基于深度學習的無人車避障策略研究.pdf

1、自20世紀60年代出現(xiàn)的第一輛無人駕駛汽車以來，無人駕駛汽車技術取得了突破性的進展，涌現(xiàn)出了很多先進技術。本文針對當前無人車領域的發(fā)展現(xiàn)狀，綜述了其重要進展和成果，同時對深度學習算法以及車輛碰撞躲避策略的發(fā)展現(xiàn)狀進行了調研，并嘗試將深度學習算法運用到無人車的碰撞躲避策略上。結合當下激光雷達進行大量數(shù)據(jù)采集的優(yōu)勢與深度學習算法無監(jiān)督特征提取的特點，通過對車載激光雷達采集到的大量點云數(shù)據(jù)進行分析與處理，提取出車輛周圍的障礙物信息，再利用深度

2、神經網絡對障礙物信息進行分類識別，找到當前車輛周圍障礙物分布情況下最優(yōu)的車輛行駛決策，以此對無人車行駛過程中的碰撞躲避策略提供指導，避免碰撞事故的發(fā)生。
　　本文的創(chuàng)造性成果主要包括在以下幾個方面:
　　(1)針對試驗采集到的大量激光雷達數(shù)據(jù)，提出了一套全新的障礙物判別算法——障礙物信息提取與融合算法。先將試驗數(shù)據(jù)中的每一幀映射到二維RGB圖上，生成具有前后時序關系的多幀信息圖像。通過對比前后兩幀經處理過得到的RGB圖中z軸

3、坐標所對應的G值的變化情況來判斷空間點的相對運動情況，得到初步的車輛周圍障礙物信息，形成車輛周邊障礙物信息輪廓圖。
　　(2)以數(shù)據(jù)為中心點，著眼車輛周圍360度的環(huán)境狀況，將激光雷達所能掃描到的所有區(qū)域作為一個整體來對待。通過將大數(shù)據(jù)技術與深度學習算法相結合，應用到無人車碰撞躲避策略中的數(shù)據(jù)分析與決策。利用計算機相對人在海量數(shù)據(jù)處理上的優(yōu)勢，尋找比人工設計更全面更高效的碰撞躲避策略。
　　(3)構建深度神經網絡模型，利用“

4、掃描場圖像信息—駕駛員操作行為”這樣一種對應關系來描述人類司機的駕駛習慣。通過對人類司機駕駛行為的大量采樣，將經預處理得到的車輛周圍障礙物信息圖作為深度神經網絡的輸入數(shù)據(jù)，對深度神經網絡進行逐層訓練與調參，從大量的行車數(shù)據(jù)中提取出車輛的方向變化情況與加速度變化情況，即輸出標簽為對應的方向θ與加速度a的變化情況。所得到的輸出θ與a的變化情況即可作為駕駛員行駛策略的重要參考，有利于正確指導駕駛員進行正確的行駛決策，從而大大避免碰撞事故的發(fā)生