智能駕駛車輛通過模擬真實駕駛員對行駛路況的洞察能力,利用環(huán)境感知系統(tǒng)及信息融合技術(shù)(以下簡稱“環(huán)感技術(shù)”)實現(xiàn)了對周圍環(huán)境的語義級理解,同時為擬人化的車輛行為決策過程提供了更為全面的信息支持。本文依托于國家科技部項目“電動自動駕駛汽車關(guān)鍵技術(shù)研究與示范運行”子課題“復(fù)雜道路環(huán)境協(xié)同感知與目標跟蹤技術(shù)”,針對智能車環(huán)感技術(shù)中的核心問題,提出了智能車可行駛區(qū)域建模的概念,其中通過結(jié)合先驗知識與車載傳感器獲取的行駛狀態(tài)信息,建立了當前車輛周圍環(huán)境的緊湊表達模型,加深了智能車對所處環(huán)境的理解力,同時增強了智能車行駛的安全性。本文的主要內(nèi)容如下:(1)道路車輛的預(yù)測與行為識別算法研究為了預(yù)測并識別道路環(huán)境中其他車輛的行駛意圖,首先,本文利用無損卡爾曼濾波和車輛二次運動模型,進行車輛運動狀態(tài)的跟蹤與預(yù)測;進而,在隱馬爾可夫模型的基礎(chǔ)上建立了車輛的行為識別模型,實現(xiàn)了對車輛未來行為意圖的預(yù)測與概率估計;最終,利用NGSIM(Next Generation Simulation,“下一代仿真”)交通數(shù)據(jù)集進行了模型的離線訓練與功能測試。(2)動態(tài)概率駕駛地圖的生成與更新算法為了使智能車的可行駛區(qū)域可視...

【文章頁數(shù)】：105 頁

【學位級別】：碩士

【部分圖文】：

圖1.1道路環(huán)境車輛信息讀取等級

圖1.1道路環(huán)境車輛信息讀取等級及駕駛輔助概述車輔助決策類型級別如圖1.2所示，駛輔助和自動駕駛系統(tǒng)進行了融合另一端是完全的自動駕駛，這仍然于圖1.2中預(yù)測駕駛輔助的范疇，借的緊湊表達，并對車輛的行駛狀態(tài)進

圖1.2智能車輔助決策類型級別

圖1.1道路環(huán)境車輛信息讀取等級可行駛區(qū)域建模及駕駛輔助概述前國際通用的智能車輔助決策類型級別如圖1.2所示，其中一端是完全手動協(xié)同駕駛對預(yù)測駕駛輔助和自動駕駛系統(tǒng)進行了融合，允許駕駛員和車輛縫銜接，在圖譜的另一端是完全的自動駕駛，這仍然是一個活躍的研究領(lǐng)研究的主要內(nèi)容屬....

圖1.3動態(tài)概率駕駛地示意圖

定推理的方法，具有直接表達不確定和不知道的能力。利用這種方法，單元的占用情況由置信質(zhì)量進行表示，而不再是概率的形式，置信質(zhì)量通常是歷史和當前觀測數(shù)據(jù)的加權(quán)和。T.-N.Nguyen[23]使用加權(quán)質(zhì)量方法進行占用網(wǎng)格計算。J.Moras[24]通過融合激光雷達和地理參....

圖1.4可行駛區(qū)域的生成方法及步驟綜上所述，國內(nèi)外研究機構(gòu)及高校先后提出了多種車輛可行駛區(qū)域建模的方法

圖1.4可行駛區(qū)域的生成方法及步驟，國內(nèi)外研究機構(gòu)及高校先后提出了多種車輛可行駛區(qū)域建城市智能輔助項目聯(lián)合加州大學所提出的動態(tài)概率駕駛地圖[出了基于道路車輛行為預(yù)測與行為識別算法實現(xiàn)動態(tài)駕駛地。本文使用環(huán)境的可行駛區(qū)域模型來進行頂層的推理和決策填充可行駛區(qū)域模型，而是使用可行....

本文編號：3997589