智能駕駛車輛通過模擬真實駕駛員對行駛路況的洞察能力,利用環境感知系統及信息融合技術(以下簡稱“環感技術”)實現了對周圍環境的語義級理解,同時為擬人化的車輛行為決策過程提供了更為全面的信息支持。本文依托于國家科技部項目“電動自動駕駛汽車關鍵技術研究與示范運行”子課題“復雜道路環境協同感知與目標跟蹤技術”,針對智能車環感技術中的核心問題,提出了智能車可行駛區域建模的概念,其中通過結合先驗知識與車載傳感器獲取的行駛狀態信息,建立了當前車輛周圍環境的緊湊表達模型,加深了智能車對所處環境的理解力,同時增強了智能車行駛的安全性。本文的主要內容如下:(1)道路車輛的預測與行為識別算法研究為了預測并識別道路環境中其他車輛的行駛意圖,首先,本文利用無損卡爾曼濾波和車輛二次運動模型,進行車輛運動狀態的跟蹤與預測;進而,在隱馬爾可夫模型的基礎上建立了車輛的行為識別模型,實現了對車輛未來行為意圖的預測與概率估計;最終,利用NGSIM(Next Generation Simulation,“下一代仿真”)交通數據集進行了模型的離線訓練與功能測試。(2)動態概率駕駛地圖的生成與更新算法為了使智能車的可行駛區域可視...

【文章頁數】：105 頁

【學位級別】：碩士

【部分圖文】：

圖1.1道路環境車輛信息讀取等級

圖1.1道路環境車輛信息讀取等級及駕駛輔助概述車輔助決策類型級別如圖1.2所示，駛輔助和自動駕駛系統進行了融合另一端是完全的自動駕駛，這仍然于圖1.2中預測駕駛輔助的范疇，借的緊湊表達，并對車輛的行駛狀態進

圖1.2智能車輔助決策類型級別

圖1.1道路環境車輛信息讀取等級可行駛區域建模及駕駛輔助概述前國際通用的智能車輔助決策類型級別如圖1.2所示，其中一端是完全手動協同駕駛對預測駕駛輔助和自動駕駛系統進行了融合，允許駕駛員和車輛縫銜接，在圖譜的另一端是完全的自動駕駛，這仍然是一個活躍的研究領研究的主要內容屬....

圖1.3動態概率駕駛地示意圖

定推理的方法，具有直接表達不確定和不知道的能力。利用這種方法，單元的占用情況由置信質量進行表示，而不再是概率的形式，置信質量通常是歷史和當前觀測數據的加權和。T.-N.Nguyen[23]使用加權質量方法進行占用網格計算。J.Moras[24]通過融合激光雷達和地理參....

圖1.4可行駛區域的生成方法及步驟綜上所述，國內外研究機構及高校先后提出了多種車輛可行駛區域建模的方法

圖1.4可行駛區域的生成方法及步驟，國內外研究機構及高校先后提出了多種車輛可行駛區域建城市智能輔助項目聯合加州大學所提出的動態概率駕駛地圖[出了基于道路車輛行為預測與行為識別算法實現動態駕駛地。本文使用環境的可行駛區域模型來進行頂層的推理和決策填充可行駛區域模型，而是使用可行....

本文編號：3997589