一种带有避障功能的无人车轨迹跟踪控制器设计

基于模型预测控制(model predict control,MPC)设计了一种带有重规划层的无人车轨迹跟踪控制器,用于实现带避障功能的轨迹跟踪。假设在有限的地平线上有一条存在障碍物的已知轨迹,为了规避轨迹上的障碍物,设计了一种轨迹重规划层+预测控制层的双层轨迹跟踪系统。首先接收到在障碍物信息后,在重规划层中借助无人车的点质量模型预测局部参考轨迹;然后控制层控制前轮转向,完成对局部轨迹的跟踪,避开障碍物。并在CARSIM/SIMILINK模型环境中对设计的控制器进行仿真实验,验证控制器在不同速度下对障碍物规避和期望轨迹跟踪的有效性。     

无人车位姿调节轨迹规划方法

无人车在泊车、接驳、充电等过程中需要调节自身位姿达到任务要求的目标状态。对于采用阿克曼结构的轮式无人车由于存在非完整约束,不能直接到达目标,在环境中存在其它障碍物时,其轨迹搜索的效率低,而且轨迹质量差。针对这一问题,提出将轨迹规划解耦为路径规划和速度规划,路径规划考虑无人车转向系统的约束,利用改进的Reeds-Shepp曲线生成曲率连续变化且有界的距离最优路径。速度规划考虑无人车驱动系统的约束,根据路径上无人车的运动方向将路径分为离散的路径片段。在路径片段上采用指数函构造速度轮廓,保证速度及其高阶导数光滑有界。将速度轮廓叠加到相应的路径片段上得到参考轨迹。最终生成的轨迹满足车辆的转向和驱动特性,并有助于减少轨迹跟踪误差。     

基于软件定义的无人车系统

无人车在实验和实际工作中发挥着重要作用。然而,在部分场景下,自主控制的无人车有时并不能有效按照用户的意愿执行任务,并且对于繁琐的软硬件以及接口管理是一件让专业人员都头疼的事情,同时有些危险多变的操作环境也对操作人员提出了挑战。所以也迫切需要一个操作简单、可以远程控制并且带有管理属性的无人车系统,即便是非专业用户依旧可以直观应用并快速入手。为此,在本文中,借鉴了软件定义无人系统的概念,对无人车的硬件进行抽象并构建控制接口以适应无人车底层硬件。设计一个能使用VR控制的无人车系统。同时在设计的应用场景中,对原有的导航过程中易出现的问题进行处理并达到了预期的解决效果。     

基于红外技术与激光雷达的新能源汽车无人驾驶障碍检测

障碍物检测是无人车研究的重点之一,需要多角度获取障碍物数据。提出基于红外技术与激光雷达的新能源汽车无人车驾驶障碍检测方法。引用Trimble MX2三维激光雷达设备,结合红外线传感器,获取驾驶过程中障碍物数据,通过预处理降低数据获取误差。采用处理后的障碍数据点连接成障碍轮廓,并根据障碍分类信息完成障碍物检测。构建检测性能测试环境,试验结果表明,红外技术与激光雷达相结合后,可以实现对全部障碍物的准确检测,能够精准划分障碍物类型,行驶障碍物种类划分的误分率始终保持在0%～10%之间,检测用时始终保持在2 s以内,用时较短,检测识别效果较好,能够提高无人车夜间驾驶安全系数。     

车载激光雷达三维点云重构与漫游方法

针对车载激光雷达系统,建立了由激光扫描仪数据、载车GPS数据、载车姿态数据进行激光点云解算与重构的数学模型,得到道路及两侧景物的三维点云场景。根据载车行进轨迹,用OpenGL三维引擎技术,实现对道路两侧景物的三维漫游。研究将激光雷达应用于车辆和飞行器的防撞预警,此技术具有快速、主动获取障碍物的高精确度三维坐标,探测距离远,受天气影响小的优势。为能见度低、障碍物较多情况下的车辆和飞行器的防撞提供了一个可行的技术途径。     

追逃定性微分对策中界栅的确定

应用定性微分对策理论对无人机、无人车追逃问题进行分析,给出在对局环境中存在障碍物的情况下,躲避区与捕获区分界界栅的确定过程。设置对局场景,建立对局双方的运动学方程,针对双方的运动特性分析结局并得出对局策略。然后考虑讨论环境中障碍物的影响,分析对局终止条件,最终解算出界栅,并给出实例说明。     

基于传统的车辆违章转弯检测与实现

本文针对日益严重的交通状况和交通事故率,监控视频需要大量的人力监测。为改善这种情况,设计在无人职守的情况下的违章车辆监控系统,可以自动的监控交通情况,对车辆的行驶状态进行监视跟踪,记录违反交通规则车辆的行驶轨迹,再对行驶轨迹做位置的分析结合机动车行驶的车道及路口的信号灯判断车辆是否有违章行为。     

一种基于多普勒特征的障碍物检测方法

目前无人地面车进行地形障碍物检测主要依靠以激光雷达为主的多种传感器,而对利用毫米波雷达进行检测的方法研究较少。文中介绍了采用毫米波雷达进行障碍物检测的总体思路和雷达参数的选择;描述了多普勒频移与障碍物高度的关系;分析了平坦地面、凸出障碍物和壕沟的高度像特征,并在此基础上提出一种利用多普勒特征估算障碍物高度以及对障碍物进行分类的方法。仿真结果表明,只要雷达满足频率分辨力的要求,文中算法具有良好的可行性。     

利用激光测距仪探查车前的障碍物

日本鹿岛建设公司在开凿隧道工程中,区段间的无人运送车上,利用了激光测距仪探查车前的障爵物,其装置已经达到了实用化。 该装置代替无人运送车的眼睛,能探查车辆前方有无操作人员和障碍物,当出现障碍物时还能判定其位置,使车辆在撞到它们之前安全停车。     

基于单目视觉与改进势场法的避障算法

针对无人平台在未知环境缺乏全局障碍物位置信息难以进行实时避障的问题,提出一种融合深度神经网络和改进人工势场的动态避障方法。首先利用YOLOv5s轻量目标检测网络和轻量化深度估计网络构建障碍感知模块,探测障碍物位置和深度;其次使用目标框和等效深度描述周围障碍物的三维信息;然后将自身平台投影到图像平面形成核心区,并根据障碍物的等效深度网格与核心区的位置关系计算核心区在像平面虚拟势场受力方向、所需要的偏航角和线速度;最后控制系统接收到信号后引导无人平台转向或制动,使核心区内部深度大于设定的安全距离完成动态避障。实验基于单目可见光和红外进行避障测试,结果表明视觉感知模块可以准确探测常见障碍物的位置和深度,核心区能够直观地反映无人平台与障碍物的位置关系,方法仅依赖单目传感器便可实现有效避障,相比于传统方法成本低廉、部署灵活,为无人平台在日间、夜间的未知环境进行避障提供了新思路。     

多无人车自主探索未知环境下的协同任务规划

针对未知环境下多无人车协同自主探索分配任务不合理、执行效率较低的问题,提出一种融合波前算法的分布式多无人车协同探索方法。首先,设计基于市场机制任务分配方法的先验判决函数,结合波前算法对边界点进行相似度最大化预处理,使边界导引点脱离局部最优,同时引入min-max评估函数对边界点进行评估;其次,通过波前算法对Dijkstra路径规划算法进行改进,使无人车移动轨迹更精确,减少路径拐点。最后,在多种仿真环境下将所提方法和文献[12]方法进行了实验对比,在环境全覆盖时,所提方法探索时长平均减少了35.69%;实验结果表明,所提方法可有效提升探索覆盖率,减少重复路径、缩短探索时间,提高了多无人车协同探索的效率。     

STK软件在数字目标场景仿真中的应用

为了解决数字目标场景仿真中缺少逼真的战场态势和目标轨迹显示的问题,提出了利用卫星工具包(STK)软件进行三维战场环境显示的思路和方法。通过研究STK二次开发接口和对象模型库,在基于微软基础类(MFC)的窗口应用程序中利用STK的组件对象模型(COM)接口进行二次开发,实现了在窗口应用程序中直接嵌入STK三维显示窗口,并利用STK的星历文件实现了轨迹信息的导入和显示。同时,给出了雷达坐标系下目标位置与经纬度的转换方法。该研究解决了数字目标场景仿真中三维场景显示的问题,为雷达提供了更加真实的仿真场景,提高了用户体验度,具备较高的工程应用价值。     

物联网数据收集中基于负载均衡的无人机-车联合轨迹规划

为了提升大规模物联网数据收集的效率,提出了一种基于负载均衡区域划分的多无人机-车联合轨迹规划算法,其中,无人机作为空中基站收集物联网设备的数据,地面无人车作为移动电池更换站以弥补无人机能量的不足。为了缩短整体任务完成时间,优化目标为最小化所有无人机-车中最长的任务完成时间,将该问题建模为多站点车辆路由问题的一个变种,并从负载均衡的角度对其进行求解。具体来说,首先通过负载均衡区域划分算法将物联网设备分配到无人机-车的服务区,在此基础上,多站点无人机-车的轨迹规划问题退化为多个独立的单站点单组无人机-车的轨迹规划问题,进而设计联合轨迹规划策略优化各个服务区中的路径。数值结果验证了所提算法在任务完成时间和负载均衡度方面优于对比算法。     

基于三维激光雷达的无人船障碍物自适应栅格表达方法

针对无人船(USV)海上近距离实时性避碰检测的需求,提出一种基于三维激光雷达的USV障碍物自适应栅格表达方法。根据USV周边环境障碍物的激光雷达点云分布,建立障碍物密集度和障碍物表达时间与栅格地图分辨率之间的函数关系,自适应确定适中的地图分辨率,构建栅格地图;对三维激光雷达点云数据进行降维处理,将三维激光雷达点云投影到栅格地图,减小数据量,提高障碍物检测效率。利用三维激光雷达开展方法验证性实验,获取了三种不同障碍物场景的激光雷达点云数据。处理结果显示:环境中障碍物数量越多,获得的期望栅格地图分辨率越高,障碍物表达更精细;反之,障碍物数量越少,获得的期望栅格地图分辨率越低,障碍物表达更快速,可实现障碍物自适应栅格表达。所建立的方法可为后续USV局部避碰路径规划研究提供支撑。     

基于UWB和惯性导航技术的无人车融合定位方法

针对基于超宽带（UWB）的无人车定位波动大和定位误差大的问题,提出了一种加权递推平均滤波和卡尔曼滤波相结合的定位算法。首先,建立了一套UWB基站定位系统,用于采集无人车UWB定位数据信息;然后,利用加权递推平均滤波算法对UWB定位数据信息处理,提升定位结果的稳定性;最后,结合无人车惯性导航信息对加权递推平均滤波算法处理后的结果进行卡尔曼滤波融合,得到最终的定位结果。经过无人车静止和移动场景的多组定位测试,结果表明,静止场景下加权递推平均滤波算法处理后定位均方根误差平均降低了13.3%,稳定性得到了一定的提升;移动场景下,采用加权递推平均滤波和卡尔曼滤波融合算法处理后,直线运动和圆周运动时的定位均方根误差平均分别降低了41.6%和38.4%,定位的稳定性和准确度得到有效的提升。由此证明了所提出的方法的有效性,具有一定的推广使用价值。     

基于地铁复杂场景下异常行为的视频分析研究

为减少异常行为在公共场所造成的安全隐患,以复杂场景地铁为研究背景,从人工智能的角度出发,全面地分析异常行为特征并进行系统设计,快速标定视频监控场景。在上下文场景模型与异常行为模型建立的基础上,采用改进camshift算法对轨迹间断进行填补并跟踪,提出了一种以轨迹属性集对晕倒异常行为进行表征。实验结果表明,该算法能够快速分析地铁场景中的晕倒行为并及时预警,检测率为89.9%。     

多车道纵向避障控制算法研究

随着多车道的出现,高速道路匝道数目的增加以及道路特点,使车辆行驶环境变得尤为复杂,导致行驶事故极易发生.考虑到行车场景的复杂性,本文分析车辆间关系,推导邻车关联性及碰撞机理,充分考虑邻车状态对本车的影响,建立多车道车辆运行碰撞风险模型,并计算危险度.以前车相对速度和相对距离为输入,建立隶属度函数以及对应规则,定义各参数...     

基于改进A-star与DWA相融合的移动机器人动态路径规划算法

A-star算法常用于移动机器人的全局路径规划,但在复杂场景中A-star算法存在耗时长、搜索节点过多、路径不平滑、不能避开环境中未知的障碍物等问题。针对于此,本文提出一种融合路径规划算法。首先,在A-star算法的基础上引入环境中的障碍物信息和搜索节点到起始位置的距离信息动态调节启发函数的权重,减少搜索节点数,提升A-star算法的性能;然后,利用自适应分段步长的高阶贝塞尔曲线对路径进行优化,减少转折点提升路径的平滑性;最后,将改进A-star算法规划的全局路径作为引导,将路径节点作为DWA算法的中间目标,实现全局路径规划和局部规划的融合,使移动机器人在找到全局最优路径的同时,能够避开环境中的未知障碍物,实现移动机器人的动态路径规划。仿真结果验证了该算法的有效性。     

全电驱分布式无人车路径跟踪控制仿真研究

为实现全电驱分布式无人车的路径跟踪控制仿真,联合Carsim和Simulink建立了具备独立驱动/制动/转向功能的全电驱分布式无人车运动仿真平台.在该仿真方法中,车辆行驶的整车动力学仿真在Carsim软件中实现,整车动力学中驱动轮的驱动力矩及转速等参数直接来自Matlab/Simulink中建立的驱动电机、转向电机等驱...     

基于无人车传感器系统的加权平均数据融合算法研究

无人车在运行过程中,需要利用多传感器系统对周围道路环境进行观测,但这些传感器获取的数据信息存在着超载,丢失或不精确等问题,则需采用数据融合技术对所获数据加以优化处理。本文基于无人车的多传感器系统,对加权平均数据融合算法进行了研究,符合无人车运行环境下融合层次的要求,在实际的数据融合处理中具有很高的可行性。