汽車保有量的快速增加,導致交通擁堵、行車事故和環(huán)境污染問題日益嚴重,亟需解決。而電子信息技術的快速發(fā)展,正在促進傳統(tǒng)汽車行業(yè)變革,促使汽車從出行交通工具轉變?yōu)榇笮椭悄芤苿悠脚_。本課題來源于廣州市花都區(qū)某校企合作智能駕駛研發(fā)項目,研究重點是實現基于視覺的特定場景下智能車輛橫向運動控制。車輛在道路上的行駛狀態(tài)主要分為跟車行駛和換道行駛,其中換道行駛場景復雜,需要考慮多種因素,是智能車輛的典型應用問題;而智能車輛的橫向運動控制是通過控制車輛前輪轉角實現對期望軌跡的跟蹤,是智能車輛運動控制的核心研究問題。研究基于視覺的智能車輛換道過程橫向運動控制問題,對于智能駕駛技術的實際應用具有重要的借鑒意義。首先,針對YOLO目標檢測算法中存在的問題,研究基于YOLO的目標檢測改進算法。針對課題需求,設計基于YOLO改進算法的車輛檢測模型,建立基于幾何成像法的單目視覺前方車距估算模型,再融合兩部分算法,實現基于視覺的前方車輛實時檢測與車距估算。然后,分析智能車輛換道過程,設計基于安全距離模型的換道策略。對比常見的換道軌跡規(guī)劃方法,包括:正弦函數換道軌跡規(guī)劃方法、梯形加速度換道軌跡規(guī)劃方法、圓弧直線換道軌跡... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：109 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景和意義
    1.2 智能駕駛國內外研究現狀
        1.2.1 智能駕駛技術國內外研究現狀
        1.2.2 目標檢測與視覺測距研究現狀
        1.2.3 智能車輛軌跡規(guī)劃研究現狀
        1.2.4 智能車輛運動控制研究現狀
    1.3 課題來源及關鍵問題
    1.4 論文主要研究內容
第二章 基于單目視覺的前方車輛檢測與車距估算
    2.1 卷積神經網絡基本概念
    2.2 基于深度學習的目標檢測算法
        2.2.1 YOLO目標檢測算法原理
        2.2.2 基于YOLO的目標檢測改進算法
        2.2.3 基于YOLO改進算法的前方車輛檢測模型
        2.2.4 目標檢測算法評價指標
    2.3 基于單目視覺的前方車距估算
        2.3.1 圖像坐標系變換
        2.3.2 相機成像基本模型
        2.3.3 基于幾何成像法的前方車距估算
    2.4 前方車輛檢測與車距估算結果
        2.4.1 單目視覺相機標定
        2.4.2 車輛檢測數據集
        2.4.3 前方車輛檢測與車距估算融合結果
    2.5 本章小結
第三章 智能車輛換道策略設計與換道軌跡規(guī)劃
    3.1 智能車輛換道策略設計
        3.1.1 換道場景簡化
        3.1.2 換道最小安全距離模型
        3.1.3 智能車輛換道策略設計
    3.2 智能車輛常見換道軌跡規(guī)劃方法
        3.2.1 基于正弦函數的換道軌跡規(guī)劃
        3.2.2 基于梯形加速度的換道軌跡規(guī)劃
        3.2.3 基于圓弧直線的換道軌跡規(guī)劃
        3.2.4 基于多項式的換道軌跡規(guī)劃
    3.3 基于五次多項式的換道軌跡規(guī)劃分析
    3.4 本章小結
第四章 基于模型預測控制的智能車輛橫向運動控制
    4.1 車輛動力學建模
        4.1.1 車輛單軌模型
        4.1.2 輪胎模型
        4.1.3 小角度假設下的車輛動力學模型
    4.2 滑�？刂苹驹矸治�
    4.3 基于模型預測控制的智能車輛橫向運動控制
        4.3.1 模型預測控制基本原理
        4.3.2 非線性系統(tǒng)線性化及離散化
        4.3.3 基于模型預測控制的橫向運動控制器設計
    4.4 智能車輛橫向運動控制算法仿真驗證
        4.4.1 Simulink/CarSim聯合仿真平臺搭建
        4.4.2 車輛動力學模型驗證
        4.4.3 典型軌跡下的智能車輛橫向運動控制仿真對比
        4.4.4 換道軌跡下的智能車輛橫向運動控制仿真驗證
    4.5 本章小結
第五章 換道場景下的實車實驗
    5.1 實驗車輛軟件及硬件系統(tǒng)設計
        5.1.1 實驗車輛軟件設計
        5.1.2 實驗車輛硬件設計
    5.2 系統(tǒng)工作步驟及實現方式
        5.2.1 實驗車輛系統(tǒng)工作步驟
        5.2.2 實驗車輛系統(tǒng)實現方式
    5.3 限定場景下的車輛換道實驗
        5.3.1 實驗車輛換道過程
        5.3.2 前方車輛檢測與車距估算實驗結果
        5.3.3 換道過程橫向運動控制實驗結果
    5.4 本章小結
總結與展望
參考文獻
攻讀碩士學位期間取得的研究成果
致謝
附件


【參考文獻】：
期刊論文
[1]無人駕駛技術綜述[J]. 汪榆程.  科技傳播. 2019(06)
[2]基于滑�？刂频淖詣硬窜囅到y(tǒng)路徑跟蹤研究[J]. 姜立標,楊杰.  農業(yè)機械學報. 2019(02)
[3]基于Darknet框架下YOLO v2算法的車輛多目標檢測方法[J]. 李珣,劉瑤,李鵬飛,張蕾,趙征凡.  交通運輸工程學報. 2018(06)
[4]無人駕駛車輛橫向控制策略研究進展[J]. 朱林峰,楊家富,施楊洋,方朋朋.  世界科技研究與發(fā)展. 2018(05)
[5]基于YOLO＿v2模型的車輛實時檢測[J]. 黎洲,黃妙華.  中國機械工程. 2018(15)
[6]基于單目視覺車輛姿態(tài)角估計和逆透視變換的車距測量[J]. 劉軍,后士浩,張凱,晏曉娟.  農業(yè)工程學報. 2018(13)
[7]高速無人駕駛車輛最優(yōu)運動規(guī)劃與控制的動力學建模分析[J]. 劉凱,龔建偉,陳舒平,張玉,陳慧巖.  機械工程學報. 2018(14)
[8]面向無人駕駛的車輛協同換道軌跡規(guī)劃[J]. 游峰,谷廣.  科學技術與工程. 2018(15)
[9]基于深度學習的自動駕駛技術綜述[J]. 張新鈺,高洪波,趙建輝,周沫.  清華大學學報(自然科學版). 2018(04)
[10]高速跟車狀態(tài)下駕駛人最低視覺注意力需求[J]. 劉卓凡,付銳,馬勇,袁偉,程文冬.  中國公路學報. 2018(04)

博士論文
[1]深度學習算法在無人駕駛視覺中的應用[D]. 蔡惠民.西安電子科技大學 2018

碩士論文
[1]基于視覺的無人駕駛車輛運動控制的研究[D]. 劉紅星.西南交通大學 2018
[2]智能汽車路徑規(guī)劃與跟蹤控制仿真研究[D]. 張思遠.吉林大學 2018
[3]乘用車自動泊車系統(tǒng)路徑規(guī)劃與仿真分析[D]. 吳中偉.華南理工大學 2018
[4]考慮駕駛特性的智能車輛協同換道軌跡規(guī)劃[D]. 谷廣.華南理工大學 2018
[5]基于視覺融合的車輛與行人目標檢測及測距方法研究[D]. 戶晉文.華南理工大學 2018
[6]高動態(tài)環(huán)境下智能車局部路徑規(guī)劃研究[D]. 王富奎.電子科技大學 2018
[7]基于Fuzzy-PID的自動泊車車速控制系統(tǒng)的研究[D]. 陳政和.華南理工大學 2018
[8]基于車載攝像機的前方車輛測距測速方法研究[D]. 張亞男.大連海事大學 2018
[9]無人駕駛車輛換道與超車控制方法研究[D]. 祁智.燕山大學 2017
[10]無人駕駛車輛軌跡跟蹤分層協調控制方法研究[D]. 馬騰.大連理工大學 2017



本文編號：3147344