详情

原文传递夜间无人驾驶智能车的信息感知与驾驶行为规划研究

论文题名：	夜间无人驾驶智能车的信息感知与驾驶行为规划研究
关键词：	汽车无人驾驶系统;信息感知;目标检测;红外图像;激光雷达;驾驶行为规划算法;分层逆向强化学习
摘要：	无人驾驶智能汽车系统是一个集信息感知、自动路径选择与驾驶行为规划等能力于一体的综合智能系统。工业信息技术的飞速发展，推动无人驾驶智能汽车系统不断创新发展并逐渐进入大众的视野中，与此同时，无人驾驶智能汽车的行车安全问题也受到人们广泛关注。　　无人驾驶智能汽车能够快速准确地感知出周围环境中的车辆、行人等物体是其能够在夜间道路上安全行驶的重要前提，而要实现快速准确的环境感知，首要的问题就是需要给无人驾驶智能汽车配置合适的“眼睛”，即选择合适的传感器。不同传感器有不同的优劣势，因此研究一种基于多传感器融合的三维目标检测算法，充分发挥每个传感器的特点，对于提高无人驾驶智能汽车的信息感知能力有重要意义。　　无人驾驶智能汽车在夜间道路上安全行驶的另一重要环节为自主驾驶行为规划能力的实现，当无人驾驶智能汽车能感知周围复杂环境的信息后，需要对这些复杂信息进行过滤判断并采取相应的策略，进而自主地控制车辆行驶，因此使无人驾驶智能汽车自主做出合理的驾驶行为规划也是一个重要课题。　　为了提高无人驾驶智能汽车在夜间环境下的信息感知能力与驾驶行为规划能力，本文针对无人驾驶智能汽车的三维目标检测与驾驶行为规划算法进行了深入研究。研究内容主要包括两个部分：一部分为基于红外图像与激光雷达点云融合的多视角通道三维目标检测算法；另一部分为基于分层逆向强化学习的驾驶行为规划算法。　　论文的主要创新点如下：　　1.提出一种基于红外图像与激光雷达点云融合的三维目标检测算法，针对目前在夜间条件下，无人车使用红外图像对周围物体进行目标检测的效果不好这一问题，在原有红外图像数据的基础上，融合同步的激光雷达点云数据共同进行目标检测。在对红外图像与激光点云进行一系列预处理后，利用多视角通道融合网络进行特征提取、候选区域选取、数据融合以及三维目标检测，具体数据融合方案为深度融合，利用两种不同传感器信息互补的优势，大幅提升目标检测的准确率；并对多视角通道融合网络进行改进，提出一种基于特征金字塔的特征编码和特征解码方式。该方式能够将特征图重新映射回原始输入的尺寸，使特征提取网络输出的特征图具有高分辨率和高代表性，能够改善小目标尤其是远处行人的检测效果。　　2.提出一种基于分层逆向强化学习的无人车驾驶行为规划算法，针对在夜间条件下无人车的自主驾驶行为规划问题，考虑人类在实际执行驾驶行为时所采取的思维策略模式，将无人车的驾驶行为规划过程划分为离散与连续两个层次，离散主要指瞬时的驾驶行为决策，连续主要指速度、距离等连续变化的量。采用基于概率模型的逆向强化学习方法学习人类真实驾驶行为，并将所有可能的未来驾驶行为的条件分布表示为概率分布的混合模型，实验结果显示该算法可以很好地拟合人类驾驶员在驾驶时转动方向盘的行为。
作者：	王宇岚
专业：	控制科学与工程
导师：	孙韶媛
授予学位：	硕士
授予学位单位：	东华大学
学位年度：	2019
正文语种：	中文