一种用于智能车环境探测的立体视觉传感器

设计了应用于户外智能车环境感知的立体视觉系统,并提出了两种立体匹配算法,分别实现不同的功能.基于多特征提取的稀疏匹配算法首先通过图像局部增强处理减弱光照和场景变化的影响,然后在对极线引导和连续性约束下提取立体图像的角点特征和边缘特征进行匹配,能够实时探测环境的三维概貌,并突出环境中的障碍物信息,实现辅助车辆自主导航的功能;基于特征引导的稠密匹配算法采用了最小割/最大流算法,并利用多特征匹配的结果来剔除稠密匹配中的成块误匹配,能够重建出未知环境详细的三维信息,实现三维可视化功能.最后通过试验验证了两种算法的有效性.     

基于立体视觉的月球探测器路径规划算法

以实现月球探测器的避障路径规划为目标,采用立体视觉技术感知车前环境,设计一套基于特征匹配的车前障碍物检测算法。构造极坐标直方图描述环境空间,提出一种基于视觉感知的直方图Bug路径规划算法。通过朝目标移动和沿障碍物边界滑动2种行为的切换来保证算法全局收敛。实景重构与仿真实验验证了算法的有效性。     

智能车辆纵横向反演变结构协调控制

针对智能交通系统中车辆纵横向运动控制问题进行研究,建立了车辆的纵横向耦合非线性动力学模型,根据该控制系统具有非线性、强耦合和参数非匹配不确定性的特点,基于反演变结构控制理论,设计了智能车辆纵横向运动的协调控制算法;利用李雅普诺夫稳定性分析方法,证明了该控制算法可保证跟踪误差一致有界收敛.考虑到变结构的抖振问题,引入饱和...     

浅谈计算机技术与信息技术联用

本文主要研究了计算机技术与信息技术的区别,分析了实际的联用方法,希望对于计算机技术与信息技术的联用工作起到一定的帮助作用。     

基于遗传优化的无人车横向模糊控制

以视觉导航式无人车DLUIV-1为控制对象,对其进行横向运动控制研究。建立视觉导航式无人车横向运动控制系统模型,对无人车的横向运动行为进行描述。在此基础上,分析预瞄距离对横向控制系统动态性能的影响,并建立考虑速度因素的预瞄距离计算公式。针对无人车具有非完整运动约束、高度非线性动态特性以及参数的不确定性等特点,提出基于遗传算法的无人车横向模糊控制策略,通过遗传算法对横向模糊控制器的隶属度函数参数和控制规则的自动优化,从而有效地确定出横向模糊控制器的隶属度函数和控制规则。最后通过仿真和实车试验对该横向模糊控制器进行验证和评价,仿真和试验结果表明,该横向控制器可保证无人车稳定准确地跟踪参考路径,且具有较强的鲁棒性。     

基于双目视觉的智能车辆障碍物探测技术研究

鉴于障碍物探测是越野智能车辆自主导航的关键环节,为此针对越野环境光照多变、地形复杂的特点,提出了一种适用于越野环境的双目视觉障碍物检测技术,即首先对系统进行标定和坐标变换,以抵消地形的影响;然后采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,以削弱噪声、光照和对比度的影响;接着在特征匹配部分,用提取的图像的亚像素级Harris角点特征参与匹配;同时基于RANSAC方法估计基础矩阵,再通过对极几何约束匹配来提高系统的实时性,并采用连续性约束消除误匹配,最终获取环境的3维信息;在障碍物提取部分,则通过线性插值来构建车前环境的高程图像;最后通过边缘提取和形态学处理来最终检测障碍物。此外还通过不同环境中的检测实验,验证了该算法的可行性及有效性。     

越野智能车转向及驱动协调控制

本文以实现智能车在非结构化越野环境中的自主导航为目的,对越野路径识别及轨迹跟踪控制方法开展研究.首先基于视觉传感器和激光传感器实现可行驶路径的分割与提取,并建立了包含车辆转向及驱动的耦合控制系统模型;然后,针对控制系统模型具有非匹配不确定性的特点,采用反演变结构控制算法设计了转向及驱动协调控制器,并引入饱和函数以解决变结构的抖振问题;最后,通过仿真和越野导航试验验证了所提出控制算法的有效性和鲁棒性.     

基于多传感器信息的前方障碍物检测

月球环境感知是月球车自主导航的关键,月表石块将成为月球车行驶的主要障碍物之一,而依靠单一传感器获取障碍物信息都有局限性。充分利用单目视觉与激光雷达的优势资源,建立传感器信息融合系统。首先,基于模式识别理论的Fisher准则函数二值化CCD图像,并采用阈值面积消除法滤掉小面积区域,再根据8连通判别算法对石块进行标记后,对二值图像分别进行水平和垂直投影变换,画出石块的矩形区域。然后,利用激光雷达的面扫描功能实现融合系统的标定,再基于图像信息确定线扫描的初始位置并进行线扫描,获得障碍目标的三维数据并对其进行中值滤波和聚类分析,进而求取石块的距离、宽度及大致形状信息。     

基于滑转补偿的月球车轨迹跟踪控制算法

针对月球车轨迹跟踪问题,研究提出了六轮摇臂-转向架式月球车的基于滑转补偿的轨迹跟踪控制算法。为防止在轨迹跟踪过程中车轮滑转、下陷现象的发生,该控制算法采用新型指数趋近律的滑模控制对月球车车轮的滑转进行补偿;通过分析月球车的运动学模型和月球车的驱动系统辨识建立被控系统的状态空间模型,采用最优控制算法对其在崎岖路面的轨迹进行跟踪控制。最后,在ADAMS与Matlab/SIMULINK联合仿真环境下进行了仿真试验。结果表明,该算法可以在实现轨迹跟踪的基础上,降低月球车在崎岖路面各轮的滑转率差异,从而减少内力消耗,提高车体的通过性能,使月球车在软土环境下运动更加协调。