作為未來(lái)汽車(chē)工業(yè)的發(fā)展方向,智能駕駛是必然趨勢(shì)。汽車(chē)的駕駛與人工智能的結(jié)合越來(lái)越緊密,在感知層面對(duì)環(huán)境進(jìn)行分類(lèi)、目標(biāo)檢測(cè)、語(yǔ)義分割等是結(jié)合的主要運(yùn)用,在算法運(yùn)用部分從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)發(fā)生了巨大的變遷。從傳統(tǒng)的HOG和SVM、SIFT等到深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸循環(huán)網(wǎng)絡(luò)等,因?yàn)樯疃葘W(xué)習(xí)帶來(lái)可見(jiàn)的效果,被廣泛運(yùn)用在自動(dòng)駕駛的環(huán)境感知層面�；谏疃葘W(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上通過(guò)將交通擁堵時(shí)的車(chē)輛低速運(yùn)動(dòng)狀態(tài)抽象為跟馳模型（Car Following Model）,在樹(shù)莓派硬件基礎(chǔ)上,通過(guò)一系列的數(shù)據(jù)采集,網(wǎng)絡(luò)模型搭建,實(shí)體模型搭建,訓(xùn)練調(diào)優(yōu),設(shè)計(jì)和構(gòu)建自動(dòng)跟馳駕駛框架,為車(chē)輛在單車(chē)道擁堵的路況上提供了一種有條件的自動(dòng)駕駛思路。主要實(shí)現(xiàn)車(chē)輛的自適應(yīng)巡航、對(duì)交通信號(hào)的識(shí)別處理,對(duì)車(chē)輛的識(shí)別以及自適應(yīng)跟馳三個(gè)功能。運(yùn)用端到端的感知到控制策略,設(shè)計(jì)搭建了卷積神經(jīng)網(wǎng)絡(luò),通過(guò)記錄操作者的序列,訓(xùn)練網(wǎng)絡(luò)模型,直接輸出對(duì)車(chē)輛的控制,作為一級(jí)控制策略,實(shí)現(xiàn)了車(chē)輛的自適應(yīng)巡航。在DarknetYolov3目標(biāo)檢測(cè)網(wǎng)絡(luò)的基礎(chǔ)上模擬車(chē)輛在城市交通運(yùn)行的環(huán)境,通過(guò)對(duì)模型的Finetune重新訓(xùn)練,設(shè)計(jì)實(shí)... 

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)技術(shù)概述
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 端到端控制
    2.3 車(chē)頭時(shí)距模型(Time Headway)
    2.4 Yolov3-Tiny(You only look once)實(shí)時(shí)目標(biāo)檢測(cè)
    2.5 本章小結(jié)
3 端到端跟馳模型的設(shè)計(jì)
    3.0 模型結(jié)構(gòu)設(shè)計(jì)
    3.1 硬件層設(shè)計(jì)
    3.2 數(shù)據(jù)集采集
    3.3 End-to-End CNN結(jié)構(gòu)設(shè)計(jì)
    3.4 二級(jí)感知控制設(shè)計(jì)
    3.5 本章小結(jié)
4 智能駕駛模型的實(shí)現(xiàn)與測(cè)試
    4.1 硬件模塊實(shí)現(xiàn)
    4.2 軟件核心模塊實(shí)現(xiàn)
    4.3 訓(xùn)練與結(jié)果可視化
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]無(wú)人駕駛汽車(chē)的起源與發(fā)展[J]. 賈玉龍.  信息記錄材料. 2018(04)
[2]Analysis of Autopilot Disengagements Occurring During Autonomous Vehicle Testing[J]. Chen Lv,Dongpu Cao,Yifan Zhao,Daniel J.Auger,Mark Sullman,Huaji Wang,Laura Millen Dutka,Lee Skrypchuk,Alexandros Mouzakitis.  IEEE/CAA Journal of Automatica Sinica. 2018(01)
[3]百度“Apollo”計(jì)劃風(fēng)云錄[J]. 戴日新.  企業(yè)管理. 2017(08)
[4]深度學(xué)習(xí)在無(wú)人駕駛汽車(chē)領(lǐng)域應(yīng)用的研究進(jìn)展[J]. 王科俊,趙彥東,邢向磊.  智能系統(tǒng)學(xué)報(bào). 2018(01)
[5]汽車(chē)行業(yè)的下一風(fēng)口:智能駕駛[J]. 崔麗媛.  交通建設(shè)與管理. 2016(12)
[6]圖解:智能駕駛=無(wú)人駕駛? NO![J]. 崔麗媛,姚夢(mèng)陽(yáng).  交通建設(shè)與管理. 2016(12)
[7]洞察無(wú)人車(chē)輛技術(shù)發(fā)展[J]. 徐彬,李明喜,周晶晶,倪俊,付苗苗.  機(jī)器人產(chǎn)業(yè). 2016(01)
[8]深度學(xué)習(xí)在無(wú)人駕駛汽車(chē)中的應(yīng)用[J]. 孫皓天.  電腦知識(shí)與技術(shù). 2015(24)
[9]開(kāi)放、創(chuàng)新與產(chǎn)業(yè)轉(zhuǎn)型——從智能駕駛談起[J]. 李德毅.  科技創(chuàng)新與品牌. 2014(06)
[10]駕駛員車(chē)頭時(shí)距研究[J]. 孟凡興,張良,張偉.  工業(yè)工程與管理. 2013(02)



本文編號(hào)：3725711