隨著5G通信技術和智能網聯汽車技術的發(fā)展,基于云端的自動駕駛環(huán)境感知系統不僅可以提升駕駛環(huán)境感知范圍,而且可以節(jié)省車載端的算力。論文圍繞云端實現自動駕駛環(huán)境感知的關鍵技術展開研究,其研究具有重要的理論意義和工程應用價值。論文主要研究工作如下:分析了傳統車載環(huán)境感知系統的特點與局限,研究了基于云計算的自動駕駛環(huán)境感知系統整體框架,分析了該框架的云-端協同特點與優(yōu)勢,并進一步梳理了該框架下各平臺的關鍵實現技術。設計了車牌檢測與車牌識別統一框架,提出了一種改進SSD（Single Shot MultiBox Detector）神經網絡模型的車牌檢測識別融合算法。采用開源車牌數據集CCPD進行了模型的訓練與測試,分析并驗證了算法的準確性、魯棒性和運行性能,并基于該算法在云端構建了駕駛環(huán)境感知靜態(tài)場景,擴展了自動駕駛感知范圍。提出了基于卷積Social Pooling的安全行駛路線感知算法。該算法基于周圍車輛的歷史軌跡感知本車安全行駛路線,并在此算法基礎上提出了融合周圍車輛行駛意圖信息的改進算法。通過在開源NGSIM數據集上對算法進行的訓練與測試,研究了周圍車輛對安全行駛路線感知的影響,并研究了... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：89 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
        1.2.1 環(huán)境感知關鍵技術
        1.2.2 云計算自動駕駛系統
    1.3 研究內容及章節(jié)安排
第二章 基于云計算的自動駕駛環(huán)境感知系統設計
    2.1 車載環(huán)境感知系統特點
    2.2 基于云計算的環(huán)境感知系統設計
    2.3 本章小結
第三章 基于云端的車牌識別技術及靜態(tài)駕駛場景構建
    3.1 車牌檢測識別難點
    3.2 自動駕駛車牌檢測識別框架
    3.3 國內車牌分析
    3.4 網絡模型設計
        3.4.1 圖像處理結構
        3.4.2 預設框生成結構
        3.4.3 非極大值抑制
    3.5 模型訓練
        3.5.1 匹配策略
        3.5.2 數據集
        3.5.3 目標函數
    3.6 實驗設計與分析
        3.6.1 準確性分析
        3.6.2 魯棒性分析
        3.6.3 性能分析
    3.7 云端靜態(tài)駕駛場景構建
    3.8 本章小結
第四章 基于安全行駛路線預測的云端動態(tài)駕駛場景感知
    4.1 動態(tài)駕駛場景感知難點
    4.2 安全行駛路線感知研究方法
        4.2.1 行駛場景建模
        4.2.2 模型輸入輸出
    4.3 網絡模型設計
        4.3.1 軌跡編碼模塊
        4.3.2 卷積Social Pooling模塊
        4.3.3 解碼感知模塊
    4.4 基于云數據平臺的改進方案
    4.5 模型訓練
        4.5.1 數據集
        4.5.2 損失函數
        4.5.3 實現細節(jié)
    4.6 實驗設計與分析
        4.6.1 周圍車輛行駛軌跡貢獻分析
        4.6.2 卷積Social Pooling分析
        4.6.3 周圍車輛行駛意圖貢獻分析
    4.7 云端動態(tài)駕駛場景感知
    4.8 本章小結
第五章 分布式深度學習框架研究
    5.1 大規(guī)模深度學習難點
    5.2 分布式深度學習框架
    5.3 數據與模型并行研究
        5.3.1 模型并行
        5.3.2 數據并行
    5.4 分布式深度學習通信機制研究
        5.4.1 通信內容
        5.4.2 通信框架
        5.4.3 通信步調
    5.5 數據與模型聚合研究
    5.6 分布式深度學習實驗
    5.7 本章小結
第六章 基于云計算的自動駕駛環(huán)境感知仿真
    6.1 自動駕駛環(huán)境感知場景
    6.2 自動駕駛環(huán)境感知流程
    6.3 本章小結
第七章 總結與展望
    7.1 研究總結
    7.2 研究展望
致謝
參考文獻
攻讀碩士期間科研成果


【參考文獻】：
期刊論文
[1]邊緣計算:現狀與展望[J]. 施巍松,張星洲,王一帆,張慶陽.  計算機研究與發(fā)展. 2019(01)
[2]智能網聯汽車環(huán)境感知技術的發(fā)展和研究現狀[J]. 謝志萍,雷莉萍.  成都工業(yè)學院學報. 2016(04)

博士論文
[1]基于多源信息融合的智能汽車環(huán)境感知技術研究[D]. 孫寧.江蘇大學 2018



本文編號：3512049