原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
机器学习在智能网联汽车环境障碍物感知中的应用
目录
一、内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1.1智能网联汽车发展趋势．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.1.2环境障碍物感知的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
1.2.1国外研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
1.2.2国内研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
1.3研究内容与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
1.4技术路线与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
二、智能网联汽车环境感知系统概述．．．．．．．．．．．．．．．．．．．．．．．．．15
2.1环境感知系统组成．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
2.1.1传感器类型与特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
2.1.2数据融合技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
2.2障碍物感知流程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
2.2.1信号采集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
2.2.2数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
2.2.3特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
2.2.4目标识别与跟踪．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
2.3常用机器学习算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
2.3.1监督学习算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
2.3.2无监督学习算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
2.3.3半监督学习算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35
三、基于机器学习的障碍物感知算法．．．．．．．．．．．．．．．．．．．．．．．．．37
3.1基于深度学习的感知算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
3.1.1卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
3.1.2循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
3.2基于传统机器学习的感知算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
3.2.1支持向量机．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44
3.2.2决策树与随机森林．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45
3.2.3K近邻算法(KNN)．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47
3.3混合模型与融合算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48
3.3.1深度学习与传统机器学习融合．．．．．．．．．．．．．．．．．．．．．．．．．．50
3.3.2多传感器数据融合算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52
四、实验设计与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53
4.1实验数据集．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55
4.1.1数据集来源与描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．57
4.1.2数据预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．57
4.2实验平台与
文档评论（0）