始車道前車的安全距離模型仿真
    4.6 本章小結
5 變道深度預警系統(tǒng)搭建及實驗
    5.1 變道深度預警系統(tǒng)需求分析
    5.2 系統(tǒng)平臺設計
        5.2.1 變道深度預警系統(tǒng)硬件
        5.2.2 變道深度預警系統(tǒng)軟件
    5.3 實驗結果及分析
        5.3.1 測距實驗及結果分析
        5.3.2 測速實驗及結果分析
        5.3.3 變道意圖實驗及結果分析
        5.3.4 變道預警實驗及結果分析
    5.4 本章小結
6 結論與展望
    6.1 結論
    6.2 展望
致謝
參考文獻
附錄



本文編號：3863254