原文传递
基于深度学习的车道线检测与车道保持控制研究
| 论文题名： | 基于深度学习的车道线检测与车道保持控制研究 |
| 关键词： | 深度学习;车道线检测;车道保持;横向控制器 |
| 摘要： | 近年来，由于社会经济增长，车辆保有量逐渐增大，自动驾驶成为汽车行业内热门的研究方向。有不少高等院校及研究机构都在致力于自动驾驶功能的开发与研究，车道保持作为自动驾驶基础功能之一，可以减少因驾驶员分心或误操作引起的偏离正常行驶车道，从而降低交通事故发生的概率，有效提高车辆行驶安全性，所以对车道保持的研究具有十分重大的实际意义。论文的主要研究内容如下： 首先，基于摄像头通过深度学习的方法来进行车道线检测，采用改进的ResNet网络作为骨干网络来提取车道线特征，搭建车道线模型，并基于Transformer网络编码器及解码器结构实现端到端输出车道线模型系数。使用TuSimple数据集作为训练及验证集，最后使用VIL-100数据集中的包括拥挤路况、车道线受损、阴影、存在道路标志、强光、雾霾、夜晚等图片，来验证模型准确性及鲁棒性。 其次，建立车辆二自由度动力学模型。以前轮转角为输出量，以横向误差、横向误差变化率、横摆角误差和横摆角误差变化率作为状态量，建立道路误差模型。以LQR控制器为基础，为解决稳态误差问题，增加前馈控制，联合LQR及前馈控制搭建横向控制器。 然后，通过Simulink和Carsim搭建联合仿真平台，根据国家测试标准设计S弯及复杂道路两种道路环境，以不同的速度在两种道路工况下进行实验。车辆在各种工况下都可以在车道内稳定行驶，并具有很好的居中性能，验证了横向控制器的效果与性能。 最后，搭建树莓派智能小车进行车道保持控制验证。实验结果表明，在直线与弯道两种工况下，智能小车都能检测出车道线，并保持在车道内行驶。 |
| 作者： | 符凌俊 |
| 专业： | 工程(车辆工程) |
| 导师： | 张勇;覃亮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
