原文传递
基于卷积神经网络的车道保持系统的研究与设计
| 论文题名： | 基于卷积神经网络的车道保持系统的研究与设计 |
| 关键词： | 智能汽车;车道保持;卷积神经网络;车道线检测;横向控制 |
| 摘要： | 智能驾驶是目前汽车行业研究的热点。车道保持系统作为智能驾驶的一种，可以通过感知车辆前方道路信息对其转向进行控制，从而使车辆能够自主沿车道中心行驶。车道保持系统涉及计算机视觉、控制理论等多种技术，具有重要的研究意义。本文针对其中的车道线检测算法及横向控制算法进行了研究，主要研究内容如下： （1）搭建了车道保持系统软件及硬件架构。设计了以摄像头作为感知设备，以工控机作为决策机构，以线控底盘作为控制执行机构的硬件架构，并且通过CAN（ControllerAreaNetwork）通信卡实现线控底盘和工控机之间的数据传输以接收控制信号。软件方面，本文基于ROS（RobotOperatingSystem）系统搭建了分布式软件架构，将系统分为数据采集模块、车道线识别模块和决策控制模块，并将各功能模块设计为ROS系统中的节点，节点间通过话题形式进行信息传输。 （2）综合车道保持系统所需的实时性以及车道线检测的准确性，基于卷积神经网络搭建了车道线检测模型。车道线图像输入网络后，先通过编码器对图像进行降采样提取特征，再通过解码器对提取的特征进行融合，完成车道线像素点的分割。将这些像素点坐标从像素坐标系转换到车辆坐标系下，并对它们进行曲线拟合以得到车道线方程。由此规划出车道保持系统的期望路径，作为后续横向控制算法的基础。最后在测试集上对车道线检测模型进行了性能测试。结果表明，该模型检测准确率较高，并且在各种环境下均具有良好的鲁棒性。 （3）设计了车道保持横向控制器。首先根据车道保持系统的需求，选择建立二自由度车辆模型；接着建立Pacejka轮胎模型，结合车道保持系统的应用场景及车辆行驶安全性，选择轮胎的线性工况作为仿真和实验的条件；最后结合单点预瞄模型设计了横向控制算法，并将算法输出的控制信号转化为执行机构可接收的CAN报文。 （4）对系统进行了仿真和实车试验。基于Carsim/Simulink联合仿真平台搭建了横向控制算法模型，在不同工况下对模型进行实验，并对结果进行分析。同时进行了实车实验，对车道线检测和车道保持功能进行验证。实验表明，本文设计的系统可以控制车辆很好的沿道路中心行驶，能够满足车道保持系统的要求。 |
| 作者： | 杜学峰 |
| 专业： | 车辆工程 |
| 导师： | 仝秋红 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
