声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 目标运动状态估计
1.2.2 它车驾驶行为分析
1.3 研究内容与论文章节安排
1.3.1 研究内容
1.3.2 论文章节安排
2 基于语义分割的车辆检测与信息获取
2.1 引言
2.2 基于深度卷积网络的道路场景语义分割
2.2.1 全卷积神经网络与语义分割
2.2.2 网络结构介绍
2.2.3 实验准备与模型训练
2.2.4 实验结果与分析
2.3 车辆分割与信息获取
2.3.1 车辆分割
2.3.2 车辆质心计算
2.3.3 前车信息参数获取
2.4 本章小结
3 前方车辆运动状态参数的最优估计
3.1 引言
3.2 目标运动状态模型
3.2.1 CV 模型
3.2.2 CA 模型
3.2.3 CT 模型
3.3 典型滤波估计算法
3.3.1 经典卡尔曼滤波(KF)
3.3.2 扩展卡尔曼滤波(EKF)
3.3.3 粒子滤波(PF)
3.4 前方车辆状态估计方案设计
3.4.1 目标运动状态模型与滤波算法选择
3.4.2 坐标系的建立
3.5 实车实验结果与分析
3.5.1 试验平台搭建
3.5.2 算法测试结果与分析
3.6 本章小结
4 前方车辆换道意图辨识
4.1 引言
4.2 隐马尔科夫模型(HMM)理论概述
4.2.1 HMM基本概念
4.2.2 HMM分类
4.2.3 HMM基本问题与解决算法
4.3 前方车辆换道意图识别模型设计
4.3.1 建模分析
4.3.2 模型观测变量选取
4.3.3 模型参数设计
4.4 模型训练
4.4.1 数据集选取与预处理
4.4.2 模型参数训练
4.5 换道意图辨识
4.5.1 样本识别测试
4.5.2 模型精度检验
4.5.3 最优时间窗口分析
4.5.4 滑动时间窗口选取
4.6 本章小结
5 总结与展望
5.1 总结
5.2 展望
致谢
参考文献