车辆视频导航中道路检测方法研究进展

视频导航以其获取信息丰富、对环境影响小、成本低廉等诸多优点成为了辅助车辆自动驾驶和陆地自主车(ALV)常用的一种自动导航方式,而从视频导航图像中检测出道路区域则是实现视频导航的基础和关键。对近年来车辆视频导航过程中道路检测的实现算法进行了回顾和分析,并对道路检测算法以后的研究方向进行了探讨。     

一种陆地车辆对抗演示系统设计

设计一种陆地车辆对抗演示系统,该系统主要包括图像采集单元、上位机控制处理平台单元、无线传输单元、驱动控制单元、对抗判决系统单元和敌我识别系统单元;设计中采用4辆车辆(2对2模式)进行对抗实验,实验表明设计的陆地车辆对抗演示系统可以实现对前方环境和对方对阵情况的实时图像获取和处理、显示、无线收发控制、计算、轨迹控制、特征识别、定位、文件管理、数据传输、生命值显示以及声音报警等功能;实验对抗结果:乙方两辆车4个生命值显示灯全部熄灭,甲方对抗胜利.     

基于事件触发机制的自主车辆队列协同控制

为应对通信过程存在的扰动以及减少自主车辆队列控制中的信息冗余、资源浪费,提出了一种基于事件触发机制的自主车辆队列协同控制算法,保证自主车辆队列的稳定运行。首先,针对有向通信拓扑结构下的自主车辆队列设计基于事件触发机制的协同控制算法,即使存在扰动约束,自主车辆也可以在该算法的控制下有效跟随领航车辆的速度,且与相邻车辆保持期望的安全距离。其次,通过设计Lyapunov函数以及分析Zeno行为,证明算法的有效性和安全性。最后,通过MATLAB仿真验证了控制算法的正确性。     

一个基于虚拟现实技术的车辆仿真系统

自主车辆的研制过程中，应用仿真的方法，对控制器进行分析设计是一个重要阶段。在对控制器性能进行评价时，控制对象的选择是一个关键的问题，可视化的控制对象，有形象直观，易于理解的优点，可以简化评价的过程。该文以汽车理论为基础，结合自主车辆的研制，应用虚拟现实技术，实现了一个车辆动力学模型的仿真系统，重点介绍了车辆的纵向、侧向动力学模型，在这些模型的基础上，实现了车辆动力学模型与几何模型的结合。文章最后介绍了作者利用该仿真系统进行的一些研究工作。     

基于MVB的机车逻辑控制单元

研究基于多功能车辆总线(MVB)的机车逻辑控制单元,分析了目前国内外多功能车辆总线的发展状况及自主研制MVB总线控制器及MVB网络接口卡对于我国轨道交通的现实意义,介绍了基于MVB总线的机车逻辑控制单元的系统结构,重点研究了MVB网络接口单元的构造及功能;以自主开发的MVB总线控制器为核心,设计研制了一种MVB总线的网络接口卡,为设备与MVB总线提供通信手段,利用TMS320LF2407实现数据的处理及设备与MVB总线的通讯控制;实验证明,该方案完全可行。     

基于贝叶斯预测的自主车辆避障方法研究

针对在动态环境中自主车辆对于动态障碍物信息很难具有先验知识的问题,研究了动态贝叶斯网络模型对机动目标运动状态进行贝叶斯预测的推理机理,提出了一种基于贝叶斯预测进行自主车辆避障路径规划控制方法;该规划方法在VORONOI图法基础上,融合了对自主车辆和周围环境之间的位置荚系的贝叶斯预测,一旦预定任务的动态环境发生重大变化,它可以产生机动目标沿某方向前进信息的预测先验知识,通过局部多次重规划生成避障路径,直至自主车辆完成既定任务;仿真实验证明了该规划控制方法可有效帮助自主车辆在不确定环境中实施避障策略.     

基于信息一致性的自主车辆变车距队列控制}%页眉设置

针对目前自主车辆队列控制中采用的间距策略存在间距调节灵活性不足、道路利用率欠佳等问题,提出一种基于信息一致性的自主车辆变车距队列控制方法.首先,结合车速与车辆制动时间的动态关系,设计一种变时间间隔策略.在此基础上,基于信息一致性理论,提出一种车间距可随车速自适应变化的自主车辆队列控制算法.仿真结果表明,所提算法不仅可以实现自主车辆的变车距队列控制,且车间距离的调节具有较好的灵活性,尤其在低速行驶时,可有效减少道路占用量,提高道路利用率.     

智轨电车自主导向与轨迹跟随技术研究

智轨电车是一种城市轨道交通新制式,自主导向与轨迹跟随系统作为其关键技术,解决了多编组铰接车辆在转向过程中占路宽度大、灵活性差、转向不及时及误差大等难题,保证了车辆在转弯过程中的快速性、准确性及稳定性。文章首先介绍了自主导向系统组成,然后分析了轨迹跟随控制原理,并建立了智轨电车转向系统模型。仿真分析与试验结果表明,该系统能很好地满足车辆在转向过程中的响应速度及轨迹跟随精度要求。     

基于北斗导航系统的兼容式车辆导航系统设计

从现有车辆导航系统的基本原理和组成出发,结合我国自主的北斗卫星导航系统,综合应用通信、控制、GIS等多种技术,提出了一种兼容自主式和中心式车辆导航系统的设计,并重点讨论了控制中心和移动终端的实现方案,控制中心通过采集实时交通信息,进行分析处理后形成最优的路径规划,移动终端根据自身所在的位置区域获取相应的诱导信息,使城市的交通流趋向最优分布,减少车辆在道路上的逗留时间,从而有效地改善城市交通状况,减少交通拥堵.     

联想ThinkStation助力“北美之鹰”创造速度神话

北美之鹰(NAE)是一辆从喷气式战斗机改装而成的超级汽车,它的设计初衷是为了将其打造成世界上最快的陆地车辆,以打破陆地速度世界记录为目标。为了实现这个目标,经过谨慎的比较和研究,北美之鹰工作小组的工程师、科学家和空气动力学家们决定将ThinkStation作为一个设计、监控和数据采集的中继站,并以虚拟团队的方式一起工作。1996年,当Ed Shadle先生从IBM退休后,他建立了北美之鹰(NAE)工作小     

自主车技术

本文简要介绍了自主车研究工作的进展,详细介绍了自主车研究中的四个关键技术,即传 感技术,路径规划、制导技术和运动控制,并对自主车技术的发展作了展望.     

一种新的远距离超声测障传感器时变增益电路

在地面自主车辆的导航与控制研究中,远距离超声传感器对于障碍检测具有重要意义。针对加大发射功率和减小死区距离,提高探测灵敏度和信号饱和、自激振荡之间的矛盾,提出了一种基于TL026控制芯片的超声传感器时变增益电路设计方案,并在此基础上实现了远距离超声测距系统。野外环境中的实验结果表明,时变增益方案显著提高了超声传感器的有效探测范围。     

Action Language verifier: an infinite-state model checker for reactive software specifications

Action Language is a specification language for reactive software systems. In this paper, we present the syntax and the semantics of the Action Language and we also present an infinite-state symbolic model checker called Action Language Verifier (ALV) that verifies (or falsifies) CTL properties of Action Language specifications. ALV is built on top of the Composite Symbolic Library, which is a symbolic manipulator that combines multiple symbolic representations. ALV is a polymorphic model checker that can use different combinations of the symbolic representations implemented in the Composite Symbolic Library. We describe the heuristics implemented in ALV for computing fixpoints using the composite symbolic representation. Since Action Language specifications allow declaration of unbounded integer variables and parameterized integer constants, verification of Action Language specifications is undecidable. ALV uses several heuristics to conservatively approximate the fixpoint computations. ALV also implements an automated abstraction technique that enables parameterized verification of a concurrent system with an arbitrary number of identical processes.     

自主车的运动仿真

在自主车的运动路径规划中,局部路径规划特别重要,而且是自主车的一项关键技术。该文提出了将自主式多智能体的任务和反应性行为模型嵌入到离散事件系统框架中作局部路径规划的方法,此方法克服了势场法（包括早期的虚力场法）的缺陷,为确保自主车运动路径规划的可靠性和合理性,该文就局部路径规划对自主车作运动仿真。     

A KNOWLEDGE-BASED NAVIGATION SCHEME FOR AUTONOMOUS LAND VEHICLES

A knowledge-based navigation system for autonomous land vehicles (ALVs) has been developed which can successfully negotiate an obstacle and threat-laden terrain, even if nothing is known beforehand about the terrain. The ALV stores new information in its memory as it travels, has the ability to backtrack out of unexpected dead ends, and performs spontaneous decision making in the field based on local sensor readings. The optimal global route of the ALV journey is obtained using dynamic programming, and decision making is accomplished via a production rule-based system. Execution examples demonstrate the power of the prototype system to solve navigation problems. This establishes the feasibility of constructing a valid ALV by combining search techniques with artificial intelligence tools such as production rule-based systems.     

A new approach to vision-based unsupervised learning of unexplored indoor environment for autonomous land vehicle navigation

A vision-based approach to unsupervised learning of the indoor environment for autonomous land vehicle (ALV) navigation is proposed. The ALV may, without human's involvement, self-navigate systematically in an unexplored closed environment, collect the information of the environment features, and then build a top-view map of the environment for later planned navigation or other applications. The learning system consists of three subsystems: a feature location subsystem, a model management subsystem, and an environment exploration subsystem. The feature location subsystem processes input images, and calculates the locations of the local features and the ALV by model matching techniques. To facilitate feature collection, two laser markers are mounted on the vehicle which project laser light on the corridor walls to form easily detectable line and corner features. The model management subsystem attaches the local model into a global one by merging matched corner pairs as well as line segment pairs. The environment exploration subsystem guides the ALV to explore the entire navigation environment by using the information of the learned model and the current ALV location. The guidance scheme is based on the use of a pushdown transducer derived from automata theory. A prototype learning system was implemented on a real vehicle, and simulations and experimental results in real environments show the feasibility of the proposed approach.     

非完整自主车基于圆轨迹的道路避障

本文就四轮非完整自主车提出了一种基于圆轨迹的道路避障策略．先将道路上 的障碍按照障碍距离自主车的远近划分层次，使一个层次的障碍能在自主车视场中全部出现 ．然后给出基于圆轨迹的避障算法，即自主车沿由自主车出发位姿和子目标点确定的圆弧轨 迹走行．在此之前推导四轮非完整车的运动模型为提出避障策略的基础准备．尽量减小自主 车在走行过程中运动状态的改变，基于圆轨迹避障策略能够很好地满足这一要求．最后引入 代价函数，给出对于此方法的评价，体现了本方法的优越性．     

CITAVT-IV——视觉导航的自主车

国防科技大学研制的CITAVT-IV自主车在高速公路实验中达到了75.6km/h的高速 ．文章对CITAVT-IV的系统构成、组织结构及有关实验情况进行了比较详细的介绍，特别是 其系统软件和系统数据流程具有一定的新颖性，该事件驱动的实时多任务软件系统具有很好 的实时特性，较好地解决了自主车系统的延迟问题．     

Obstacle avoidance for autonomous land vehicle navigation in indoorenvironments by quadratic classifier

A vision-based approach to obstacle avoidance for autonomous land vehicle (ALV) navigation in indoor environments is proposed. The approach is based on the use of a pattern recognition scheme, the quadratic classifier, to find collision-free paths in unknown indoor corridor environments. Obstacles treated in this study include the walls of the corridor and the objects that appear in the way of ALV navigation in the corridor. Detected obstacles as well as the two sides of the ALV body are considered as patterns. A systematic method for separating these patterns into two classes is proposed. The two pattern classes are used as the input data to design a quadratic classifier. Finally, the two-dimensional decision boundary of the classifier, which goes through the middle point between the two front vehicle wheels, is taken as a local collision-free path. This approach is implemented on a real ALV and successful navigations confirm the feasibility of the approach.