原文传递
基于视觉感知信息的智能车辆避障控制研究
| 论文题名： | 基于视觉感知信息的智能车辆避障控制研究 |
| 关键词： | 智能车辆;避障控制;路径规划;视觉感知 |
| 摘要： | 随着智能和电动汽车技术的不断发展，无人驾驶已成为行业发展的新趋势。无人驾驶汽车又称智能汽车，利用车载传感器来感知车辆周围环境，根据获取的道路环境信息控制车辆在道路上安全可靠地行驶。可行驶区域的语义分割技术在无人驾驶汽车的环境感知领域有着重要研究价值，而现有的视觉检测方法很难满足无人驾驶汽车对检测精度与速度的要求，因此视觉检测技术在车辆应用上依然面临巨大的挑战。另外，无人驾驶汽车如何在已知车辆行驶环境信息的前提下，让车辆自主安全地完成避让、换道等控制动作，也是车辆自主控制系统急需解决的难题之一。针对以上问题，本文对道路障碍物检测、车辆避障控制、联合仿真展开研究，并进行避障仿真实验。 首先，对车辆避障控制模型中用到的仿真软件和车辆模型进行配置；介绍了车辆模型的轮胎模型，并对车辆系统进行理想化假设建立车辆动力学模型，用于车辆避障控制的设计。 其次，针对图像分割中物体的多尺度问题，结合注意力机制自身的特点，研究了一种深度注意力联合的道路障碍物分割方法，利用神经网络各卷积层之间的特征属性，将轻量的 DW卷积和注意力机制相结合，在保证模型整体轻量的情况下更好地融合多尺度信息。另外，为了防止网络过拟合，引入了卷积核随机失活策略。网络模型在 Cityscapes 数据集上测试并与同类型方法对比，结果表明，研究的方法在检测精度等方面有明显的提升。 然后，根据导航或检测方法定位车道信息得到参考路径，并基于五次多项式函数，规划出最优避障路径。把车辆横、纵向解耦后分开控制，使用LQR作为车辆横向避障控制策略，通过控制前轮转角来控制车辆的横向位移与横摆角；并建立了跟踪误差模型来设计转向系统，引入了前馈控制来消除前馈误差。在双移线工况下，利用Simulink/Carsim软件，验证了横向控制器能稳定跟踪横向轨迹。利用神经网络优化 PID 参数，设计了一种神经网络 PID 车辆纵向避障控制器。在NEDC工况下，验证了车辆纵向控制器具有稳定和精确的跟踪控制效果。 最后，在 Simulink、Carsim 和 PreScan 仿真软件中搭建无人驾驶汽车的横纵向车辆控制器和路径规划算法并模拟了城市道路场景，利用感知信息对车辆横、纵向控制器进行联合仿真，对不同前车运动状态，进行了避障控制实验。结果表明，本文设计的控制器考虑道路环境后能有效地完成车辆的避障换道等操作。 |
| 作者： | 张博 |
| 专业： | 车辆工程 |
| 导师： | 李伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
