近年來(lái),各國(guó)對(duì)無(wú)人駕駛的研究異�；馃�,國(guó)內(nèi)外智能駕駛研究主要著力于智能駕駛系統(tǒng)各模塊之間的調(diào)通與算法調(diào)優(yōu)以及最后的實(shí)車(chē)落地,對(duì)無(wú)人駕駛系統(tǒng)中智能算法及其安全性的研究與測(cè)試仍未得到廣泛的關(guān)注,故對(duì)無(wú)人駕駛系統(tǒng)中智能算法及其安全性研究具有十分主要的意義。本文首先提出了無(wú)人駕駛智能算法及其安全體系結(jié)構(gòu),歸納出無(wú)人駕駛系統(tǒng)各層存在的安全性問(wèn)題。針對(duì)無(wú)人駕駛安全體系結(jié)構(gòu)規(guī)劃與決策層中基于人工勢(shì)場(chǎng)法的局部路徑規(guī)劃算法存在的容易陷入局部極小值點(diǎn)的問(wèn)題,提出了基于人工勢(shì)場(chǎng)法與差分進(jìn)化法的局部路徑規(guī)劃算法;針對(duì)基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的車(chē)道線檢測(cè)算法在車(chē)道線缺失,惡劣天氣條件下車(chē)道線識(shí)別率低的問(wèn)題,本文提出了一種基于高精地圖與多傳感器融合的車(chē)道線檢測(cè)算法。本文主要研究工作包含三部分,如下所所述:（1）提出無(wú)人駕駛智能算法及其安全體系結(jié)構(gòu)。該體系結(jié)構(gòu)按照功能可以劃分為應(yīng)用層安全、網(wǎng)絡(luò)層安全、規(guī)劃與決策層安全、感知層安全,本文提出智能無(wú)人駕駛系統(tǒng)應(yīng)用層安全問(wèn)題包括高精地圖在低定位精度下無(wú)法匹配地形;網(wǎng)絡(luò)層安全問(wèn)題包括車(chē)輛網(wǎng)中數(shù)字簽名偽造以及數(shù)據(jù)認(rèn)證失敗的問(wèn)題;規(guī)劃與決策層安全問(wèn)題包括局部路徑規(guī)劃算法、行人檢... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

谷歌無(wú)人駕駛測(cè)試車(chē)

京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文 第一章 緒[8]，百度近幾年來(lái)從傳統(tǒng)的搜索引擎公司轉(zhuǎn)型無(wú)人駕駛公司，由于人工智能算法是智汽車(chē)的核心，而在算法的研究上，百度依托數(shù)十年來(lái)在人工智能領(lǐng)域的經(jīng)驗(yàn)，在深度法上占據(jù)巨大優(yōu)勢(shì)，其為 Apollo 2.5量身打造的端對(duì)端深層神經(jīng)網(wǎng)絡(luò)[9]，達(dá)到了萬(wàn)億參模，深厚的技術(shù)積累為百度打造無(wú)人駕駛及智能汽車(chē)體系提供了巨大的基礎(chǔ)，如圖 1.。同時(shí)，百度在高精地圖領(lǐng)域也是國(guó)內(nèi)為數(shù)不多的先行者與佼佼者，百度地圖憑借這默默耕耘，已經(jīng)采集到了覆蓋我國(guó)全部國(guó)道、省道、鄉(xiāng)道以及全部城市、鄉(xiāng)鎮(zhèn)不同路百萬(wàn)公里的高精地圖數(shù)據(jù)，這些基礎(chǔ)信息的采集與建立都是未來(lái)無(wú)人駕駛產(chǎn)業(yè)能真正展的重要基石。

圖 2.2 英偉達(dá)端對(duì)端深度學(xué)習(xí)方案習(xí)系統(tǒng)的數(shù)據(jù)采集和訓(xùn)練過(guò)程如下：習(xí)系統(tǒng)需要的元數(shù)據(jù)包括三類(lèi)，一類(lèi)是所有車(chē)載傳感器例如的周?chē)h(huán)境數(shù)據(jù)，一類(lèi)是地圖數(shù)據(jù)以及云端平臺(tái)輔助行駛的員駕駛車(chē)輛時(shí)的操作記錄，包括方向盤(pán)的偏轉(zhuǎn)角度，車(chē)輛加減的前兩類(lèi)數(shù)據(jù)傳感器感知到的周?chē)h(huán)境數(shù)據(jù)以及地圖及云端卷積網(wǎng)絡(luò)中計(jì)算出方向控制命令。預(yù)測(cè)的方向控制命令與理 CNN 模型的權(quán)值使得預(yù)測(cè)值盡可能接近理想值。系統(tǒng)應(yīng)用層


本文編號(hào)：3326817