无人驾驶之无人驾驶算法_第1页
无人驾驶之无人驾驶算法_第2页
无人驾驶之无人驾驶算法_第3页
无人驾驶之无人驾驶算法_第4页
无人驾驶之无人驾驶算法_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

项目一人工智能算法在运输环节应用《物流人工智能技术》任务四无人驾驶之无人驾驶算法2目录/CONTENTS301传感02感知03决策4【知识目标】1.了解无人驾驶系统的组成。【情感目标】1.具有工匠精神、服务意识、环保意识、质量意识、安全意识；2.培养独立获取信息和自学能力；3.坚定拥护中国共产党领导和我国社会主义制度。【教学目标】无人驾驶中普遍使用的传感器包括以下几种。GPS/IMULiDARCamera(摄像头)雷达和声呐一、传感在获得传感信息之后，数据将被推送至感知子系统以充分了解无人车所处的周遭环境。在这里感知子系统主要做的是三件事：1.定位(Localization)2.物体识别(ObjectRecognition)3.物体追踪(ObjectTracking)二、感知GPS以较低的更新频率提供相对准确的位置信息，IMU则以较高的更新频率提供准确性偏低的位置信息。我们可以使用卡尔曼滤波（KalmanFilter）整合两类数据各自的优势，合并提供准确且实时的位置信息更新。然而，我们不能仅仅依靠这样的数据组合完成定位工作。1.定位定位精度仅在1米之内；原因1，GPS信号有着天然的多路径问题，将引入噪声干扰；原因2GPS必须在非封闭的环境下工作，因此在诸如隧道等场景中都不适用。原因3借助于大量粒子滤波（ParticleFilter）的激光雷达通常被用作车辆定位的主传感器。二、感知卷积神经网络（ConvolutionalNeuralNetworks，CNN）是一类在物体识别中被广泛应用的深度神经网络。通常，CNN由4个阶段组成：2.物体识别卷积层使用不同的滤波器从输入图像中提取不同的特征，并且每个过滤器在完成训练阶段后都将抽取出一套“可供学习”的参数；1激活层决定是否启动目标神经元；2汇聚层压缩特征映射图所占用的空间以减少参数的数目，并由此降低所需的计算量；3一旦某物体被CNN识别出来，下一步将自动预测它的运行轨迹或进行物体追踪。4二、感知1.行为预测(ActionPrediction)2.路径规划(PathPlanning)3.避障机制（ObstacleAvoidance)三、决策1010无人驾驶之无人驾驶算法传感1.传感2.感知3.决策感知1.传统神经网络2.卷积神经网络3.特征提取及目标检测分类方法4.实验过程决策1.TORCS2.深度强化学习3.基于深度递归强化学习算法4.实验设置及实验结果【课后小结】11问题：1

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论