網(wǎng)聯(lián)車(chē)輛協(xié)同感知與智能決策

目錄
《智能科學(xué)技術(shù)著作叢書(shū)》序
前言
第1章 車(chē)輛航姿融合估計(jì) 1
1.1 車(chē)輛航姿估計(jì)概述 1
1.1.1 航姿坐標(biāo)系統(tǒng) 1
1.1.2 航姿角表示 4
1.1.3 航姿坐標(biāo)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(yùn)動(dòng)學(xué)模型 13
1.2 改進(jìn)的粒子濾波算法 14
1.2.1 航姿估計(jì)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(jì)誤差分析與建模 30
1.3.1 基于乘性 MRPs法的航姿估計(jì)系統(tǒng)誤差模型 30
1.3.2 微機(jī)械陀螺儀測(cè)量原理及其誤差模型 31
1.3.3 微機(jī)械加速度計(jì)測(cè)量原理及其誤差模型 33
1.3.4 微機(jī)械磁強(qiáng)計(jì)測(cè)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(jì)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(cè)方程建模 38
1.4.3 基于 MIWOSIR的航姿估計(jì) 38
1.4.4 航姿估計(jì)方法仿真與分析 40
1.5 航姿估計(jì)系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)與測(cè)試驗(yàn)證 45
1.5.1 航姿估計(jì)系統(tǒng)需求分析 45
1.5.2 航姿估計(jì)系統(tǒng)硬件平臺(tái) 46
1.5.3 航姿估計(jì)系統(tǒng)軟件設(shè)計(jì) 48
1.5.4 航姿估計(jì)信息融合與處理 50
1.5.5 航姿融合估計(jì)測(cè)試與驗(yàn)證 51
參考文獻(xiàn) 55
第2章 車(chē)輛高精度定位 57
2.1 單目視覺(jué)里程計(jì)定位概述 57
2.1.1 單目視覺(jué)里程計(jì)定位原理 57
2.1.2 基于單目視覺(jué)里程計(jì)的車(chē)輛運(yùn)動(dòng)建模 58
2.2 基于路面特征匹配的車(chē)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(chē)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(chē)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(chē)輛位置估計(jì) 73
2.4.3 車(chē)輛定位誤差優(yōu)化 76
2.4.4 算法性能分析 78
參考文獻(xiàn) 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(dá)環(huán)境數(shù)據(jù)特征識(shí)別 87
3.2.1 2D激光雷達(dá)環(huán)境特征觀(guān)測(cè)模型 87
3.2.2 2D激光雷達(dá)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(shí)別 102
3.2.4 環(huán)境特征識(shí)別測(cè)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(cè) 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(yàn)證與分析 136
參考文獻(xiàn) 149
第4章 車(chē)路信息交互平臺(tái)設(shè)計(jì)與測(cè)試 151
4.1 車(chē)路信息交互平臺(tái)設(shè)計(jì)方案 151
4.1.1 平臺(tái)需求分析 151
4.1.2 平臺(tái)架構(gòu)設(shè)計(jì) 152
4.1.3 基于LTE的通信系統(tǒng)設(shè)計(jì) 156
4.1.4 基于WAVE的通信系統(tǒng)設(shè)計(jì) 158
4.2 基于LTE的車(chē)路信息通信性能測(cè)試 160
4.2.1 LTE的適用性問(wèn)題分析 160
4.2.2 面向吞吐量與時(shí)延的測(cè)試方案設(shè)計(jì) 163
4.2.3 測(cè)試結(jié)果與數(shù)據(jù)分析 164
4.3 基于WAVE的車(chē)路信息通信性能測(cè)試 166
4.3.1 WAVE的適用性問(wèn)題分析 166
4.3.2 面向行車(chē)安全的測(cè)試方案設(shè)計(jì) 169
4.3.3 測(cè)試結(jié)果與數(shù)據(jù)分析 171
參考文獻(xiàn) 175
第5章 車(chē)路信息交互接入系統(tǒng)資源調(diào)度 177
5.1 基于TD-LTE的車(chē)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(jì) 177
5.1.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 179
5.1.3 系統(tǒng)功能設(shè)計(jì) 182
5.2 基于TD-LTE的車(chē)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(guò)程建模 185
5.2.2 資源調(diào)度算法設(shè)計(jì)原則 186
5.2.3 改進(jìn)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(tái)及環(huán)境搭建 195
5.3.2 算法性能評(píng)價(jià)標(biāo)準(zhǔn) 201
5.3.3 仿真結(jié)果對(duì)比分析 202
參考文獻(xiàn) 217
第6章 車(chē)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(chē)路協(xié)同感知的防追尾預(yù)警輔助決策系統(tǒng)設(shè)計(jì)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(jì) 220
6.1.3 系統(tǒng)軟件設(shè)計(jì) 222
6.2 車(chē)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(wèn)題分析及假設(shè) 228
6.2.2 多源混合誤差補(bǔ)償?shù)?小安全距離模型 230
6.2.3 模型仿真與性能評(píng)估 234
6.3 系統(tǒng)測(cè)試與分析 238
6.3.1 測(cè)試環(huán)境介紹及設(shè)備性能測(cè)試 238
6.3.2 *小安全距離模型測(cè)試 240
6.3.3 防追尾預(yù)警輔助決策系統(tǒng)性能測(cè)試 244
參考文獻(xiàn) 246
第7章 車(chē)路協(xié)同中基于行車(chē)環(huán)境表征的變道輔助決策 248
7.1 基于車(chē)路視覺(jué)協(xié)同的車(chē)道線(xiàn)感知方法 248
7.1.1 車(chē)道線(xiàn)邊緣特征提取 248
7.1.2 基于NUBS曲線(xiàn)模型匹配的車(chē)道線(xiàn)檢測(cè)、分類(lèi)與跟蹤 251
7.1.3 方法驗(yàn)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(chē)輛檢測(cè)方法 258
7.2.1 非采樣高斯差分金字塔分解 258
7.2.2 車(chē)輛輪廓檢測(cè) 261
7.2.3 多尺度邊緣圖像融合車(chē)輛定位 261
7.2.4 方法驗(yàn)證與分析 263
7.3 基于SIFT特征匹配的車(chē)輛檢測(cè)與跟蹤方法 266
7.3.1 基于SIFT特征匹配的車(chē)輛檢測(cè) 267
7.3.2 基于SIFT特征匹配的車(chē)輛跟蹤 270
7.3.3 方法驗(yàn)證與分析 273
7.4 基于Occupancy grid的行車(chē)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(jì) 278
7.4.4 實(shí)驗(yàn)與結(jié)果分析 280
7.5 基于動(dòng)態(tài)信任度網(wǎng)格的行車(chē)環(huán)境表征方法 283
7.5.1 D-S證據(jù)理論 283
7.5.2 動(dòng)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(yàn)證與分析 289
7.6 基于行車(chē)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(chē)環(huán)境表征方法對(duì)比與分析 302
參考文獻(xiàn) 303
第8章 車(chē)路協(xié)同中基于多元成本計(jì)算的超車(chē)輔助決策 305
8.1 超車(chē)行為概述與分析 305
8.1.1 超車(chē)行為特征分析 305
8.1.2 超車(chē)行為危險(xiǎn)因素分析 309
8.2 基于車(chē)路協(xié)同感知的超車(chē)輔助決策系統(tǒng)設(shè)計(jì) 310
8.2.1 系統(tǒng)需求分析 310
8.2.2 系統(tǒng)總體設(shè)計(jì)方案 310
8.2.3 系統(tǒng)軟硬件設(shè)計(jì) 314
8.3 基于車(chē)路協(xié)同感知的超車(chē)輔助決策及模型研究 325
8.3.1 基于車(chē)路協(xié)同感知的超車(chē)輔助決策 325
8.3.2 超車(chē)運(yùn)動(dòng)軌跡規(guī)劃 327
8.3.3 超車(chē)成本計(jì)算模型及參數(shù)分析 335
8.3.4 基于成本計(jì)算的超車(chē)輔助決策模型 344
8.4 超車(chē)輔助決策系統(tǒng)測(cè)試與分析 349
8.4.1 測(cè)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(cè)試 351
8.4.3 超車(chē)輔助決策模型驗(yàn)證 354
8.4.4 超車(chē)輔助決策功能測(cè)試 356
參考文獻(xiàn) 360