无人驾驶车辆自主导航关键技术研究

doi:8E6215B3138A9BF61B9789C9D2B8A3CC

	无人驾驶车辆自主导航关键技术研究
	贾会群
学位类型	博士
导师	魏仲慧
	2019-06-01
学位授予单位	中国科学院大学(中国科学院长春光学精密机械与物理研究所)
学位授予地点	中国科学院大学(中国科学院长春光学精密机械与物理研究所)
关键词	无人驾驶车辆环境感知路径规划检测识别粒子群算法
摘要	无人驾驶车辆是计算机科学、模式识别以及智能控制技术发展的产物,在城市交通、安保以及军事巡逻等方面具有广阔的应用前景。为了缓解城市交通压力,减少城市交通事故,用于城市交通和安保领域的无人驾驶车辆是目前的研究热点。城市交通领域和安保领域中的无人驾驶车辆,应具有独立自主执行任务的能力,因此,无人驾驶车辆在城市道路环境下的独立自主导航是自主导航技术的重要发展方向。无人驾驶车辆的自主导航的本质是指在没有人为干预的情况下车辆自主安全到达指定目的地,其主要涉及的研究方向包括环境感知、路径规划、决策控制和定位导航等,其中环境感知和路径规划是最基本、最关键的问题,因此本文重点对这两个方向开展研究。环境感知是指无人驾驶车辆利用多种探测设备(如相机、激光、雷达等),感知车辆外部的环境。环境感知中以相机等视觉传感器探测实现自主导航的无人驾驶车辆称为基于视觉导航的无人驾驶车辆。相比基于激光雷达等探测设备,视觉感知设备不仅价格低廉,且还具有为无人驾驶车辆提供丰富的外部环境信息的能力,有利于无人驾驶车辆感知外部环境,因此基于视觉导航的无人驾驶车辆是目前的研究热点。应用于城市环境下的无人驾驶车辆,基于视觉的环境感知的主要任务是检测和识别出周围的城市道路环境,包括车道线检测识别,路面标志检测识别和道路障碍检测。由于城市道路复杂的交通环境和不可控的自然环境的影响,导致检测识别算法在检测识别目标时,出现目标检测识别率不高,算法实时性差等问题。路径规划是指无人驾驶车辆根据环境感知得到的信息,规划出一条从任务起点运行到终点的合理路线。目前路径规划算法存在搜索精度低、特定情况下的搜索停滞等问题,导致路径规划精度低和实时性差。针对上述问题,本文以视觉导航为主线,在现有研究的基础上,对车道线检测算法、路面标志检测识别算法和道路障碍车辆检测算法以及路径规划算法开展研究,为无人驾驶车辆的自主导航提供有效的解决途径。论文的主要工作及创新之处包括:(1)车道线检测。详细分析了基于模型的车道线检测算法,包括直线模型、抛物线模型和三次曲线模型。针对目前算法的不足,提出了上凸曲线模型的车道线检测算法,算法首先使用上凸曲线模型对左右车道线进行检测,然后采用最小二乘法对检测结果进行拟合重构,实现高精度车道线检测,改善了目前算法应用范围窄,检测能力不足,鲁棒性差的问题。(2)箭头标志检测识别。主要研究了基于生物视觉感知模型和基于判别型表观模型的路面箭头标志检测识别算法,通过分析两种模型的优缺点,提出了两种模型相结合的结合模型。该方法通过利用两种模型各自的优势,互相弥补不足。所提算法提高了复杂环境下箭头标志的检测识别的速度和准确率。(3)车辆检测。主要对基于可变形部件模型(Deformable Part Model,DPM)的车辆检测算法进行了分析总结,针对经典的DPM检测算法存在小目标车辆漏检问题,本文用尺度可变的金字塔模型去代替经典的DPM算法中固定尺度的金字塔模型,提出了基于自适应金字塔模型改进的DPM车辆检测算法。为了提高自适应金字塔模型的建造速度,使用快速金字塔估算理论进行自适应金字塔的建造。改进算法降低了小目标车辆的漏检率,提高道路车辆的检测能力。(4)路径规划。为了解决复杂道路环境下,无人驾驶车辆路径规划精度低的问题,重点对基于群体智能算法的路径规划,包括鸡群、蚁群、粒子群等智能算法进行了分析研究。并提出了一种改进的粒子群算法,通过对经典的粒子群算法的参数进行改进,同时增加了多种更新策略,改善了目前粒子群算法搜索精度低、搜索停滞等缺点,提高了无人驾驶车辆路径规划的精度。
页数	124
DOI	8E6215B3138A9BF61B9789C9D2B8A3CC
语种	中文
引用统计
文献类型	学位论文
条目标识符	http://ir.ciomp.ac.cn/handle/181722/63882
专题	中科院长春光机所知识产出
推荐引用方式 GB/T 7714	贾会群. 无人驾驶车辆自主导航关键技术研究[D]. 中国科学院大学(中国科学院长春光学精密机械与物理研究所). 中国科学院大学(中国科学院长春光学精密机械与物理研究所),2019.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
无人驾驶车辆自主导航关键技术研究.caj（5685KB）	学位论文		开放获取	CC BY-NC-SA	请求全文