无人驾驶系统中智能算法及其安全性研究

发布时间：2021-08-07 00:47

　　近年来,各国对无人驾驶的研究异常火热,国内外智能驾驶研究主要着力于智能驾驶系统各模块之间的调通与算法调优以及最后的实车落地,对无人驾驶系统中智能算法及其安全性的研究与测试仍未得到广泛的关注,故对无人驾驶系统中智能算法及其安全性研究具有十分主要的意义。本文首先提出了无人驾驶智能算法及其安全体系结构,归纳出无人驾驶系统各层存在的安全性问题。针对无人驾驶安全体系结构规划与决策层中基于人工势场法的局部路径规划算法存在的容易陷入局部极小值点的问题,提出了基于人工势场法与差分进化法的局部路径规划算法;针对基于深度学习卷积神经网络的车道线检测算法在车道线缺失,恶劣天气条件下车道线识别率低的问题,本文提出了一种基于高精地图与多传感器融合的车道线检测算法。本文主要研究工作包含三部分,如下所所述:（1）提出无人驾驶智能算法及其安全体系结构。该体系结构按照功能可以划分为应用层安全、网络层安全、规划与决策层安全、感知层安全,本文提出智能无人驾驶系统应用层安全问题包括高精地图在低定位精度下无法匹配地形;网络层安全问题包括车辆网中数字签名伪造以及数据认证失败的问题;规划与决策层安全问题包括局部路径规划算法、行人检... 

【文章来源】：南京邮电大学江苏省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

谷歌无人驾驶测试车

京邮电大学专业学位硕士研究生学位论文 第一章 绪[8]，百度近几年来从传统的搜索引擎公司转型无人驾驶公司，由于人工智能算法是智汽车的核心，而在算法的研究上，百度依托数十年来在人工智能领域的经验，在深度法上占据巨大优势，其为 Apollo 2.5量身打造的端对端深层神经网络[9]，达到了万亿参模，深厚的技术积累为百度打造无人驾驶及智能汽车体系提供了巨大的基础，如图 1.。同时，百度在高精地图领域也是国内为数不多的先行者与佼佼者，百度地图凭借这默默耕耘，已经采集到了覆盖我国全部国道、省道、乡道以及全部城市、乡镇不同路百万公里的高精地图数据，这些基础信息的采集与建立都是未来无人驾驶产业能真正展的重要基石。

图 2.2 英伟达端对端深度学习方案习系统的数据采集和训练过程如下：习系统需要的元数据包括三类，一类是所有车载传感器例如的周围环境数据，一类是地图数据以及云端平台辅助行驶的员驾驶车辆时的操作记录，包括方向盘的偏转角度，车辆加减的前两类数据传感器感知到的周围环境数据以及地图及云端卷积网络中计算出方向控制命令。预测的方向控制命令与理 CNN 模型的权值使得预测值尽可能接近理想值。系统应用层


本文编号：3326817