基于模糊邏輯的智能駕駛關(guān)鍵技術(shù)研究.pdf

1、在過去的30年,用于城市地面交通工具中自動(dòng)駕駛技術(shù)的開發(fā)已經(jīng)得到了飛速的發(fā)展。目前,現(xiàn)代自主駕駛車輛已具備一定感知車輛周圍環(huán)境的能力,比如根椐分類所分析對(duì)象的類型并進(jìn)行檢測;觀測周身環(huán)境的變化并評(píng)估對(duì)象的移動(dòng)可能性;在遵循交通法規(guī)的基礎(chǔ)之上對(duì)復(fù)雜的交通現(xiàn)狀進(jìn)行車輛路徑規(guī)劃并分析障礙物的移動(dòng)方向等。在這些復(fù)雜的情況下,這種自主導(dǎo)航能力是建立在很多學(xué)科(例如:計(jì)算機(jī)學(xué)、電子工程學(xué)、機(jī)器人技術(shù)和控制學(xué)等)的基礎(chǔ)之上跨越并結(jié)合之后研發(fā)的。

2、 本學(xué)位論文對(duì)自主車輛系統(tǒng)所包含很多重疊和整合系統(tǒng)及技術(shù)知識(shí)進(jìn)行了探討,并對(duì)從攝像機(jī)鏡頭捕捉到的圖像以及對(duì)于車輛位置、車輛性質(zhì)種類、不同物體的速度及來自從各種傳感器如GPS、雷達(dá)、相機(jī)、和其他人對(duì)車輛周圍的危險(xiǎn)指數(shù)分析并對(duì)相關(guān)數(shù)據(jù)資料加以分析和總結(jié)。值得說明的是對(duì)所研究對(duì)象來判斷并得出詳細(xì)描述他們的內(nèi)容研究(比如根椐他們的外部形象特征來將其歸類)不在本論文的范圍內(nèi)。
　　首先我們?cè)O(shè)計(jì)或規(guī)劃得出描述每個(gè)對(duì)象的N個(gè)特征向量等數(shù)據(jù),每個(gè)

3、特征向量包含的數(shù)據(jù)描述如下:(1)對(duì)象屬性(比如汽車、人群、樹木、障礙物等等)(2)測試車輛和物體之間的距離以[以(x,y)坐標(biāo)軸的方式描述與計(jì)算]。(3)運(yùn)動(dòng)客體的相對(duì)移動(dòng)方向[以(x,y)坐標(biāo)軸的方式描述與計(jì)算]。(4)行駛車輛的當(dāng)前速度。行駛環(huán)境范圍內(nèi),車輛與每個(gè)物體之間計(jì)算得出的時(shí)間值可能會(huì)有沖突,這是證明風(fēng)險(xiǎn)的關(guān)鍵點(diǎn)?；诳赡艽嬖诘呐鲎矔r(shí)間標(biāo)準(zhǔn),每個(gè)對(duì)象都是通過使用不同的分類技術(shù)風(fēng)險(xiǎn)和危險(xiǎn)水平來排序。目前這些技術(shù)具體包含:K最

4、近鄰群集算法(KNN)、神經(jīng)網(wǎng)絡(luò)(NN)、支持向量機(jī)(SVM)等。相比較之下,K-means算法經(jīng)研究被驗(yàn)證為最適用于本文所描述數(shù)據(jù)集的最好方法。
　　然后,我們研究如何處理那些僅使用單項(xiàng)輸入模式可能無法實(shí)現(xiàn)的、并從多個(gè)特征向量中為了提高準(zhǔn)確性和更具體推論規(guī)則和推理的數(shù)據(jù)融合系統(tǒng)相結(jié)合的數(shù)據(jù),以及為了給予一個(gè)正確精準(zhǔn)的決策而需要對(duì)n向量操控和整合等方面的問題。為了計(jì)算給出一個(gè)正確的決策信息,我們針對(duì)一個(gè)由F個(gè)自定義的特征組成向量,

5、并結(jié)合N個(gè)采集對(duì)象特征向量,然后融合集成所有必需的數(shù)據(jù)集。在此研究背景的框架下,我們提出了兩種不同的融合算法:A)基于車輛相對(duì)位置的決策級(jí)數(shù)據(jù)融合[最高風(fēng)險(xiǎn)從(左,右和前面,后面)]。B)基于對(duì)象特征屬性的數(shù)據(jù)融合[風(fēng)險(xiǎn)最高的(汽車、人力、交通信號(hào)燈、和障礙]。并且,在此基礎(chǔ)上我們?cè)敿?xì)比較了這兩個(gè)方法。同時(shí)在決策階段時(shí)依據(jù)輸入的特性選用其中之一方法,以便得到較好的決策結(jié)果。
　　最后,我們介紹了提出的模糊邏輯控制系統(tǒng),用于解決不確

6、定性的考慮多個(gè)選擇的問題,一種合適的模糊邏輯決策算法。該算法的思想是依據(jù)不同行為特征選擇導(dǎo)致的有關(guān)車輛位置等不同距離特征的影響,并以計(jì)算得出的汽車碰撞時(shí)間進(jìn)行測試。不同距離特征會(huì)影響所需計(jì)算的汽車碰撞時(shí)間,這個(gè)運(yùn)算法則始于那些行為被選擇,而后執(zhí)行“并”的法則完成和遵循。系統(tǒng)描述了汽車自主行駛決策的各種工況,包括每個(gè)“僅在前”,“僅在后”,“僅在左”,“僅在右”等方向的工況下車輛對(duì)象可能產(chǎn)生事故的原因。由于本文方法具備了提示正確的方向轉(zhuǎn)向