發(fā)布時(shí)間：2021-04-13 19:34

　　近年來(lái),隨著人工智能技術(shù)的快速發(fā)展,智能車(chē)領(lǐng)域的研究也得到了廣泛的關(guān)注。在智能車(chē)領(lǐng)域的研究中,不僅有硬件系統(tǒng)前沿技術(shù)的發(fā)展,而且車(chē)輛智能駕駛軟件系統(tǒng)上的技術(shù)突破也起到至關(guān)重要的作用。整個(gè)智能駕駛軟件系統(tǒng)包括環(huán)境感知、決策規(guī)劃及控制等模塊。在決策規(guī)劃模塊中,實(shí)現(xiàn)智能車(chē)的動(dòng)態(tài)避障功能極其重要,在人-路-車(chē)的智能交通系統(tǒng)中,要實(shí)現(xiàn)智能車(chē)的安全行駛,必須保證智能車(chē)能實(shí)時(shí)的避開(kāi)動(dòng)態(tài)或靜態(tài)的障礙物,然而目前為止智能車(chē)輛動(dòng)態(tài)避障系統(tǒng)主要采用的是基于規(guī)則和傳統(tǒng)的規(guī)劃決策方法,在檢測(cè)到障礙物的基礎(chǔ)上,設(shè)定規(guī)則和實(shí)現(xiàn)規(guī)劃算法讓智能車(chē)輛避開(kāi)障礙物,然而設(shè)計(jì)規(guī)則過(guò)程中很難滿足所有的限制條件同時(shí)缺乏適應(yīng)能力。另外,智能車(chē)所在不同的道路駕駛環(huán)境復(fù)雜多變,除智能車(chē)外的其他車(chē)輛及行人等交通參與者的行為也存在較大的多變性,因此本文以智能車(chē)輛行人動(dòng)態(tài)避讓為重點(diǎn)研究,開(kāi)展了行人軌跡預(yù)測(cè)的深度學(xué)習(xí)（Deep Learning,DL）方法研究和智能車(chē)輛動(dòng)態(tài)避障的深度增強(qiáng)學(xué)習(xí)（Deep Reinforcement Learning,DRL）方法研究。人類(lèi)駕駛員在積累豐富經(jīng)驗(yàn)后,能在感知、預(yù)測(cè)等方面做出合理的決策判斷,但是人類(lèi)會(huì)受... 

【文章來(lái)源】：國(guó)防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【圖文】：

論文的整體結(jié)構(gòu)

國(guó)防科技大學(xué)研究生院碩士學(xué)位論文圖3.6車(chē)輛模型的組成部分車(chē)輛底盤(pán)(Chassis)檔位變化邏輯(ShiftLogic)手動(dòng)擋與自動(dòng)擋的選擇(AutomaticandManualShift)該模型采用的是簡(jiǎn)單的自行車(chē)模型[115]。下面將詳細(xì)介紹下該車(chē)輛模型，如圖3.7所示，模型的運(yùn)動(dòng)學(xué)非線性連續(xù)時(shí)間方程如下：圖3.7車(chē)輛的自行車(chē)模型˙x=vcos(β+ψ),(3.8)第38頁(yè)

國(guó)防科技大學(xué)研究生院碩士學(xué)位論文圖3.6車(chē)輛模型的組成部分車(chē)輛底盤(pán)(Chassis)檔位變化邏輯(ShiftLogic)手動(dòng)擋與自動(dòng)擋的選擇(AutomaticandManualShift)該模型采用的是簡(jiǎn)單的自行車(chē)模型[115]。下面將詳細(xì)介紹下該車(chē)輛模型，如圖3.7所示，模型的運(yùn)動(dòng)學(xué)非線性連續(xù)時(shí)間方程如下：圖3.7車(chē)輛的自行車(chē)模型˙x=vcos(β+ψ),(3.8)第38頁(yè)

【參考文獻(xiàn)】：
博士論文
[1]基于近似動(dòng)態(tài)規(guī)劃的優(yōu)化控制方法及在自主駕駛車(chē)輛中的應(yīng)用[D]. 連傳強(qiáng).國(guó)防科學(xué)技術(shù)大學(xué) 2016
[2]高速公路自主駕駛汽車(chē)視覺(jué)感知算法研究[D]. 聶一鳴.國(guó)防科學(xué)技術(shù)大學(xué) 2012
[3]自主駕駛汽車(chē)智能控制系統(tǒng)[D]. 孫振平.國(guó)防科學(xué)技術(shù)大學(xué) 2004



本文編號(hào)：3135885