網(wǎng)聯(lián)車輛協(xié)同感知與智能決策

目錄
《智能科學技術(shù)著作叢書》序
前言
第1章 車輛航姿融合估計 1
1.1 車輛航姿估計概述 1
1.1.1 航姿坐標系統(tǒng) 1
1.1.2 航姿角表示 4
1.1.3 航姿坐標系轉(zhuǎn)換 5
1.1.4 航姿更新解算方法 7
1.1.5 基于MRPs法的運動學模型 13
1.2 改進的粒子濾波算法 14
1.2.1 航姿估計中的粒子濾波 14
1.2.2 MIWO算法 15
1.2.3 基于MIWO的粒子濾波算法 22
1.2.4 MIWOSIR算法仿真與分析 24
1.3 航姿估計誤差分析與建模 30
1.3.1 基于乘性 MRPs法的航姿估計系統(tǒng)誤差模型 30
1.3.2 微機械陀螺儀測量原理及其誤差模型 31
1.3.3 微機械加速度計測量原理及其誤差模型 33
1.3.4 微機械磁強計測量原理及其誤差模型 35
1.4 基于多源信息融合的航姿估計方法 37
1.4.1 系統(tǒng)狀態(tài)方程建模 37
1.4.2 系統(tǒng)量測方程建模 38
1.4.3 基于 MIWOSIR的航姿估計 38
1.4.4 航姿估計方法仿真與分析 40
1.5 航姿估計系統(tǒng)設(shè)計實現(xiàn)與測試驗證 45
1.5.1 航姿估計系統(tǒng)需求分析 45
1.5.2 航姿估計系統(tǒng)硬件平臺 46
1.5.3 航姿估計系統(tǒng)軟件設(shè)計 48
1.5.4 航姿估計信息融合與處理 50
1.5.5 航姿融合估計測試與驗證 51
參考文獻 55
第2章 車輛高精度定位 57
2.1 單目視覺里程計定位概述 57
2.1.1 單目視覺里程計定位原理 57
2.1.2 基于單目視覺里程計的車輛運動建模 58
2.2 基于路面特征匹配的車輛高精度定位算法 61
2.2.1 路面特征定位流程 61
2.2.2 定位結(jié)果及分析 64
2.3 基于路面光流的車輛高精度定位算法 68
2.3.1 路面光流定位流程 68
2.3.2 定位結(jié)果及分析 69
2.4 基于路面特征匹配與光流的車輛高精度定位算法 72
2.4.1 自適應(yīng)閾值的FAST提取 72
2.4.2 融合路面特征匹配與光流的車輛位置估計 73
2.4.3 車輛定位誤差優(yōu)化 76
2.4.4 算法性能分析 78
參考文獻 83
第3章 同步定位與地圖構(gòu)建 85
3.1 同步定位與地圖構(gòu)建概述 85
3.1.1 二維地圖構(gòu)建 86
3.1.2 二維地圖定位 86
3.2 2D激光雷達環(huán)境數(shù)據(jù)特征識別 87
3.2.1 2D激光雷達環(huán)境特征觀測模型 87
3.2.2 2D激光雷達環(huán)境數(shù)據(jù)預(yù)處理 92
3.2.3 基于神經(jīng)網(wǎng)絡(luò)的環(huán)境特征識別 102
3.2.4 環(huán)境特征識別測試與分析 106
3.3 環(huán)境特征地圖構(gòu)建與優(yōu)化 109
3.3.1 基于環(huán)境特征的局部地圖構(gòu)建 109
3.3.2 基于高斯概率密度的回環(huán)檢測 111
3.3.3 基于G2O的地圖全局優(yōu)化策略 128
3.3.4 地圖構(gòu)建驗證與分析 136
參考文獻 149
第4章 車路信息交互平臺設(shè)計與測試 151
4.1 車路信息交互平臺設(shè)計方案 151
4.1.1 平臺需求分析 151
4.1.2 平臺架構(gòu)設(shè)計 152
4.1.3 基于LTE的通信系統(tǒng)設(shè)計 156
4.1.4 基于WAVE的通信系統(tǒng)設(shè)計 158
4.2 基于LTE的車路信息通信性能測試 160
4.2.1 LTE的適用性問題分析 160
4.2.2 面向吞吐量與時延的測試方案設(shè)計 163
4.2.3 測試結(jié)果與數(shù)據(jù)分析 164
4.3 基于WAVE的車路信息通信性能測試 166
4.3.1 WAVE的適用性問題分析 166
4.3.2 面向行車安全的測試方案設(shè)計 169
4.3.3 測試結(jié)果與數(shù)據(jù)分析 171
參考文獻 175
第5章 車路信息交互接入系統(tǒng)資源調(diào)度 177
5.1 基于TD-LTE的車路信息交互接入系統(tǒng)架構(gòu) 177
5.1.1 系統(tǒng)架構(gòu)設(shè)計 177
5.1.2 網(wǎng)絡(luò)拓撲結(jié)構(gòu) 179
5.1.3 系統(tǒng)功能設(shè)計 182
5.2 基于TD-LTE的車路信息交互接入系統(tǒng)資源調(diào)度方法 185
5.2.1 TD-LTE資源調(diào)度過程建模 185
5.2.2 資源調(diào)度算法設(shè)計原則 186
5.2.3 改進的TD-LTE資源調(diào)度算法 187
5.3 TD-LTE資源調(diào)度算法仿真與分析 195
5.3.1 仿真平臺及環(huán)境搭建 195
5.3.2 算法性能評價標準 201
5.3.3 仿真結(jié)果對比分析 202
參考文獻 217
第6章 車路協(xié)同中基于安全距離模型的防追尾預(yù)警輔助決策 218
6.1 基于車路協(xié)同感知的防追尾預(yù)警輔助決策系統(tǒng)設(shè)計方案 218
6.1.1 系統(tǒng)需求分析 218
6.1.2 系統(tǒng)總體設(shè)計 220
6.1.3 系統(tǒng)軟件設(shè)計 222
6.2 車路協(xié)同環(huán)境下的安全距離模型 228
6.2.1 *小安全距離問題分析及假設(shè) 228
6.2.2 多源混合誤差補償?shù)?小安全距離模型 230
6.2.3 模型仿真與性能評估 234
6.3 系統(tǒng)測試與分析 238
6.3.1 測試環(huán)境介紹及設(shè)備性能測試 238
6.3.2 *小安全距離模型測試 240
6.3.3 防追尾預(yù)警輔助決策系統(tǒng)性能測試 244
參考文獻 246
第7章 車路協(xié)同中基于行車環(huán)境表征的變道輔助決策 248
7.1 基于車路視覺協(xié)同的車道線感知方法 248
7.1.1 車道線邊緣特征提取 248
7.1.2 基于NUBS曲線模型匹配的車道線檢測、分類與跟蹤 251
7.1.3 方法驗證與分析 256
7.2 基于非采樣高斯差分多尺度邊緣融合的車輛檢測方法 258
7.2.1 非采樣高斯差分金字塔分解 258
7.2.2 車輛輪廓檢測 261
7.2.3 多尺度邊緣圖像融合車輛定位 261
7.2.4 方法驗證與分析 263
7.3 基于SIFT特征匹配的車輛檢測與跟蹤方法 266
7.3.1 基于SIFT特征匹配的車輛檢測 267
7.3.2 基于SIFT特征匹配的車輛跟蹤 270
7.3.3 方法驗證與分析 273
7.4 基于Occupancy grid的行車環(huán)境表征方法 275
7.4.1 貝葉斯理論 276
7.4.2 Occupancy grid模型建立 277
7.4.3 Cell的狀態(tài)概率估計 278
7.4.4 實驗與結(jié)果分析 280
7.5 基于動態(tài)信任度網(wǎng)格的行車環(huán)境表征方法 283
7.5.1 D-S證據(jù)理論 283
7.5.2 動態(tài)信任度網(wǎng)格模型建立 285
7.5.3 基于D-S證據(jù)理論的信任度網(wǎng)格表征與更新 286
7.5.4 方法驗證與分析 289
7.6 基于行車環(huán)境表征的變道輔助決策 291
7.6.1 基于貝葉斯網(wǎng)絡(luò)的變道行為輔助決策 292
7.6.2 基于規(guī)則融合的變道行為輔助決策 298
7.6.3 行車環(huán)境表征方法對比與分析 302
參考文獻 303
第8章 車路協(xié)同中基于多元成本計算的超車輔助決策 305
8.1 超車行為概述與分析 305
8.1.1 超車行為特征分析 305
8.1.2 超車行為危險因素分析 309
8.2 基于車路協(xié)同感知的超車輔助決策系統(tǒng)設(shè)計 310
8.2.1 系統(tǒng)需求分析 310
8.2.2 系統(tǒng)總體設(shè)計方案 310
8.2.3 系統(tǒng)軟硬件設(shè)計 314
8.3 基于車路協(xié)同感知的超車輔助決策及模型研究 325
8.3.1 基于車路協(xié)同感知的超車輔助決策 325
8.3.2 超車運動軌跡規(guī)劃 327
8.3.3 超車成本計算模型及參數(shù)分析 335
8.3.4 基于成本計算的超車輔助決策模型 344
8.4 超車輔助決策系統(tǒng)測試與分析 349
8.4.1 測試環(huán)境與參數(shù)設(shè)置 349
8.4.2 信息采集與通信模塊測試 351
8.4.3 超車輔助決策模型驗證 354
8.4.4 超車輔助決策功能測試 356
參考文獻 360