基于模糊逻辑的智能驾驶关键技术研究

发布时间：2023-10-12 02:56

　　在过去的30年,用于城市地面交通工具中自动驾驶技术的开发已经得到了飞速的发展。目前,现代自主驾驶车辆已具备一定感知车辆周围环境的能力,比如根椐分类所分析对象的类型并进行检测；观测周身环境的变化并评估对象的移动可能性；在遵循交通法规的基础之上对复杂的交通现状进行车辆路径规划并分析障碍物的移动方向等。在这些复杂的情况下,这种自主导航能力是建立在很多学科(例如：计算机学、电子工程学、机器人技术和控制学等)的基础之上跨越并结合之后研发的。 本学位论文对自主车辆系统所包含很多重叠和整合系统及技术知识进行了探讨,并对从摄像机镜头捕捉到的图像以及对于车辆位置、车辆性质种类、不同物体的速度及来自从各种传感器如GPS、雷达、相机、和其他人对车辆周围的危险指数分析并对相关数据资料加以分析和总结。值得说明的是对所研究对象来判断并得出详细描述他们的内容研究(比如根椐他们的外部形象特征来将其归类)不在本论文的范围内。 首先我们设计或规划得出描述每个对象的N个特征向量等数据,每个特征向量包含的数据描述如下： (1)对象属性(比如汽车、人群、树木、障碍物等等) (2)测试车辆和物体之间的距离以[以(x,y)坐标轴的...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
ABSTRACT
摘要
TABLE OF CONTENTS
LIST OF FIGURES
LIST OF TABLES
CHAPTER 1: INTRODUCTION
    1.1 AUTONOMOUS VEHICLE CONTROL
    1.2 INTELLIGENT TRANSPORTATION SYSTEMS
    1.3 CURRENT STATE OF THE ART
    1.4 CONTRIBUTION CHALLENGES IN AUTONOMOUS DRIVING
    1.5 CONTRIBUTION OF THIS THESIS
    1.6 THE STRUCTURE OF THIS THESIS
    1.7 SUMMARY
CHAPTER 2 : Overview
    2.1 CLASSIFICATION TECHNIQUES
        2.1.1 K-NEAREST NEIGHBOR ALGORITHM
        2.1.2 NEURAL NETWORKS ALGORITHM
        2.1.3 K-MEANS ALGORITHM
        2.1.4 SUPPORT VECTOR MACHINE ALGORITHM
    2.2 DATA FUSION SYSTEMS
    2.3 FUZZY LOGIC CONTROL
    2.4 SUMMARY
CHAPTER 3: PROPOSED RESEARCH METHODOLOGY
    3.1 DATA SET
    3.2 CLASSIFICATION TECHNIQUES
        3.2.1 RESULTS
        3.2.2 COMPARISON BETWEEN USED CLASSIFICATION TECHNIQUES
    3.3 DATA FUSION
        3.3.1 DATA FUSION APPROACH 1
        3.3.2 DATA FUSION APPROACH 2
        3.3.3 COMPARISON BETWEEN TWO APPROACHES
    3.4 FUZZY LOGIC CONTROL DECISION ALGORITHM
Chapter 4: Results
    4.1 Summary
CHAPTER 5: Conclusion
REFERENCES
ACKNOWLEDGMENTS
Appendix A



本文编号：3853314