原文传递
基于深度学习的前方车辆运动状态估计与驾驶意图识别方法研究
| 论文题名： | 基于深度学习的前方车辆运动状态估计与驾驶意图识别方法研究 |
| 关键词： | 驾驶意图识别;智能车辆;运动状态估计;深度学习;门控循环单元 |
| 摘要： | 随着国民经济水平的不断提高，全国汽车保有量也在飞速上涨，汽车在给人们的出行带来便利的同时，也伴随着一系列出行安全等方面的问题，其中有相当一部分安全事故是由于驾驶人的不合理驾驶行为引起的。在汽车智能化水平不断提高的今天，智能车辆如何通过有限的信息获取提高对周围运动车辆的驾驶意图的识别准确率具有重大的意义。本文基于上述背景提出了一种基于深度学习的前方车辆运动状态估计与驾驶意图识别模型，主要研究内容如下： （1）智能车辆首先要能够准确的检测到前方运动目标车辆，因此本文根据检测实时性和准确性的要求对原始DeepLabV3+模型进行优化改进，并使用人工标注制作的道路场景数据集对改进后的模型进行训练和性能评估，改进后的模型参数量只有原来的1/36，但是像素精度只下降了1.3个百分点。 （2）智能车辆检测并分割出前方运动目标车辆后，下一步是能够获取目标车辆的运动状态参数。本文采用基于矩的运动中心算法和基于匀加速（ConstantAcceleration,CA）运动模型的扩展卡尔曼滤波（ExtendedKalmanFilter,EKF）算法获取前方目标车辆的横向位置参数：横向车距、横向速度和横向加速度。 （3）根据驾驶意图具有时间序列相关性的特点，提出了一种基于门控循环单元（GatedRecurrentUnit,GRU）的前方车辆驾驶意图识别模型，并对车辆轨迹开源数据集NGSIM（NextGenerationSimulation）进行数据预处理，分别提取出车道保持、右换道和左换道的轨迹数据片段，并对驾驶意图识别模型进行训练，模型的识别准确率为94%以上。最后用真实采集的换道轨迹数据对模型的识别效果进行验证，结果表明该模型能够对前方目标车辆的驾驶意图进行准确识别。 |
| 作者： | 赵慧婷 |
| 专业： | 车辆工程 |
| 导师： | 王建锋 |
| 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
