基于红外与雷达的夜间无人车驾驶决策研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 无人驾驶汽车研究现状 | 第11-12页 |
| 1.2.2 基于深度学习的图像分类研究现状 | 第12-13页 |
| 1.2.3 基于红外成像仪的深度估计研究现状 | 第13-14页 |
| 1.3 本文的研究内容与结构 | 第14-17页 |
| 2 导航规划及深度估计基本方法及原理 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 导航规划算法 | 第17-19页 |
| 2.3 夜间无人车深度估计的基本原理方法 | 第19-23页 |
| 2.3.1 基于支持向量机的深度估计网络 | 第19-20页 |
| 2.3.2 基于BP神经网络的深度估计算法 | 第20-23页 |
| 2.4 卷积神经网络与深度学习 | 第23-27页 |
| 2.4.1 卷积神经网络概述 | 第23-24页 |
| 2.4.2 卷积神经网络基本结构 | 第24-26页 |
| 2.4.3 深度学习简介 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于红外场景的无人车方向决策网络 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 驾驶决策模型 | 第28-29页 |
| 3.3 基于分类网络的方向决策模型 | 第29-35页 |
| 3.3.1 网络结构 | 第29-32页 |
| 3.3.2 分类模型改进与优化 | 第32-34页 |
| 3.3.3 训练数据及流程 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于深度估计的无人车驾驶决策模型 | 第36-46页 |
| 4.1 引言 | 第36页 |
| 4.2 无人车驾驶决策模型 | 第36-43页 |
| 4.2.1 红外图像深度估计网络 | 第36-40页 |
| 4.2.2 深度估计网络优化及实验 | 第40-42页 |
| 4.2.3 基于方向与速度的无人车决策网络 | 第42-43页 |
| 4.3 实验 | 第43-45页 |
| 4.3.1 实验软件及硬件环境 | 第43页 |
| 4.3.2 实验评价指标 | 第43-44页 |
| 4.3.3 实验结果及分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 全文总结 | 第46-47页 |
| 5.2 全文展望 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士期间研究成果 | 第53-54页 |
| 致谢 | 第54页 |
