基于自主学习的无人车行为规划方法

发布时间：2023-05-13 13:08

　　行为规划是无人车驾驶的关键技术。基于视觉的行为规划提供了廉价的解决方案,但是由于道路图像分布的复杂性和图像计算量的庞大,无人车行为规划系统的设计变得困难。本文对鲁棒实时的无人车行为规划系统的设计问题进行研究。针对无人车行为规划系统设计中的技术难点,提出了解决方案,使无人车能够自主地学习行为规划的能力,有效地解决了直接在图像空间建模和计算复杂的困难,并能较好地对无人车进行行为规划和有效地预防错误控制的发生。本文的主要工作如下:首先,提出了一种基于异构深度学习的无人车行为规划系统,该系统设计了不同种类的深度学习模型,首先将道路图像降维编码,并将编码空间约束为标准正态分布空间,再在编码空间中实现对无人车的行为控制。无人车行为规划系统包含基于擅长图像建模的卷积神经网络的自编码模型、基于擅长序列数据建模的循环神经网络的道路跟踪模型,以及在编码空间中实现的使用了卷积神经网络、SENet、ResNet等不同网络结构的控制模型和评估模型。其次,基于异构深度学习无人车行为规划系统,提出了一种基于有限状态机深度学习的无人车行为规划方法。由于基于异构深度学习的行为规划系统完成的是局部路径规划任务,给定全局路...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 课题研究背景
    1.2 国内外发展与研究现状
        1.2.1 深度学习发展与研究现状
        1.2.2 无人驾驶车辆及其自主规划方法国内外研究现状
    1.3 本文内容结构
2 无人车行为规划研究
    2.1 引言
    2.2 基于神经网络的Q-学习算法
    2.3 DAVE-2系统
    2.4 数据驱动的端到端行为规划方法
    2.5 本章小结
3 基于异构深度学习的无人车行为规划
    3.1 引言
    3.2 系统设计
        3.2.1 自编码模型
        3.2.2 评估模型
        3.2.3 道路跟踪模型
        3.2.4 控制模型
    3.3 训练和应用
        3.3.1 模型训练
        3.3.2 模型应用
    3.4 基于异构深度学习的无人车行为规划实验
        3.4.1 实验平台与数据
        3.4.2 AEM编码效果实验
        3.4.3 EM评估效果实验
        3.4.4 仿真实验
    3.5 本章小结
4 基于有限状态机深度学习的无人车行为规划
    4.1 引言
    4.2 系统设计
        4.2.1 控制模型
        4.2.2 有限状态机
    4.3 训练和应用
        4.3.1 模型训练
        4.3.2 模型应用
    4.4 基于FSM-DL的无人车行为规划实验
        4.4.1 实验平台与数据
        4.4.2 EM评估效果实验
        4.4.3 仿真实验
    4.5 本章小结
5 基于协同深度学习的无人车行为规划
    5.1 引言
    5.2 系统设计
        5.2.1 基于生成对抗网络与协同训练的半监督回归方法
        5.2.2 基于协同深度学习的无人车行为规划
    5.3 训练和应用
        5.3.1 模型训练
        5.3.2 模型应用
    5.4 基于CO-DL的无人车行为规划实验
        5.4.1 实验平台与数据
        5.4.2 评估模型评估效果实验
        5.4.3 仿真实验
    5.5 本章小结
6 总结与展望
    6.1 工作总结
    6.2 未来工作展望
致谢
参考文献
附录



本文编号：3815880