虚拟现实和三维物理仿真技术的自动驾驶平台研究【字数：14558】
随着科学技术的不断发展。当前，市场上的车辆基本是配有较为低级的智能辅助驾驶系统的量产车。现在国内外很多的研发人员在努力的研发装配三级及以上的自能驾驶系统的车辆。而三级及以上的自动驾驶车辆是需要在特殊场景甚至是任意场景实现无人自动驾驶。所以自动驾驶车辆对周边环境的检测预判将是安全保障中最重要的一环，是后续决策、控制方法正确执行的前提。本文的的难点在于车辆之间的相对运动会形成遮挡，以及车上的传感器存在的盲区使得车辆无法对环境准确的感知。在环境感知方面，在针对环境中车辆与行人等障碍物之间容易形成遮挡等问题，本文探索了一种基于深度学习的目标检测跟踪的障碍物感知方法，可以实现对环境感知范围内障碍物的目标预测跟踪。基于卡尔曼滤波的目标跟踪算法实现了对环境中障碍物的运动状态准精准估计。本文基于ROS的三维物理仿真针对模拟不同场景，不同天气的环境测试对车辆自动驾驶的影响虚拟测试。通过自动驾驶的虚拟仿真平台测试与实车实验的结果对比，验证了本文建立的自动驾驶虚拟测试平台，能够用于自动驾驶车辆的相关功能的和虚拟测试工作。
目 录
1. 绪论 1
1.1 自动驾驶的的发展历史 1
1.2 自动驾驶分级和分类 2
1.3 课题研究的背景及意义 3
1.4 课题的国内外研究现状 4
1.5 本文的内容安排 5
2.自动驾驶目标检测跟踪算法及综述 6
2.1自动驾驶汽车的目标检测跟踪概述 6
2.2 深度卷积神经网络 7
2.2.1 CNN网络结构 7
2.2.2 树的结构 8
2.2.3 目标查找 8
2.2.4 整体模型更新 9
2.3 基于卡尔曼滤波器的目标跟踪算法 9
2.3.1 卡尔曼滤波器理论 9
2.3.2 卡尔曼滤波器的理解应用 10
2.4 本章小结 11
3.基于深度学习的目标检测跟踪 12
3.1 ROI过滤 14
3.1.1数据接收与存储 14
3.1.2点云坐标系转换 14
3.1.3 ROI LUT构造与点查询 14
3.1.4筛选点云 *好棒文|www.hbsrm.com +Q: ^351916072#
14
3.2 基于卷积神经网络分割 15
3.2.1通道特征提取 15
3.2.2基于卷积神经网络的障碍物预测 16
3.2.3障碍物集群 17
3.3 障碍物边框构建 17
3.3.1?计算平面投影 19
3.4 基于卡尔曼滤波的目标跟踪 20
3.4.1预处理 22
3.4.2预测物体当前位置与速度 22
3.4.3关联检测物体和跟踪物体 23
3.4.4更新跟踪物体位置与速度信息 23
3.5 本章小结 23
4. 自动驾驶虚拟测试平台的构建 25
4.1 自动驾驶软件平台的搭建 25
4.2 自动驾驶环境的搭建 26
4.2.1 道路仿真 27
4.2.2建筑仿真 28
4.3 自动驾驶汽车的搭建 30
4.3.1车辆建模 30
4.3.2 车辆传感器仿真 32
4.4 本章总结 33
5.测试验证 34
5.1实车测试 34
5.2 仿真测试 36
5.3 测试总结 38
6.总结与展望 38
致谢 40
参考文献 41
1 绪论
1.1 自动驾驶的的发展历史
人类的自动驾驶梦想是由来已久的，自从1986年以来，卡内基梅隆大学便开始致力于研究无人驾驶技术，并且尝试这去做自动驾驶车辆了。在 20 世纪 70 年代，很多发达国家，例如美国、日本以及欧洲几个强国，都已经尝试着去研究自动驾驶技术。这样的背景下，自主地面车辆(ALV)计划被美国国防部提出。ALV计划的要求是在未知的环境下，例如旷野、沙漠，可以在低速度情况下实现自主驾驶。主要目的是想制定，能够在野外战场环境下巡视并且侦查等战术布置的无人车；另外的目的就是通过研发 ALV 的过程，使控制科学、计算机技术、人工智能等学科互相交叉协作，推动产业发展。弗吉尼亚大学、麻省理工学院等很多知名大学也都展开了无人车的研究，都有一定进展和突破。但是因为当时的硬件设备并不好，导致了当时的自动驾驶汽车的研究被 70 年代的计算机处理速度和能力限制住，自动驾驶项目因此也遇到了障碍；同时人工智能的理论也因为硬件限制发展的不成熟，因此硬件软件都造成了无人驾驶研究的瓶颈。
在 80 年代到 90 年代之间，民用汽车的需求越来越高，汽车行业也随着工业水平的提高生机盎然，各类相关的研究也都相继出现。多种多样的研究成果被转化为各类辅助驾驶和安全驾驶技术，让人们驾驶的乐趣和体验更加丰富，同时车辆行驶的安全性也得到了保障。最早，一款以运动型轿车为主体的智能车试验床 Navlabsvii3 在 1995 年卡耐基梅隆大学研制出来。这辆试验车从美国东部高速到美国西部高速共行驶了 5000 公里，自主驾驶了 96%的路程，并且时速达到了 55Km。在各类恶劣环境中完成了正常驾驶，成功到达目的地。
从2004 到 2007 年，美国国防部一共举办了三届无人驾驶车辆的比赛，同时增加对无人驾驶汽车的投入，因为三届无人驾驶赛事的举办成功，自动驾驶汽车的技术也迅速的成长起来，并且对自动驾驶技术的研发投入也是越来越大。
Google 公司在 2009 年开始了无人驾驶车辆的研究，靠着成熟的软件实力和算法团队，无人驾驶技术被 Google 推向新的高度。各类激光传感器，声波雷达等设备装载的谷歌无人车，可以没有死角的获取环境信息。
/
图1.1 自动驾驶发展历史
1.2 自动驾驶分级和分类
一些报道说，到2020年底，自动驾驶汽车将会征服我们的道路。在我们讨论自动驾驶时，经常会提到自动驾驶的自主性等级。智能汽车的驾驶自动化等级可分为以下五个等级：L1级别为定速巡航，有自动控制功能，以防范车祸；L2级别为固定车道线，有大于2个功能融合成无人控制的危险探测和响应系统；L3级别主要是在特殊的环境下进行无人驾驶，并且可以随时恢复成驾驶员模式；L4L5为完全无人驾驶阶段，可以探测环境并在任意环境下无人驾驶。
/
目 录
1. 绪论 1
1.1 自动驾驶的的发展历史 1
1.2 自动驾驶分级和分类 2
1.3 课题研究的背景及意义 3
1.4 课题的国内外研究现状 4
1.5 本文的内容安排 5
2.自动驾驶目标检测跟踪算法及综述 6
2.1自动驾驶汽车的目标检测跟踪概述 6
2.2 深度卷积神经网络 7
2.2.1 CNN网络结构 7
2.2.2 树的结构 8
2.2.3 目标查找 8
2.2.4 整体模型更新 9
2.3 基于卡尔曼滤波器的目标跟踪算法 9
2.3.1 卡尔曼滤波器理论 9
2.3.2 卡尔曼滤波器的理解应用 10
2.4 本章小结 11
3.基于深度学习的目标检测跟踪 12
3.1 ROI过滤 14
3.1.1数据接收与存储 14
3.1.2点云坐标系转换 14
3.1.3 ROI LUT构造与点查询 14
3.1.4筛选点云 *好棒文|www.hbsrm.com +Q: ^351916072#
14
3.2 基于卷积神经网络分割 15
3.2.1通道特征提取 15
3.2.2基于卷积神经网络的障碍物预测 16
3.2.3障碍物集群 17
3.3 障碍物边框构建 17
3.3.1?计算平面投影 19
3.4 基于卡尔曼滤波的目标跟踪 20
3.4.1预处理 22
3.4.2预测物体当前位置与速度 22
3.4.3关联检测物体和跟踪物体 23
3.4.4更新跟踪物体位置与速度信息 23
3.5 本章小结 23
4. 自动驾驶虚拟测试平台的构建 25
4.1 自动驾驶软件平台的搭建 25
4.2 自动驾驶环境的搭建 26
4.2.1 道路仿真 27
4.2.2建筑仿真 28
4.3 自动驾驶汽车的搭建 30
4.3.1车辆建模 30
4.3.2 车辆传感器仿真 32
4.4 本章总结 33
5.测试验证 34
5.1实车测试 34
5.2 仿真测试 36
5.3 测试总结 38
6.总结与展望 38
致谢 40
参考文献 41
1 绪论
1.1 自动驾驶的的发展历史
人类的自动驾驶梦想是由来已久的，自从1986年以来，卡内基梅隆大学便开始致力于研究无人驾驶技术，并且尝试这去做自动驾驶车辆了。在 20 世纪 70 年代，很多发达国家，例如美国、日本以及欧洲几个强国，都已经尝试着去研究自动驾驶技术。这样的背景下，自主地面车辆(ALV)计划被美国国防部提出。ALV计划的要求是在未知的环境下，例如旷野、沙漠，可以在低速度情况下实现自主驾驶。主要目的是想制定，能够在野外战场环境下巡视并且侦查等战术布置的无人车；另外的目的就是通过研发 ALV 的过程，使控制科学、计算机技术、人工智能等学科互相交叉协作，推动产业发展。弗吉尼亚大学、麻省理工学院等很多知名大学也都展开了无人车的研究，都有一定进展和突破。但是因为当时的硬件设备并不好，导致了当时的自动驾驶汽车的研究被 70 年代的计算机处理速度和能力限制住，自动驾驶项目因此也遇到了障碍；同时人工智能的理论也因为硬件限制发展的不成熟，因此硬件软件都造成了无人驾驶研究的瓶颈。
在 80 年代到 90 年代之间，民用汽车的需求越来越高，汽车行业也随着工业水平的提高生机盎然，各类相关的研究也都相继出现。多种多样的研究成果被转化为各类辅助驾驶和安全驾驶技术，让人们驾驶的乐趣和体验更加丰富，同时车辆行驶的安全性也得到了保障。最早，一款以运动型轿车为主体的智能车试验床 Navlabsvii3 在 1995 年卡耐基梅隆大学研制出来。这辆试验车从美国东部高速到美国西部高速共行驶了 5000 公里，自主驾驶了 96%的路程，并且时速达到了 55Km。在各类恶劣环境中完成了正常驾驶，成功到达目的地。
从2004 到 2007 年，美国国防部一共举办了三届无人驾驶车辆的比赛，同时增加对无人驾驶汽车的投入，因为三届无人驾驶赛事的举办成功，自动驾驶汽车的技术也迅速的成长起来，并且对自动驾驶技术的研发投入也是越来越大。
Google 公司在 2009 年开始了无人驾驶车辆的研究，靠着成熟的软件实力和算法团队，无人驾驶技术被 Google 推向新的高度。各类激光传感器，声波雷达等设备装载的谷歌无人车，可以没有死角的获取环境信息。
/
图1.1 自动驾驶发展历史
1.2 自动驾驶分级和分类
一些报道说，到2020年底，自动驾驶汽车将会征服我们的道路。在我们讨论自动驾驶时，经常会提到自动驾驶的自主性等级。智能汽车的驾驶自动化等级可分为以下五个等级：L1级别为定速巡航，有自动控制功能，以防范车祸；L2级别为固定车道线，有大于2个功能融合成无人控制的危险探测和响应系统；L3级别主要是在特殊的环境下进行无人驾驶，并且可以随时恢复成驾驶员模式；L4L5为完全无人驾驶阶段，可以探测环境并在任意环境下无人驾驶。
/
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/1111.html
