基于模糊神经网络的智能车辆自动驾驶方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 智能车辆研究 | 第10-12页 |
| 1.2.2 智能车辆控制方法研究 | 第12-14页 |
| 1.3 控制系统架构 | 第14页 |
| 1.4 文章组织结构 | 第14-15页 |
| 第二章 模糊控制和神经网络理论 | 第15-21页 |
| 2.1 模糊控制理论 | 第15-16页 |
| 2.1.1 隶属度函数 | 第15页 |
| 2.1.2 模糊推理 | 第15-16页 |
| 2.2 神经网络理论 | 第16-20页 |
| 2.2.1 神经网络结构 | 第16-17页 |
| 2.2.2 神经网络学习方法 | 第17-18页 |
| 2.2.3 BP神经网络 | 第18-20页 |
| 2.3 小结 | 第20-21页 |
| 第三章 基于机器视觉的道路识别 | 第21-37页 |
| 3.1 HALCON机器视觉软件 | 第21-22页 |
| 3.2 相机标定 | 第22-26页 |
| 3.2.1 相机标定原理 | 第22-24页 |
| 3.2.2 相机标定结果 | 第24-26页 |
| 3.3 基于自动阈值的车道线识别 | 第26-31页 |
| 3.3.1 图像预处理 | 第26-28页 |
| 3.3.2 基于大津法的自动阈值图像分割 | 第28-29页 |
| 3.3.3 图像特征提取——车道线识别 | 第29-31页 |
| 3.4 交通信号灯识别 | 第31-33页 |
| 3.5 道路识别实验 | 第33-36页 |
| 3.5.1 车道线识别实验 | 第34-35页 |
| 3.5.2 交通信号灯识别实验 | 第35-36页 |
| 3.6 小结 | 第36-37页 |
| 第四章 基于模糊神经网络的智能车辆自动驾驶方法 | 第37-47页 |
| 4.1 提取输入变量 | 第37-38页 |
| 4.1.1 参考车道线识别 | 第37-38页 |
| 4.1.2 参考车道线斜率识别 | 第38页 |
| 4.2 模糊控制器设计 | 第38-40页 |
| 4.2.1 输入变量模糊化 | 第38-39页 |
| 4.2.2 模糊规则及模糊推理 | 第39-40页 |
| 4.3 模糊神经网络运动控制器 | 第40-44页 |
| 4.3.1 模糊神经网络理论 | 第40-41页 |
| 4.3.2 模糊神经网络结构 | 第41-43页 |
| 4.3.3 模糊神经网络学习算法 | 第43-44页 |
| 4.4 算法训练 | 第44-46页 |
| 4.5 小结 | 第46-47页 |
| 第五章 仿真及实验 | 第47-55页 |
| 5.1 仿真 | 第47-51页 |
| 5.1.1 Webots仿真软件 | 第47-48页 |
| 5.1.2 仿真实验及结果分析 | 第48-51页 |
| 5.2 实车实验 | 第51-54页 |
| 5.2.1 实验环境 | 第51-52页 |
| 5.2.2 实验结果分析 | 第52-54页 |
| 5.3 小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 总结 | 第55-56页 |
| 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61-65页 |
| 攻读硕士学位期间的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
