【摘 要】
:
自动泊车系统作为高级辅助驾驶系统的重要组成部分,随着无人驾驶技术的发展其应用市场与研究前景也愈发广阔。根据自动泊车系统运行阶段的不同,本文将其按功能划分为可停车位检测与车辆控制两部分,前者负责在车辆行驶过程中搜寻可停车位坐标,后者包含路径规划、车辆定位和路径跟踪,负责在规划泊车路径后根据车辆与车位之间的相对位置关系控制车辆完成泊车。针对以往研究中感知设备在车位检测中的局限性,本文设计一种基于双目相
论文部分内容阅读
自动泊车系统作为高级辅助驾驶系统的重要组成部分,随着无人驾驶技术的发展其应用市场与研究前景也愈发广阔。根据自动泊车系统运行阶段的不同,本文将其按功能划分为可停车位检测与车辆控制两部分,前者负责在车辆行驶过程中搜寻可停车位坐标,后者包含路径规划、车辆定位和路径跟踪,负责在规划泊车路径后根据车辆与车位之间的相对位置关系控制车辆完成泊车。针对以往研究中感知设备在车位检测中的局限性,本文设计一种基于双目相机的自动泊车系统,以同时实现可停车位检测与车辆泊车定位功能,并设计与之对应的路径规划、跟踪算法。主要工作内容包括:通过分析双目视觉成像、测距原理与相机图像标定矫正过程,将双目相机在自动泊车系统不同阶段中用途由其数据需求划分。其中基于区域的匹配算法可生成与图像对应的稠密点云,用于车位探寻阶段以尽可能还原环境信息。而基于特征的匹配算法运行速度较快,在车辆泊车阶段可利用其生成稀疏点云作为视觉里程计实时计算车辆位姿。设计算法提取可停车位坐标。首先采用随机采样一致性算法分别提取障碍物、地面点云。借助车位线与地面对比度关系对原始图像进行处理后,提取车位线图像与视差图结合获取车位线点云。通过研究点云结构性误差,本文提出了一种基于点云误差分布统计的车位检测算法,以提高算法稳定性并减少像素离散化导致的误差。此外本文还设计了对应的路径规划、路径跟踪算法。基于车辆运动约束与泛化的泊车环境限制,研究单步平行泊车的车辆碰撞条件。设计基于三段式的泊车路径规划算法,以获取符合驾驶员泊车习惯的合理轨迹。在自动泊车系统的路径跟踪模块中根据相机坐标系、车辆坐标系与车位坐标系间相对关系,采用视觉里程计提供路径跟踪算法所需的车辆实时位姿信息。针对泊车路径形状普遍特点,本文使用改进的纯追踪算法以提高跟踪路径精度。最后搭建实车平台,在理想场景下实验结果表明本文所设计车位检测算法与自动泊车系统的可行性。
其他文献
城市道路场景视觉感知算法对于无人驾驶避障至关紧要,然而由于城市道路场景复杂、困难样本极多,现有算法普遍存在分割定位精度低、运行速度慢的问题。为设计出兼具高实时性和精度的视觉感知算法,本文进行了如下研究:首先,搭建了兼具的高实时性和高精度城市道路场景实时视觉感知神经网络架构。优选了Efficient Net-d3作为特征提取模块;引入注意力机制,改进了特征加权融合PA-FPN,并选为特征融合模块;最
随着环境恶化、能源安全和地缘政治问题的日益突出,人们越来越重视可持续发展。根据国际能源署的统计,建筑的能耗已经占到社会总能耗的32%。随着全球城镇化的进一步推进,建筑能耗的占比会越来越高。而现代建筑中暖通风空调(Heating Ventilation and Air Conditioning,HVAC)系统的能耗占比非常高,因此本文研究建筑HVAC系统能耗的预测方法和降低HVAC系统能耗的途径。本
随着我国老龄化人口和残疾人数的增多,使得外骨骼机器人具有良好的应用前景。传统的外骨骼机器人的控制方法是通过人体的肌电信号和装在外骨骼机器人上的传感器来实现的,但是对于几乎没有残余的运动能力和肢体残疾的患者来说并不能有效采集到对应肢体的肌电信号,而脑电信号却不受这些因素的限制,由此引申出来对脑电信号模式识别的研究。本文采用了运动想象脑电信号作为研究的数据,实现了对两类的运动想象脑电信号的分类识别,有
进入21世纪以来,以通信、计算机为代表的人工智能的迅猛发展使现代社会加速迈入了智能化时代。如今,通信社交、智能电网等不同领域呈现出网络化趋势,各种各样的网络化复杂系统出现在人们的工作和生活中。研究网络中复杂动力学行为有助于人们清晰地认识动力学的行为特性,有助于科学规划和设计复杂系统。因此,本文基于网络中常见的中观结构,研究了不同动力学的行为特性,揭示了中观结构的变化如何影响动力学的行为。本文的主要
我国制造业正在从劳动密集型向技术密集型转化,推出低成本、高稳定性的智能焊接机器人系统,一方面可使部分焊工从恶劣的环境中解放出来,另一方面也能提高焊接效率和工件品质的一致性,对我国焊接机器人技术发展和积累皆有重要意义。虽然示教型焊接机器人系统得到广泛使用,但在焊接过程中,当工件发生形变时,它只能按照预先设定的焊接路径与参数进行焊接而无法实时纠偏。离线编程型焊接机器人可通过提前规划的路径完成焊接,且焊
从海量的医疗信息中发现有价值的信息已成为机器学习等领域的热点研究内容,医疗数据分类是其中一项重要技术。现实医疗数据存在不同类别样本数量不平衡的问题,训练的分类模型易偏向多数类(正常人)而忽视蕴含更多价值信息的少数类(疾病患者)。另外医疗数据中的特征维度高且复杂,其中存在大量的无关和冗余特征,将全部特征用于训练分类模型不但会增加计算成本而且会降低分类性能。本文围绕上述两个问题开展研究,主要内容如下:
随着人工智能技术的快速发展,汽车的智能化水平与日俱增,结构化道路作为最常见和最重要的交通场景,是实现自动驾驶典型的应用场景。在自动驾驶技术中,智能车的驾驶行为决策一直是研究的热点和难点,目前主流的决策方法主要基于专家规则,缺少对环境的适应性和泛化性。本文以智能车为研究对象,基于结构化道路交通环境,面向直道、并道以及环岛三种典型场景,针对智能车行为决策的特殊性和环境的多样性,提出了两种基于深度强化学
电动汽车因其安全可靠、能源充足、污染气体零排放等优点受到了社会各界人士的广泛关注。无线电能传输技术可以解决充电难、储能慢、续航短、电池容量小等限制了电动汽车普及的问题,但抗干扰能力弱、功率波动大、可靠性低等缺点局限了该技术的应用。为了增强抗干扰能力、减小功率波动、提高可靠性,本文分析并设计了无线电能传输系统,并深入研究了系统特性和控制策略。本文的主要研究内容如下:分析了无线电能传输系统的电气特性以
深度学习在计算机视觉、自然语言处理、语音信号识别等领域都取得了成功。在有限的样本下训练深度学习模型通常会遇到过拟合的问题,而增加数据量是缓解过拟合的有效手段。然而在实际中利用人工标注数据往往是代价昂贵的,因此需要设计有效的半监督学习方法利用未标记数据进一步提升模型的泛化能力。本文针对半监督分类任务,对传统的一致性估计方法进行了研究,主要研究内容如下:(1)Temporal Ensembling模型
要达到可持续发展的目标可以通过对可再生能源的有效管理来实现,其中,风能作为最有前景的可再生能源之一,以其可再生性和可持续性受到世界各国的关注。随着风电系统在电网中所占比例的急剧提升,准确的风速预测对风力发电机组的稳定运行,对风电的利用和并网都是至关重要。然而,风速的灵活性和间歇性使得准确的风速预测成为一项具有挑战性的任务,基于此,提出了一个基于分解和集成的风速超短期预测模型。所提出的风速超短期预测