虚拟驾驶模型与环境自适应技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10页 |
| ·虚拟车辆智能驾驶的研究概况 | 第10-12页 |
| ·国外研究状况 | 第10-11页 |
| ·国内研究状况 | 第11-12页 |
| ·人工智能技术的应用 | 第12-13页 |
| ·论文的主要内容及组织结构 | 第13-14页 |
| 第二章 基本理论 | 第14-32页 |
| ·强化学习 | 第14-23页 |
| ·强化学习的基本原理和模型 | 第14-16页 |
| ·强化学习系统主要要素 | 第16-17页 |
| ·强化学习的特点 | 第17-19页 |
| ·强化学习的主要算法 | 第19-21页 |
| ·Q学习算法 | 第21-22页 |
| ·泛化方法 | 第22-23页 |
| ·人工神经网络 | 第23-32页 |
| ·人工神经元模型 | 第23-25页 |
| ·BP神经网络 | 第25-27页 |
| ·BP学习算法 | 第27-30页 |
| ·BP算法的优缺点讨论 | 第30-32页 |
| 第三章 基于强化学习的虚拟驾驶模型自主导航的设计 | 第32-42页 |
| ·强化学习各要素设计 | 第32-36页 |
| ·状态空间的表示 | 第32-34页 |
| ·动作空间的表示 | 第34-35页 |
| ·奖赏信号的设计 | 第35页 |
| ·动作选择策略 | 第35-36页 |
| ·基于神经网络的Q学习算法 | 第36-39页 |
| ·仿真试验及试验分析 | 第39-42页 |
| 第四章 场景模型的驱动 | 第42-58页 |
| ·虚拟驾驶模型的建立 | 第42-49页 |
| ·3DS文件结构简介 | 第42-43页 |
| ·3DS文件的读取 | 第43-46页 |
| ·虚拟驾驶模型的动力学模型 | 第46-48页 |
| ·虚拟驾驶模型的运动分析 | 第48-49页 |
| ·场景数据的调度 | 第49-53页 |
| ·场景分块 | 第49-51页 |
| ·可见性计算技术 | 第51-53页 |
| ·场景数据的动态调度 | 第53页 |
| ·碰撞检测机制 | 第53-58页 |
| ·层次包围盒技术 | 第54-55页 |
| ·层次包围球的构造 | 第55页 |
| ·虚拟驾驶模型与地景地物的碰撞检测 | 第55-58页 |
| 第五章 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |
