原文传递
基于车辆行为预测的无人驾驶避障技术研究
| 论文题名： | 基于车辆行为预测的无人驾驶避障技术研究 |
| 关键词： | 自动驾驶汽车;动态避障;车联网;深度学习;人工势场法 |
| 摘要： | 车联网的出现推动了自动驾驶汽车的发展，这也使得人们对动态场景下避障算法的需求提高。一方面，相较于静态场景下的路径规划，避障算法需要更适应动态环境；另一方面，在传统感知系统的基础上，避障算法需要更早地感知目标车辆的行驶轨迹，从而实现更早更安全的避障操作。 本硕士学位论文的研究目标是：基于传统避障算法，研究一种适合自动驾驶场景的动态避障算法；通过深度学习模型预测周围车辆的未来行驶轨迹；以深度学习预测模型的结果为基础，结合改进后的动态避障算法，实现一种更优的无人驾驶避障决策框架。具体地，本文的主要研究工作包括： （1）基于卡尔曼滤波预测和自动驾驶环境下的动态避障需求，提出了一种基于预测的改进型动态人工势场法，避免对无碰撞可能目标的计算，面对动态障碍物时避障路径更优，安全性更高，并通过仿真验证了改进方法能够提供更大的安全避障距离和更合理的避障路径。 （2）基于深度学习的车辆行为预测方法，采用基于CS-LSTM模型和NGSIM数据集的深度学习方法，考虑车辆间交互对目标车辆行为的影响，实现对目标车辆行为的预测，并通过测试验证了该方法相较于其他算法拥有更高的预测准确度。 （3）基于改进的动态避障算法和深度学习车辆行为预测模型，提出了一种基于预测的无人驾驶避障决策框架，通过预测提前获取碰撞可能信息，提前规划好更安全的避障路径。并进行仿真验证了所提框架的可行性，新框架具有更大的安全避障距离和更优的避障路径。 |
| 作者： | 高吉 |
| 专业： | 计算机科学与技术 |
| 导师： | 陈兵 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京航空航天大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
