1、自20世紀(jì)60年代出現(xiàn)的第一輛無人駕駛汽車以來，無人駕駛汽車技術(shù)取得了突破性的進(jìn)展，涌現(xiàn)出了很多先進(jìn)技術(shù)。本文針對當(dāng)前無人車領(lǐng)域的發(fā)展現(xiàn)狀，綜述了其重要進(jìn)展和成果，同時(shí)對深度學(xué)習(xí)算法以及車輛碰撞躲避策略的發(fā)展現(xiàn)狀進(jìn)行了調(diào)研，并嘗試將深度學(xué)習(xí)算法運(yùn)用到無人車的碰撞躲避策略上。結(jié)合當(dāng)下激光雷達(dá)進(jìn)行大量數(shù)據(jù)采集的優(yōu)勢與深度學(xué)習(xí)算法無監(jiān)督特征提取的特點(diǎn)，通過對車載激光雷達(dá)采集到的大量點(diǎn)云數(shù)據(jù)進(jìn)行分析與處理，提取出車輛周圍的障礙物信息，再利用深度

2、神經(jīng)網(wǎng)絡(luò)對障礙物信息進(jìn)行分類識別，找到當(dāng)前車輛周圍障礙物分布情況下最優(yōu)的車輛行駛決策，以此對無人車行駛過程中的碰撞躲避策略提供指導(dǎo)，避免碰撞事故的發(fā)生。
　　本文的創(chuàng)造性成果主要包括在以下幾個(gè)方面:
　　(1)針對試驗(yàn)采集到的大量激光雷達(dá)數(shù)據(jù)，提出了一套全新的障礙物判別算法——障礙物信息提取與融合算法。先將試驗(yàn)數(shù)據(jù)中的每一幀映射到二維RGB圖上，生成具有前后時(shí)序關(guān)系的多幀信息圖像。通過對比前后兩幀經(jīng)處理過得到的RGB圖中z軸

3、坐標(biāo)所對應(yīng)的G值的變化情況來判斷空間點(diǎn)的相對運(yùn)動情況，得到初步的車輛周圍障礙物信息，形成車輛周邊障礙物信息輪廓圖。
　　(2)以數(shù)據(jù)為中心點(diǎn)，著眼車輛周圍360度的環(huán)境狀況，將激光雷達(dá)所能掃描到的所有區(qū)域作為一個(gè)整體來對待。通過將大數(shù)據(jù)技術(shù)與深度學(xué)習(xí)算法相結(jié)合，應(yīng)用到無人車碰撞躲避策略中的數(shù)據(jù)分析與決策。利用計(jì)算機(jī)相對人在海量數(shù)據(jù)處理上的優(yōu)勢，尋找比人工設(shè)計(jì)更全面更高效的碰撞躲避策略。
　　(3)構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，利用“

4、掃描場圖像信息—駕駛員操作行為”這樣一種對應(yīng)關(guān)系來描述人類司機(jī)的駕駛習(xí)慣。通過對人類司機(jī)駕駛行為的大量采樣，將經(jīng)預(yù)處理得到的車輛周圍障礙物信息圖作為深度神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，對深度神經(jīng)網(wǎng)絡(luò)進(jìn)行逐層訓(xùn)練與調(diào)參，從大量的行車數(shù)據(jù)中提取出車輛的方向變化情況與加速度變化情況，即輸出標(biāo)簽為對應(yīng)的方向θ與加速度a的變化情況。所得到的輸出θ與a的變化情況即可作為駕駛員行駛策略的重要參考，有利于正確指導(dǎo)駕駛員進(jìn)行正確的行駛決策，從而大大避免碰撞事故的發(fā)生