駕駛決策的研究一直是無人車導(dǎo)航的一個重要研究環(huán)節(jié),很多情況下無人車需要在夜間行駛,而在夜晚光線較昏暗甚至無光的狀態(tài)下,通過紅外成像儀和雷達來獲取駕駛所需要的信息至關(guān)重要。通過紅外成像儀獲得的紅外圖像通常具有對比度及信噪比較低等缺陷,因此從夜間紅外圖像及雷達數(shù)據(jù)中得到可靠的信息及模型是夜間機器視覺領(lǐng)域的重點研究項目,而雷達所獲取的距離信息是無人車導(dǎo)航?jīng)Q策的重要依據(jù),并且其研究成果能夠在民用、工業(yè)、軍事等領(lǐng)域得到較好的實際應(yīng)用。角度和速度是無人車在夜間行駛的關(guān)鍵信息,因而研究無人車在夜間運動狀態(tài)的角度及速度信息,進而得出相應(yīng)的駕駛決策,使得無人車能夠在黑暗環(huán)境下平穩(wěn)的行駛具有很重要的意義。本文應(yīng)用深度學(xué)習(xí)技術(shù),給出了夜間無人車的駕駛決策模型。論文主要分為三個部分:第一部分介紹了無人車駕駛決策的背景及其研究現(xiàn)狀,并闡述機器學(xué)習(xí)中的深度學(xué)習(xí)框架及其作用;第二部分為基于深度學(xué)習(xí)分類網(wǎng)絡(luò)的無人車方向決策模型,把方向決策研究轉(zhuǎn)化為分類問題;第三部分在上一部分的基礎(chǔ)上加入深度估計模型,并將其結(jié)合,提出了基于深度信息的無人車速度決策模型。本論文的創(chuàng)新點如下:（1）將深度學(xué)習(xí)分類的思想應(yīng)用到了無人車方向決... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于支持向

神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是受到醫(yī)學(xué)界人類神經(jīng)元的啟發(fā)，多個神經(jīng)元組成層級結(jié)構(gòu)最終形成網(wǎng)絡(luò)而來，我們從最基本的單位即單個神經(jīng)元來闡述，結(jié)構(gòu)如圖 2.3。圖2.3 基本神經(jīng)元模型如上圖所示，假設(shè)有n個輸入，每個輸入都要與其對應(yīng)的一個權(quán)值做乘法，再對所有乘得項進行求和并加入偏置項來作為后面激活函數(shù)的輸入變量，最后經(jīng)過激活函數(shù)得到一個輸出值，公式（2-1）清晰的表達了解單個神經(jīng)元的運算順序：(2-1)激活函數(shù)可以依據(jù)不同應(yīng)用的需求進行選擇，本文下面介紹常用的三種激活函數(shù)。Sigmoid 函數(shù)、Tanh 函數(shù)及ReLU函數(shù)。 函數(shù)是比較基礎(chǔ)的，可以表示為：

真實的標(biāo)簽之間的差距，通常用符號 J ( )來表示損失函數(shù)。相反的，所謂的反向傳播算法便是通過代價函數(shù)的數(shù)量來反方向流動信息，可以計算出多層網(wǎng)絡(luò)的梯度。上述的經(jīng)典三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖2.4。


本文編號：3352228