基于传感器感知盲区的无人驾驶汽车智能控制研究

首先，本文介绍了智能驾驶领域所用的环境感知传感器；对频发的交通事故进行了深度剖析；对传感器感知盲区进行深入研究；分析了智能汽车行驶过程中产生传感器感知盲区的不可避免性。传感器感知盲区内可能存在的障碍物，由于其不可直接观测性，会导致无人驾驶汽车不能对其进行有效的避撞措施，故需要对传感器感知盲区内可能存在的障碍物进行合理、有效的预测和规避。分析无人驾驶汽车事故频发的原因，建立合理的潜在障碍物运动学预测模型，对本文涉及的传感器感知盲区敏感区域进行数据挖掘，建立基于传感器感知盲区的主动避撞控制算法，以上为主动避撞系统的整体方案架构。 然后，拟将传感器感知范围被遮挡区域边界线作为传感器感知盲区内可能出现障碍物的位置，利用卷积神经网络实时识别传感器感知盲区的类别和位置；分析传感器感知盲区的运动趋势并且根据车辆的标准参数、行车工况等搭建传感器感知盲区潜在障碍物运动学预测模型，该模型可以较好的反应参数变化下车辆的运动状态，同时反馈出传感器感知盲区的运动趋势，为下一步基于传感器感知盲区进行智能驾驶汽车主动避撞奠定了良好的基础。 接着，以自车车速、感知盲区运动状态、车辆与感知盲区的相对距离等参数为基础，以基于前车行驶状态的安全距离模型为脉络，基于感知盲区内可能存在的静态障碍物建立传感器感知盲区安全距离模型，基于可能存在的动态障碍物，研究了基于传感器感知盲区的主动避撞算法并且进行了仿真试验。本文在ＭＡＴＬＡＢ以及ＣＡＲＳＩＭ中，进行不同工况下的仿真，并与未考虑传感器感知盲区的安全距离模型仿真结果进行比较，仿真结果表明：所建传感器感知盲区安全距离模型对现有安全距离模型在传感器感知盲区处做了补充说明，研究的主动避撞控制算法极大程度的提高了汽车的主动安全性能，且尤其适用于存在高大建筑物的弯道、交岔路口等道路环境。