在傳統(tǒng)邏輯業(yè)務已不能滿足企業(yè)需求時,人們試圖去尋找更多復雜、適應性強、跨度大的算法來解決生產(chǎn)生活的需求。在21世紀人工智能發(fā)展的浪潮下,機器學習,特別是深度學習,在無人駕駛領域的應用廣泛,涉及到計算機視覺、通信、協(xié)同、控制等�，F(xiàn)階段的無人車算法需要更高的硬件配置,研發(fā)成本高,并且在研究過程中存在很大的安全隱患。為此,本文簡化研究模型,重在研究關鍵技術,從多個角度切入,結合導航算法、高精度的避障算法、靈活的控制算法,實現(xiàn)一套基于視覺的巡航與自適應控制系統(tǒng)。主要工作如下:(1)出一種新的building-climbing視覺導航(BCVN)框架,其中在building過程中找到置信度高的基礎邊,climbing過程抵抗環(huán)境干擾,沿著基礎邊沿拓展新的平滑邊沿,從而獲得導航線。除此之外,設計了偏差及曲率的計算方法,偏差被用來控制車輪轉(zhuǎn)向,曲率被用來調(diào)節(jié)速度。對于道路上的不規(guī)則障礙物,設計了CNN卷積網(wǎng)絡與SVM相結合的方法來實現(xiàn)有效的避障。(2)對于轉(zhuǎn)向控制方面,在傳統(tǒng)PD算法上進行改良,通過引入分段P以及模糊微分D,在彎道轉(zhuǎn)向時實現(xiàn)前預判。這保證了車頭在彎道處具有較小的切入角,實現(xiàn)最短路徑的...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文的主要內(nèi)容及章節(jié)安排
第二章 系統(tǒng)整體框架設計
    2.1 系統(tǒng)需求分析
    2.2 系統(tǒng)整體結構
        2.2.1 視覺導航框架分析
        2.2.2 方向和速度控制算法分析
        2.2.3 硬件組裝分析
    2.3 本章小結
第三章 視覺導航算法設計
    3.1 基于最小二乘法的邊沿搜索算法
        3.1.1 二分法搜索
        3.1.2 邊緣檢測和拐點檢測
        3.1.3 BCVN過程
    3.2 偏差和曲率計算方法
        3.2.1 偏差計算
        3.2.2 曲率計算
        3.2.3 BCVN與其他視覺導航框架的比較
    3.3 障礙物檢測與規(guī)避算法
        3.3.1 CNN網(wǎng)絡模型
        3.3.2 SVM算法分析
        3.3.3 障礙物檢測算法
        3.3.4 障礙物規(guī)避算法
    3.4 本章小結
第四章 自適應控制算法設計
    4.1 轉(zhuǎn)向PD控制算法
        4.1.1 PID控制簡介
        4.1.2 方向P改進
        4.1.3 模糊微分D
        4.1.4 方向控制測試
    4.2 速度PI控制算法
        4.2.1 調(diào)速算法及優(yōu)化策略
        4.2.2 加減速控制測試
    4.3 本章小結
第五章 系統(tǒng)硬件與軟件設計
    5.1 車輛硬件設計
        5.1.1 主板電路設計
        5.1.2 驅(qū)動板電路設計
        5.1.3 主板和驅(qū)動板PCB設計
    5.2 圖像處理軟件設計
        5.2.1 道路圖像信息獲取模塊
        5.2.2 道路圖像信息保存
        5.2.3 道路圖像信息處理模塊
        5.2.4 道路圖像信息處理展示
    5.3 嵌入式平臺軟件設計
    5.4 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
作者簡介



本文編號：3846304