1. 本选题研究的目的及意义

随着人工智能、机器视觉和机器人技术的快速发展，智能车技术在近年来取得了显著的进步。

智能车能够自主感知周围环境、进行路径规划和运动控制，在自动驾驶、智能交通、物流运输等领域展现出巨大的应用潜力。

本课题研究基于ros和机器视觉的智能车循迹控制方法，旨在探索一种高效、鲁棒、可扩展的智能车循迹控制方案。

2. 本选题国内外研究状况综述

智能车循迹控制技术是近年来智能车辆领域的研究热点之一，国内外学者在该领域开展了大量的研究工作，并取得了一系列重要的研究成果。

1. 国内研究现状

国内在智能车循迹控制领域起步较晚，但近年来发展迅速。

3. 本选题研究的主要内容及写作提纲

1. 主要内容

本课题将重点研究以下内容：
1.基于ros的智能车软件架构设计:研究ros（机器人操作系统）的特点和优势，以及其在智能车开发中的应用。

设计基于ros的智能车软件架构，包括传感器数据采集、处理、融合、控制指令发布等模块。

4. 研究的方法与步骤

本课题研究将采用理论分析、算法设计、仿真实验和实物验证相结合的方法。

首先，进行文献调研，了解国内外智能车循迹控制技术的研究现状，学习相关理论知识，为后续研究奠定基础。

其次，进行系统设计，包括硬件平台搭建和软件架构设计。

5. 研究的创新点

本课题将在以下几个方面进行创新：
1.基于深度学习的车道线检测算法：传统的车道线检测算法容易受到光线、阴影、遮挡等因素的影响，鲁棒性较差。

本课题将研究基于深度学习的车道线检测算法，利用深度神经网络强大的特征提取能力，提高车道线检测的精度和鲁棒性，特别是复杂环境下的适应性。

2.基于多传感器融合的循迹控制策略：传统的循迹控制算法大多基于单一传感器，例如摄像头或激光雷达，容易受到环境因素的干扰。

6. 计划与进度安排

第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。

第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲

第三阶段（2024.2~2024.3）查询资料，学习相关论文

7. 参考文献（20个中文5个英文）

1. 陈虹，金立军. 基于机器视觉roadbot智能车路径识别[j]. 电子技术应用,2023,49(01):75-80.

2. 黄凯,王晨旭,张辉,等. 基于改进ros系统的无人驾驶循迹控制研究[j]. 制造业自动化,2022,44(12):145-149 154.

3. 刘华锋,张国良,王立鹏,等. 基于ros与机器视觉的智能车设计[j]. 电子技术应用,2022,48(09):73-77 83.