隨著5G通信技術(shù)和智能網(wǎng)聯(lián)汽車技術(shù)的發(fā)展,基于云端的自動駕駛環(huán)境感知系統(tǒng)不僅可以提升駕駛環(huán)境感知范圍,而且可以節(jié)省車載端的算力。論文圍繞云端實現(xiàn)自動駕駛環(huán)境感知的關(guān)鍵技術(shù)展開研究,其研究具有重要的理論意義和工程應(yīng)用價值。論文主要研究工作如下:分析了傳統(tǒng)車載環(huán)境感知系統(tǒng)的特點(diǎn)與局限,研究了基于云計算的自動駕駛環(huán)境感知系統(tǒng)整體框架,分析了該框架的云-端協(xié)同特點(diǎn)與優(yōu)勢,并進(jìn)一步梳理了該框架下各平臺的關(guān)鍵實現(xiàn)技術(shù)。設(shè)計了車牌檢測與車牌識別統(tǒng)一框架,提出了一種改進(jìn)SSD（Single Shot MultiBox Detector）神經(jīng)網(wǎng)絡(luò)模型的車牌檢測識別融合算法。采用開源車牌數(shù)據(jù)集CCPD進(jìn)行了模型的訓(xùn)練與測試,分析并驗證了算法的準(zhǔn)確性、魯棒性和運(yùn)行性能,并基于該算法在云端構(gòu)建了駕駛環(huán)境感知靜態(tài)場景,擴(kuò)展了自動駕駛感知范圍。提出了基于卷積Social Pooling的安全行駛路線感知算法。該算法基于周圍車輛的歷史軌跡感知本車安全行駛路線,并在此算法基礎(chǔ)上提出了融合周圍車輛行駛意圖信息的改進(jìn)算法。通過在開源NGSIM數(shù)據(jù)集上對算法進(jìn)行的訓(xùn)練與測試,研究了周圍車輛對安全行駛路線感知的影響,并研究了... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 環(huán)境感知關(guān)鍵技術(shù)
        1.2.2 云計算自動駕駛系統(tǒng)
    1.3 研究內(nèi)容及章節(jié)安排
第二章 基于云計算的自動駕駛環(huán)境感知系統(tǒng)設(shè)計
    2.1 車載環(huán)境感知系統(tǒng)特點(diǎn)
    2.2 基于云計算的環(huán)境感知系統(tǒng)設(shè)計
    2.3 本章小結(jié)
第三章 基于云端的車牌識別技術(shù)及靜態(tài)駕駛場景構(gòu)建
    3.1 車牌檢測識別難點(diǎn)
    3.2 自動駕駛車牌檢測識別框架
    3.3 國內(nèi)車牌分析
    3.4 網(wǎng)絡(luò)模型設(shè)計
        3.4.1 圖像處理結(jié)構(gòu)
        3.4.2 預(yù)設(shè)框生成結(jié)構(gòu)
        3.4.3 非極大值抑制
    3.5 模型訓(xùn)練
        3.5.1 匹配策略
        3.5.2 數(shù)據(jù)集
        3.5.3 目標(biāo)函數(shù)
    3.6 實驗設(shè)計與分析
        3.6.1 準(zhǔn)確性分析
        3.6.2 魯棒性分析
        3.6.3 性能分析
    3.7 云端靜態(tài)駕駛場景構(gòu)建
    3.8 本章小結(jié)
第四章 基于安全行駛路線預(yù)測的云端動態(tài)駕駛場景感知
    4.1 動態(tài)駕駛場景感知難點(diǎn)
    4.2 安全行駛路線感知研究方法
        4.2.1 行駛場景建模
        4.2.2 模型輸入輸出
    4.3 網(wǎng)絡(luò)模型設(shè)計
        4.3.1 軌跡編碼模塊
        4.3.2 卷積Social Pooling模塊
        4.3.3 解碼感知模塊
    4.4 基于云數(shù)據(jù)平臺的改進(jìn)方案
    4.5 模型訓(xùn)練
        4.5.1 數(shù)據(jù)集
        4.5.2 損失函數(shù)
        4.5.3 實現(xiàn)細(xì)節(jié)
    4.6 實驗設(shè)計與分析
        4.6.1 周圍車輛行駛軌跡貢獻(xiàn)分析
        4.6.2 卷積Social Pooling分析
        4.6.3 周圍車輛行駛意圖貢獻(xiàn)分析
    4.7 云端動態(tài)駕駛場景感知
    4.8 本章小結(jié)
第五章 分布式深度學(xué)習(xí)框架研究
    5.1 大規(guī)模深度學(xué)習(xí)難點(diǎn)
    5.2 分布式深度學(xué)習(xí)框架
    5.3 數(shù)據(jù)與模型并行研究
        5.3.1 模型并行
        5.3.2 數(shù)據(jù)并行
    5.4 分布式深度學(xué)習(xí)通信機(jī)制研究
        5.4.1 通信內(nèi)容
        5.4.2 通信框架
        5.4.3 通信步調(diào)
    5.5 數(shù)據(jù)與模型聚合研究
    5.6 分布式深度學(xué)習(xí)實驗
    5.7 本章小結(jié)
第六章 基于云計算的自動駕駛環(huán)境感知仿真
    6.1 自動駕駛環(huán)境感知場景
    6.2 自動駕駛環(huán)境感知流程
    6.3 本章小結(jié)
第七章 總結(jié)與展望
    7.1 研究總結(jié)
    7.2 研究展望
致謝
參考文獻(xiàn)
攻讀碩士期間科研成果


【參考文獻(xiàn)】：
期刊論文
[1]邊緣計算:現(xiàn)狀與展望[J]. 施巍松,張星洲,王一帆,張慶陽.  計算機(jī)研究與發(fā)展. 2019(01)
[2]智能網(wǎng)聯(lián)汽車環(huán)境感知技術(shù)的發(fā)展和研究現(xiàn)狀[J]. 謝志萍,雷莉萍.  成都工業(yè)學(xué)院學(xué)報. 2016(04)

博士論文
[1]基于多源信息融合的智能汽車環(huán)境感知技術(shù)研究[D]. 孫寧.江蘇大學(xué) 2018



本文編號：3512049