智能網(wǎng)聯(lián)汽車是當(dāng)今前沿科學(xué)技術(shù)的重要發(fā)展方向,它對(duì)于智能交通、現(xiàn)代物流等方面都具有重大的影響。環(huán)境感知系統(tǒng)是智能網(wǎng)聯(lián)汽車安全性和智能性的基礎(chǔ)與保障。采用雷達(dá)與攝像頭融合的環(huán)境感知系統(tǒng)可以很好地對(duì)前方車輛進(jìn)行檢測(cè),并得到位置、距離、速度等信息。通過(guò)這些信息分析其與本車發(fā)生潛在碰撞的可能性及危險(xiǎn)程度,并劃分出不同的風(fēng)險(xiǎn)等級(jí),該風(fēng)險(xiǎn)等級(jí)可作為智能決策系統(tǒng)的輸入,從而制定更加安全有效的駕駛決策。因此,本文主要的研究?jī)?nèi)容如下:（1）多雷達(dá)數(shù)據(jù)融合本文針對(duì)多雷達(dá)數(shù)據(jù)存在的互補(bǔ)性與冗余性,提出了一種多雷達(dá)數(shù)據(jù)融合的方法。針對(duì)多雷達(dá)數(shù)據(jù)的互補(bǔ)性提出了菱形柵格地圖,相比于其他形狀的柵格地圖,菱形柵格地圖更加接近于本文多雷達(dá)探測(cè)的區(qū)域。針對(duì)多雷達(dá)數(shù)據(jù)的冗余性,提出了基于動(dòng)態(tài)參數(shù)貝葉斯的多雷達(dá)數(shù)據(jù)融合方法,通過(guò)本文方法可有效降低雷達(dá)的漏檢率與虛警率。（2）基于雷達(dá)與攝像頭融合的車輛檢測(cè)通過(guò)多雷達(dá)數(shù)據(jù)融合,得到前方車輛的位置信息,將前方車輛的位置信息通過(guò)雷達(dá)與攝像頭的聯(lián)合標(biāo)定關(guān)系式投影到攝像頭采集到的圖像上得到感興趣區(qū)域,在此區(qū)域上進(jìn)行進(jìn)行基于Alex net的車輛檢測(cè),本文所使用的多傳感器融合+Alex n... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多傳感器融合研究框圖

第1章緒論9境的自然駕駛數(shù)據(jù)共超50小時(shí)，行駛路程近1800km，數(shù)據(jù)包括車輛行駛狀態(tài)、潛在碰撞的前方車輛信息及駕駛員所采取的制動(dòng)行等。在此基礎(chǔ)上，通過(guò)對(duì)駕駛員制動(dòng)過(guò)程的特征進(jìn)行模糊c均值聚類來(lái)量化風(fēng)險(xiǎn)等級(jí)，并將此量化的風(fēng)險(xiǎn)等級(jí)作為的前方車輛風(fēng)險(xiǎn)等級(jí)標(biāo)簽集，接下來(lái)使用隨機(jī)森林的方法對(duì)前方目標(biāo)車輛進(jìn)行風(fēng)險(xiǎn)等級(jí)評(píng)估。結(jié)果表明，本文所提出的算法將風(fēng)險(xiǎn)等級(jí)劃分為五級(jí)，并可以對(duì)前方目標(biāo)車輛進(jìn)行風(fēng)險(xiǎn)等級(jí)進(jìn)行準(zhǔn)確評(píng)估。圖1-1多傳感器融合研究框圖圖1-2風(fēng)險(xiǎn)等級(jí)評(píng)估研究框圖第五章為總結(jié)與展望。對(duì)全文已完成工作進(jìn)行總結(jié)，并展望今后需要進(jìn)一步開(kāi)展的工作。1.5本章小結(jié)本章首先簡(jiǎn)要介紹了本文課題的出發(fā)點(diǎn)，論證了智能網(wǎng)聯(lián)汽車多傳感器融合及風(fēng)險(xiǎn)等級(jí)評(píng)估的當(dāng)前研究背景與研究意義，然后著重介紹了國(guó)內(nèi)外該領(lǐng)域的研究現(xiàn)狀，最后簡(jiǎn)要介紹了本文主要的工作內(nèi)容。

第2章數(shù)據(jù)采集實(shí)驗(yàn)平臺(tái)搭建10第2章數(shù)據(jù)采集實(shí)驗(yàn)平臺(tái)搭建2.1實(shí)驗(yàn)車平臺(tái)及車載傳感器介紹2.1.1實(shí)驗(yàn)車平臺(tái)本文所使用的實(shí)驗(yàn)車平臺(tái)為北汽EU260新能源汽車（如圖2-1所示）,車輛相關(guān)參數(shù)如表2-1所示。圖2-1基于北汽EU260新能源汽車平臺(tái)的實(shí)驗(yàn)車表2-1車輛相關(guān)參數(shù)參數(shù)名稱數(shù)值單位車型尺寸4582*1794*1515（1*w*h）mm整備質(zhì)量1295Kg軸距2650mm電機(jī)類型永磁同步/電驅(qū)動(dòng)系統(tǒng)功率50-100Kw扭矩145-260Nm電池類型三元鋰電池/電池電量41.4Kwh續(xù)航≥260Km2.1.2德?tīng)柛Ｕ駿SR毫米波雷達(dá)德?tīng)柛Ｕ駿SR毫米波雷達(dá)（如圖2-2所示）為高頻電子掃描雷達(dá)，發(fā)射波段為76至77GHz且支持最多64個(gè)目標(biāo)物的探測(cè)，同時(shí)具有中距離和遠(yuǎn)距離掃描能力如圖2-3所示，其具體性能參數(shù)如表2-2所示。

【參考文獻(xiàn)】：
期刊論文
[1]無(wú)人駕駛汽車及其發(fā)展[J]. 宋飛揚(yáng).  中國(guó)高新科技. 2019(05)
[2]基于百度Apollo2.0的無(wú)人駕駛策略分析[J]. 張婷.  現(xiàn)代經(jīng)濟(jì)信息. 2019(02)
[3]2018中國(guó)智能車大會(huì)暨國(guó)家智能車發(fā)展論壇在江蘇常熟隆重開(kāi)幕[J].   模式識(shí)別與人工智能. 2018(12)
[4]A Situation-Aware Collision Avoidance Strategy for Car-Following[J]. Li Li,Xinyu Peng,Fei-Yue Wang,Dongpu Cao,Lingxi Li.  IEEE/CAA Journal of Automatica Sinica. 2018(05)
[5]自動(dòng)駕駛車輛交通事故損害賠償責(zé)任探析[J]. 陶盈.  湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2018(03)
[6]自動(dòng)駕駛引發(fā)致死事故 系統(tǒng)未識(shí)別前車導(dǎo)致相撞[J].   汽車與安全. 2018(03)
[7]駕駛員對(duì)汽車防撞安全距離檢測(cè)仿真研究[J]. 唐陽(yáng)山,夏道華.  計(jì)算機(jī)仿真. 2016(07)
[8]基于車路一體化的交叉口車輛駕駛輔助系統(tǒng)[J]. 王建強(qiáng),王海鵬,劉佳熙,李克強(qiáng).  中國(guó)公路學(xué)報(bào). 2013(04)
[9]基于人工勢(shì)能場(chǎng)的跟馳模型[J]. 陶鵬飛,金盛,王殿海.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(04)
[10]Processing for laser radar range images[J]. 李自勤,李琦,田兆碩,王永珍,孫劍峰,杜偉,王騏.  Chinese Optics Letters. 2004(04)

碩士論文
[1]考慮人—車—路因素的行車風(fēng)險(xiǎn)評(píng)價(jià)方法研究[D]. 吳劍.清華大學(xué) 2015
[2]智能汽車前方碰撞預(yù)警系統(tǒng)的研究[D]. 付學(xué)強(qiáng).安徽理工大學(xué) 2015
[3]汽車三維安全防撞預(yù)警系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)[D]. 閆新星.太原理工大學(xué) 2011



本文編號(hào)：3480751