论文部分内容阅读
近几年,随着计算机硬件的迅速发展和数据量的疯狂增长,社会已经进入大数据时代,人工智能席卷着各行各业,无人驾驶汽车是汽车产业的智能化方向。2017年11月15日,中国新一代人工智能发展规划暨重大科技项目启动会在京召开,其中百度公司依据其无人驾驶技术成为首批国家人工智能开放创新平台之一,这充分说明国家对无人驾驶等人工智能技术的重视。防碰撞技术是无人驾驶研究的一个重点,又因夜间光线不足,是碰撞事件的常发时段,故夜视环境的防碰撞技术是重中之重。本文结合夜间行车面临的光线不足的实际问题,研究了无人驾驶汽车夜视环境防碰撞相关技术。先对车载夜视装置传来的图片进行去噪与增强,接着对夜视图片检测疑似障碍物的ROI区域,然后用训练好的分类模型对障碍物ROI图片进行分类,以不同障碍物类别及计算出的安全距离为依据,制定了一个准确、实时、稳定、合理且人性化的防碰撞决策。最后,对本文中的理论技术研究分别在PC+Matlab环境和实验室小车RoboCAR上进行两个阶段的仿真与验证。具体研究内容如下:（1）夜视图片预处理算法研究:针对夜视图片存在的画质差等问题,提出图片去噪和图片增强改进算法,并进行了疑似障碍物ROI区域的检测。（2）障碍物分类模型研究:为了更好的制定防碰撞策略,设计了基于HOG+SVM和基于深度学习的两种障碍物分类模型,可以分辨出主要障碍物与次要障碍物,并对两种模型进行性能测试。（3）基于安全距离的防碰撞决策研究:研究了车与障碍物距离测量方式、车速度测量及汽车安全距离模型,并以有无障碍物O为依据作首级判断,以障碍物类别C和安全距离s0为依据作次级判断,实现的智能决策应对措施有四种,分别为:不干预、闪灯并鸣笛、降速至v0、停车。（4）实验结果仿真与验证:对本课题中所涉及到的理论技术分别在PC+Matlab环境和实验室小车RoboCAR上进行两个阶段的仿真与验证。实验结果表明了算法的可行性和模型的准确性。