【摘要】：無人駕駛車輛是計(jì)算機(jī)科學(xué)、模式識別以及智能控制技術(shù)發(fā)展的產(chǎn)物,在城市交通、安保以及軍事巡邏等方面具有廣闊的應(yīng)用前景。為了緩解城市交通壓力,減少城市交通事故,用于城市交通和安保領(lǐng)域的無人駕駛車輛是目前的研究熱點(diǎn)。城市交通領(lǐng)域和安保領(lǐng)域中的無人駕駛車輛,應(yīng)具有獨(dú)立自主執(zhí)行任務(wù)的能力,因此,無人駕駛車輛在城市道路環(huán)境下的獨(dú)立自主導(dǎo)航是自主導(dǎo)航技術(shù)的重要發(fā)展方向。無人駕駛車輛的自主導(dǎo)航的本質(zhì)是指在沒有人為干預(yù)的情況下車輛自主安全到達(dá)指定目的地,其主要涉及的研究方向包括環(huán)境感知、路徑規(guī)劃、決策控制和定位導(dǎo)航等,其中環(huán)境感知和路徑規(guī)劃是最基本、最關(guān)鍵的問題,因此本文重點(diǎn)對這兩個(gè)方向開展研究。環(huán)境感知是指無人駕駛車輛利用多種探測設(shè)備(如相機(jī)、激光、雷達(dá)等),感知車輛外部的環(huán)境。環(huán)境感知中以相機(jī)等視覺傳感器探測實(shí)現(xiàn)自主導(dǎo)航的無人駕駛車輛稱為基于視覺導(dǎo)航的無人駕駛車輛。相比基于激光雷達(dá)等探測設(shè)備,視覺感知設(shè)備不僅價(jià)格低廉,且還具有為無人駕駛車輛提供豐富的外部環(huán)境信息的能力,有利于無人駕駛車輛感知外部環(huán)境,因此基于視覺導(dǎo)航的無人駕駛車輛是目前的研究熱點(diǎn)。應(yīng)用于城市環(huán)境下的無人駕駛車輛,基于視覺的環(huán)境感知的主要任務(wù)是檢測和識別出周圍的城市道路環(huán)境,包括車道線檢測識別,路面標(biāo)志檢測識別和道路障礙檢測。由于城市道路復(fù)雜的交通環(huán)境和不可控的自然環(huán)境的影響,導(dǎo)致檢測識別算法在檢測識別目標(biāo)時(shí),出現(xiàn)目標(biāo)檢測識別率不高,算法實(shí)時(shí)性差等問題。路徑規(guī)劃是指無人駕駛車輛根據(jù)環(huán)境感知得到的信息,規(guī)劃出一條從任務(wù)起點(diǎn)運(yùn)行到終點(diǎn)的合理路線。目前路徑規(guī)劃算法存在搜索精度低、特定情況下的搜索停滯等問題,導(dǎo)致路徑規(guī)劃精度低和實(shí)時(shí)性差。針對上述問題,本文以視覺導(dǎo)航為主線,在現(xiàn)有研究的基礎(chǔ)上,對車道線檢測算法、路面標(biāo)志檢測識別算法和道路障礙車輛檢測算法以及路徑規(guī)劃算法開展研究,為無人駕駛車輛的自主導(dǎo)航提供有效的解決途徑。論文的主要工作及創(chuàng)新之處包括:(1)車道線檢測。詳細(xì)分析了基于模型的車道線檢測算法,包括直線模型、拋物線模型和三次曲線模型。針對目前算法的不足,提出了上凸曲線模型的車道線檢測算法,算法首先使用上凸曲線模型對左右車道線進(jìn)行檢測,然后采用最小二乘法對檢測結(jié)果進(jìn)行擬合重構(gòu),實(shí)現(xiàn)高精度車道線檢測,改善了目前算法應(yīng)用范圍窄,檢測能力不足,魯棒性差的問題。(2)箭頭標(biāo)志檢測識別。主要研究了基于生物視覺感知模型和基于判別型表觀模型的路面箭頭標(biāo)志檢測識別算法,通過分析兩種模型的優(yōu)缺點(diǎn),提出了兩種模型相結(jié)合的結(jié)合模型。該方法通過利用兩種模型各自的優(yōu)勢,互相彌補(bǔ)不足。所提算法提高了復(fù)雜環(huán)境下箭頭標(biāo)志的檢測識別的速度和準(zhǔn)確率。(3)車輛檢測。主要對基于可變形部件模型(Deformable Part Model,DPM)的車輛檢測算法進(jìn)行了分析總結(jié),針對經(jīng)典的DPM檢測算法存在小目標(biāo)車輛漏檢問題,本文用尺度可變的金字塔模型去代替經(jīng)典的DPM算法中固定尺度的金字塔模型,提出了基于自適應(yīng)金字塔模型改進(jìn)的DPM車輛檢測算法。為了提高自適應(yīng)金字塔模型的建造速度,使用快速金字塔估算理論進(jìn)行自適應(yīng)金字塔的建造。改進(jìn)算法降低了小目標(biāo)車輛的漏檢率,提高道路車輛的檢測能力。(4)路徑規(guī)劃。為了解決復(fù)雜道路環(huán)境下,無人駕駛車輛路徑規(guī)劃精度低的問題,重點(diǎn)對基于群體智能算法的路徑規(guī)劃,包括雞群、蟻群、粒子群等智能算法進(jìn)行了分析研究。并提出了一種改進(jìn)的粒子群算法,通過對經(jīng)典的粒子群算法的參數(shù)進(jìn)行改進(jìn),同時(shí)增加了多種更新策略,改善了目前粒子群算法搜索精度低、搜索停滯等缺點(diǎn),提高了無人駕駛車輛路徑規(guī)劃的精度。
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2019
【分類號】：U463.6
【圖文】：

圖 1.1 城市道路環(huán)境感知Figure 1.1 Urban road environment perception1.4.1 車道線檢測算法研究現(xiàn)狀車道線是城市道路交通環(huán)境中重要的標(biāo)志，通過車道線將道路劃分成不同的

圖 1.2(a) 路旁交通標(biāo)志 圖 1.2(b) 路面交通標(biāo)志圖 1.2 道路交通標(biāo)志Figure 1.2 Road traffic signs路面箭頭標(biāo)志是一種印刷在道路表面的交通指向標(biāo)志，包括直行、直行左轉(zhuǎn)、直行右轉(zhuǎn)、左轉(zhuǎn)、右轉(zhuǎn)等，也是城市道路上重要的交通標(biāo)志，通過路面箭頭標(biāo)志

可視圖法Figure1.4Visibilitygraph

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 劉永蘭;李為民;吳虎勝;宋文靜;;基于狼群算法的無人機(jī)航跡規(guī)劃[J];系統(tǒng)仿真學(xué)報(bào);2015年08期

2 敖永才;師奕兵;張偉;李焱駿;;自適應(yīng)慣性權(quán)重的改進(jìn)粒子群算法[J];電子科技大學(xué)學(xué)報(bào);2014年06期

3 王全;;一種改進(jìn)Hough變換的車道線檢測算法[J];計(jì)算機(jī)與數(shù)字工程;2014年11期

4 魏新國;徐佳;張廣軍;;星敏感器質(zhì)心定位的S曲線誤差補(bǔ)償[J];光學(xué)精密工程;2013年04期

5 姜建國;田e

本文編號：2771983