近年來,5G、大數(shù)據(jù)、云計算、機器學(xué)習(xí)和人工智能等技術(shù)飛速發(fā)展,為自動駕駛智能車的研究打下了堅實的基礎(chǔ),也使得自動駕駛智能車的商業(yè)化成為可能。汽車智能化正引領(lǐng)相關(guān)產(chǎn)業(yè)新一輪的發(fā)展,相關(guān)高校、企業(yè)競相投入智能車研發(fā)行列。智能車自動駕駛技術(shù)是一種多學(xué)科交叉、多領(lǐng)域融合的技術(shù),由于技術(shù)要求嚴(yán),生產(chǎn)成本高等因素,智能車自動駕駛技術(shù)目前尚未大規(guī)模普及。本文設(shè)計的智能車自主導(dǎo)航系統(tǒng)的設(shè)計目標(biāo)是以簡單結(jié)構(gòu)化道路為應(yīng)用場景,開發(fā)一種低成本、高可靠性、多傳感器融合的智能車自主導(dǎo)航系統(tǒng),實現(xiàn)智能車在簡單結(jié)構(gòu)化道路環(huán)境中自動行駛。本文設(shè)計的智能車自主導(dǎo)航系統(tǒng)硬件部分采用車載電腦和電控系統(tǒng)組成的雙核心架構(gòu),車載電腦負(fù)責(zé)處理環(huán)境感知數(shù)據(jù),并依據(jù)處理結(jié)果進(jìn)行路徑規(guī)劃;電控系統(tǒng)則負(fù)責(zé)采集外擴傳感器數(shù)據(jù),并依據(jù)車載電腦控制指令執(zhí)行相應(yīng)動作。本系統(tǒng)軟件部分利用基于特征融合的機器視覺技術(shù)實現(xiàn)車輛前方車道線檢測,利用超聲波雷達(dá)測距技術(shù)實現(xiàn)車輛兩側(cè)道路邊沿檢測,利用超聲波雷達(dá)避障技術(shù)實現(xiàn)車輛周圍障礙物檢測,利用雙模衛(wèi)星定位技術(shù)實現(xiàn)車輛地理位置坐標(biāo)獲取,利用Map Web端API接口進(jìn)行全局路徑規(guī)劃,并將全局路徑規(guī)劃結(jié)果與各類... 

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景與意義
    1.2 課題國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 論文主要內(nèi)容
    1.4 本章小結(jié)
第2章 智能車自主導(dǎo)航系統(tǒng)總體方案設(shè)計
    2.1 智能車自主導(dǎo)航系統(tǒng)功能需求
    2.2 智能車自主導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)
    2.3 智能車自主導(dǎo)航系統(tǒng)總體方案設(shè)計
    2.4 本章小結(jié)
第3章 智能車自主導(dǎo)航系統(tǒng)硬件設(shè)計
    3.1 智能車自主導(dǎo)航系統(tǒng)硬件總體設(shè)計
    3.2 電控系統(tǒng)硬件設(shè)計
        3.2.1 電控系統(tǒng)嵌入式處理器選型
        3.2.2 電控系統(tǒng)硬件設(shè)計
    3.3 功能子系統(tǒng)硬件設(shè)計
        3.3.1 駕駛模式切換系統(tǒng)硬件設(shè)計
        3.3.2 車輛運動控制系統(tǒng)硬件設(shè)計
        3.3.3 近距離障礙物感知系統(tǒng)硬件設(shè)計
        3.3.4 定位導(dǎo)航系統(tǒng)硬件設(shè)計
        3.3.5 車聯(lián)網(wǎng)信息系統(tǒng)硬件設(shè)計
    3.4 PCB硬件設(shè)計
    3.5 本章小結(jié)
第4章 智能車自主導(dǎo)航系統(tǒng)軟件設(shè)計
    4.1 智能車自主導(dǎo)航系統(tǒng)軟件總體設(shè)計
    4.2 車道線檢測模塊程序設(shè)計
        4.2.1 車道線檢測方法綜述
        4.2.2 相機標(biāo)定
        4.2.3 圖像采集與預(yù)處理
        4.2.4 車道線特征檢測
        4.2.5 車道線擬合
    4.3 道路邊沿檢測模塊程序設(shè)計
        4.3.1 道路邊沿檢測方法綜述
        4.3.2 超聲波傳感器道路邊沿檢測
        4.3.3 道路邊沿檢測數(shù)據(jù)擬合
    4.4 衛(wèi)星定位模塊程序設(shè)計
        4.4.1 衛(wèi)星定位原理綜述
        4.4.2 雙模衛(wèi)星定位
    4.5 管理信息系統(tǒng)程序設(shè)計
        4.5.1 管理信息系統(tǒng)綜述
        4.5.2 管理信息系統(tǒng)開發(fā)
    4.6 本章小結(jié)
第5章 智能車自主導(dǎo)航系統(tǒng)功能測試
    5.1 硬件功能測試
        5.1.1 單板結(jié)構(gòu)測試
        5.1.2 單板功能測試
    5.2 軟件功能測試
    5.3 軟硬件聯(lián)合測試
    5.4 本章小結(jié)
總結(jié)與展望
    1. 總結(jié)
    2. 不足與展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]oRGB顏色空間的夜視圖像彩色融合[J]. 李郁峰,蔣勇,陳念年,巫玲,范勇.  光學(xué)精密工程. 2018(11)
[2]一種基于形態(tài)學(xué)特征的車道線識別方法[J]. 蔡英鳳,高力,孫曉強,陳龍,王海.  中國機械工程. 2018(15)
[3]基于視覺和毫米波雷達(dá)的車道級定位方法[J]. 趙翔,楊明,王春香,王冰.  上海交通大學(xué)學(xué)報. 2018(01)
[4]深度學(xué)習(xí)在無人駕駛汽車領(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. 2018(01)
[5]測量標(biāo)志動態(tài)管理信息系統(tǒng)的設(shè)計與實現(xiàn)[J]. 何宗友,朱紫陽,龔根生,袁錫豪.  測繪通報. 2017(06)
[6]融合視覺的智能車組合導(dǎo)航技術(shù)分析[J]. 曾慶喜,馮玉朋,杜金枝,方嘯,李中兵.  導(dǎo)航定位學(xué)報. 2017(02)
[7]基于RFID、視覺和UWB的車輛定位系統(tǒng)[J]. 曹立波,陳崢,顏凌波,秦勤,張瑞鋒.  汽車工程. 2017(02)
[8]自適應(yīng)閾值的Prewitt地質(zhì)圖像邊緣檢測算法[J]. 劉天時,魏雨,李湘眷.  小型微型計算機系統(tǒng). 2016(05)
[9]四輪獨立驅(qū)動與轉(zhuǎn)向電動車輛運動控制系統(tǒng)及控制策略研究[J]. 來鑫,陳辛波,武曉俊,梁棟.  汽車工程學(xué)報. 2015(05)
[10]基于北斗高精度定位和車道級高精度地圖的車輛監(jiān)控平臺設(shè)計與實現(xiàn)[J]. 仲躋煒,陳大吾,朱峰.  全球定位系統(tǒng). 2015(04)

博士論文
[1]多相機系統(tǒng)中若干視覺幾何問題的研究[D]. 賈靜.西安電子科技大學(xué) 2013
[2]我國汽車產(chǎn)業(yè)周期與經(jīng)濟(jì)周期之間的關(guān)聯(lián)性研究[D]. 曲國俊.吉林大學(xué) 2011

碩士論文
[1]基于STM32的室內(nèi)空氣質(zhì)量檢測儀的設(shè)計與實現(xiàn)[D]. 高海文.華東交通大學(xué) 2018
[2]基于機器視覺的前方車輛檢測與跟蹤[D]. 王寧.西南交通大學(xué) 2018
[3]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(xué) 2018
[4]基于MPC算法的無人駕駛車輛軌跡跟蹤控制研究[D]. 由智恒.吉林大學(xué) 2018
[5]基于立體視覺的區(qū)域交通智能車障礙物檢測方法研究[D]. 馮興恩.大連理工大學(xué) 2018
[6]面向認(rèn)知地圖的智能車定位系統(tǒng)及其應(yīng)用[D]. 駱佩佩.電子科技大學(xué) 2018
[7]基于智能純電動汽車的前方車輛檢測與識別技術(shù)研究[D]. 邢皎玉.合肥工業(yè)大學(xué) 2017
[8]智能電動小車結(jié)構(gòu)與驅(qū)動控制系統(tǒng)總體設(shè)計[D]. 張志鋒.西南交通大學(xué) 2017
[9]單目視覺的智能電動小車車道線識別與跟蹤[D]. 葉美松.西南交通大學(xué) 2017
[10]聯(lián)合GPS、DR及視覺的無人車導(dǎo)航[D]. 付鵬成.哈爾濱工業(yè)大學(xué) 2016



本文編號：3732148