近年來,各國對無人駕駛的研究異�；馃�,國內外智能駕駛研究主要著力于智能駕駛系統(tǒng)各模塊之間的調通與算法調優(yōu)以及最后的實車落地,對無人駕駛系統(tǒng)中智能算法及其安全性的研究與測試仍未得到廣泛的關注,故對無人駕駛系統(tǒng)中智能算法及其安全性研究具有十分主要的意義。本文首先提出了無人駕駛智能算法及其安全體系結構,歸納出無人駕駛系統(tǒng)各層存在的安全性問題。針對無人駕駛安全體系結構規(guī)劃與決策層中基于人工勢場法的局部路徑規(guī)劃算法存在的容易陷入局部極小值點的問題,提出了基于人工勢場法與差分進化法的局部路徑規(guī)劃算法;針對基于深度學習卷積神經網絡的車道線檢測算法在車道線缺失,惡劣天氣條件下車道線識別率低的問題,本文提出了一種基于高精地圖與多傳感器融合的車道線檢測算法。本文主要研究工作包含三部分,如下所所述:（1）提出無人駕駛智能算法及其安全體系結構。該體系結構按照功能可以劃分為應用層安全、網絡層安全、規(guī)劃與決策層安全、感知層安全,本文提出智能無人駕駛系統(tǒng)應用層安全問題包括高精地圖在低定位精度下無法匹配地形;網絡層安全問題包括車輛網中數字簽名偽造以及數據認證失敗的問題;規(guī)劃與決策層安全問題包括局部路徑規(guī)劃算法、行人檢... 

【文章來源】：南京郵電大學江蘇省

【文章頁數】：75 頁

【學位級別】：碩士

【部分圖文】：

谷歌無人駕駛測試車

京郵電大學專業(yè)學位碩士研究生學位論文 第一章 緒[8]，百度近幾年來從傳統(tǒng)的搜索引擎公司轉型無人駕駛公司，由于人工智能算法是智汽車的核心，而在算法的研究上，百度依托數十年來在人工智能領域的經驗，在深度法上占據巨大優(yōu)勢，其為 Apollo 2.5量身打造的端對端深層神經網絡[9]，達到了萬億參模，深厚的技術積累為百度打造無人駕駛及智能汽車體系提供了巨大的基礎，如圖 1.。同時，百度在高精地圖領域也是國內為數不多的先行者與佼佼者，百度地圖憑借這默默耕耘，已經采集到了覆蓋我國全部國道、省道、鄉(xiāng)道以及全部城市、鄉(xiāng)鎮(zhèn)不同路百萬公里的高精地圖數據，這些基礎信息的采集與建立都是未來無人駕駛產業(yè)能真正展的重要基石。

圖 2.2 英偉達端對端深度學習方案習系統(tǒng)的數據采集和訓練過程如下：習系統(tǒng)需要的元數據包括三類，一類是所有車載傳感器例如的周圍環(huán)境數據，一類是地圖數據以及云端平臺輔助行駛的員駕駛車輛時的操作記錄，包括方向盤的偏轉角度，車輛加減的前兩類數據傳感器感知到的周圍環(huán)境數據以及地圖及云端卷積網絡中計算出方向控制命令。預測的方向控制命令與理 CNN 模型的權值使得預測值盡可能接近理想值。系統(tǒng)應用層


本文編號：3326817