基于虚拟现实的装甲车辆运动仿真研究

装甲车行驶中车体姿态的仿真是模拟驾驶训练系统的关键技术.为实现不同地形下基于虚拟现实的装甲车辆驾驶模拟,本文提出了基于虚拟现实的装甲车辆运动仿真方法.首先,构建装甲车辆的结构、外形和真实的地形,采用第一和第三视角同步显示驾驶场景;其次,建立车辆行驶的动力学模型,求解车身在不同地形下的车身姿态数据;最后,通过Unity3D引擎实现整个场景和车体姿态的动态渲染.通过实验证明,该方法能够准确的模拟各种地形条件下的车体姿态,真实的仿真车辆的运行状态.     

基于模型预测的自动导引车区间轨迹跟踪控制

针对自动导引车(AGV)轨迹跟踪问题,在确定其可行驶区域的基础上,考虑自动导引车的大小和形状,本文设计了一种基于模型预测控制理论的轨迹跟踪控制方法.首先,将车辆运动学模型进行线性化处理,得到车辆动力学线性模型;其次,运用模型预测控制方法,利用预测路径与期望路径之间的误差,通过优化得到使性能指标最优的控制序列;最后,在MATLAB软件上对轨迹跟踪控制器进行仿真.实验结果表明,AGV可以稳定地跟踪参考轨迹,且距离偏差和角度偏差都在给定的可行范围内,证明了提出的基于模型预测控制的轨迹跟踪算法具有良好的跟踪性能.     

采用观测器的双线性系统最优跟踪控制器设计

研究一类参考输入由外系统描述的双线性系统的最优输出跟踪控制问题.利用逐次逼近的方法,首先构造一族非齐次线性两点边值问题序列将原非线性两点边值问题解耦;然后迭代求解伴随向量的序列,得到由状态向量的线性解析函数和以伴随向量的极限形式给出的非线性部分的补偿项组成的最优输出跟踪控制律.通过构造降维观测器重构外系统的状态,解决了最优输出跟踪控制律的物理可实现问题仿真结果表明了该方法的有效性.     

智能车辆深度强化学习的模型迁移轨迹规划方法

针对智能驾驶车辆传统路径规划中出现车辆模型跟踪误差和过度依赖问题,提出一种基于深度强化学习的模型迁移的智能驾驶车辆轨迹规划方法.首先,提取真实环境的抽象模型,该模型利用深度确定性策略梯度(DDPG)和车辆动力学模型,共同训练逼近最优智能驾驶的强化学习模型;其次,通过模型迁移策略将实际场景问题迁移至虚拟抽象模型中,根据该环境中训练好的深度强化学习模型计算控制与轨迹序列;而后,根据真实环境中评价函数选择最优轨迹序列.实验结果表明,所提方法能够处理连续输入状态,并生成连续控制的转角控制序列,减少横向跟踪误差;同时通过模型迁移能够提高模型的泛化性能,减小过度依赖问题.     

无人车辆轨迹规划与跟踪控制的统一建模方法

无人车辆的轨迹规划与跟踪控制是实现自动驾驶的关键.轨迹规划与跟踪控制一般分为两个部分，即先根据车辆周边环境信息以及自车运动状态信息规划出参考轨迹，再依此轨迹来调节车辆纵横向输出以实现跟随控制.本文通过对无人车辆的轨迹规划与跟踪进行统一建模，基于行车环境势场建模与车辆动力学建模，利用模型预测控制中的优化算法来选择人工势场定义下的局部轨迹，生成最优的参考轨迹，并在实现轨迹规划的同时进行跟踪控制.通过CarSim与MATLAB/Simulink的联合仿真实验表明，该方法可在多种场景下实现无人车辆的动态避障.     

基于HMM的车辆行驶状态实时判别方法研究

对交通视频车辆轨迹时序特征下的车辆行驶状态进行研究,提出了一种基于隐马尔科夫模型（Hidden Markov model,HMM）的车辆行驶状态实时判别方法.首先对轨迹序列进行了基于轨迹长度的去不完整轨迹序列、对车辆轨迹点序列的线 性平滑滤波和最小二乘线性拟合的预处理操作,保证了所获得轨迹序列的有效性;其次,提出一种基于车辆运行轨迹点序列方向角的车辆轨迹特征值表示方法和基于方向角区间划分的HMM观察值序列生成方法,该方法以方向角的区间变化来区分不同轨迹模式的特征;最后,采用多观察值序列下的Baum-Welch 算法训练得到相关交通场景轨迹模式类的最优HMM 参数,并通过实时获取车辆行驶轨迹段与相应模型的匹配,实现对车辆行驶状态的实时判别. 仿真实验验证了本文方法的有效性和稳定性.     

基于动态参考规划的鲁棒Tube模型预测跟踪控制

为实现扰动和约束作用下对系统的最优鲁棒跟踪, 提出一种动态参考规划(DRP)方法, 设计鲁棒Tube模型预测控制器(RTMPC)将系统状态驱动到以最优跟踪点为中心的扰动不变集内. 基于DRP的RTMPC控制方法, 以多步参考为决策变量, 确保在线优化递归可行性的同时, 增加在线优化的自由度; 另外, 通过设定目标函数惩罚标称状态轨迹和参考稳态之间、以及最后一步参考稳态和设定点之间的加权欧式距离, 可实现最优鲁棒跟踪.     

基于高速公路场景的车辆目标跟踪

车辆目标检测与跟踪是高速公路视频监控系统实时监控获取交通参数的关键步骤.本文提出了一种面向高速公路场景的目标轨迹时序信息结合核相关滤波KCF算法的车辆目标跟踪方法,实现了车辆目标的高精度持续跟踪.该方法首先采用基于深度学习的单目标检测SSD算法,通过建立车辆数据集,实现了适用于高速公路场景的车辆目标的分类与检测.然后,基于目标轨迹时序信息实现目标车辆与轨迹的匹配,并且采用KCF跟踪算法对丢失目标进行预测重定位,从而实现车辆目标轨迹的持续跟踪.实验表明,该跟踪方法精度高,且适应多种不同场景,具有较高的应用价值.     

线性多变量系统有限时间最优解耦控制

针对线性多变量系统, 将前馈解耦控制与有限时间最优跟踪控制相结合, 提出一种新的最优解耦控制方法. 首先, 将关于状态的微分方程转化成关于输出的微分方程, 将系统内部矩阵和控制输入矩阵分别分解成对角矩阵和对角元为零的矩阵; 然后, 通过引入中间虚拟变量, 采用前馈和输出反馈的方法对系统进行解耦; 最后, 采用有限时间最优跟踪控制方法实现系统对任意参考输入的跟踪. 仿真结果表明了所提出方法的有效性和优越性.     

适用于遮挡问题的多车辆跟踪算法

针对多车辆跟踪中的遮挡问题,提出一种新的基于特征相关匹配的车辆跟踪算法。对前一帧和当前帧中获得的运动区域分别给予＂车辆区域＂和＂临时区域＂两种不同身份,采用＂三点外推法＂估计车辆区域在当前帧中位置,并通过计算到当前帧临时区域的距离以确定匹配区域,实现车辆跟踪。同时根据给各区域设置的状态因子判断车辆状态,结合基于追踪窗口的分割方法,较好地解决了车辆遮挡问题。实验结果表明,该算法简单有效,能较好解决跟踪中遮挡造成的车辆丢失问题,进行准确的目标跟踪。     

Adaptive path planning and tracking system based on model predictive control for autonomous vehicle local obstacle avoidance

Path planning and tracking control are the key technologies of autonomous vehicle. The planned path and tracking results affect driving stability and safety directly. In this paper, an improved local path planning method based on model predictive control is proposed to match the variation of vehicle speed and road adhesion coefficient. A two-layer model predictive control (MPC) path planning and tracking system is further designed to validate the method and the simulation results show that the proposed solution solves the problem of excessive avoidance and reduces the lateral deviation with the reference path.     

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。     

四轮转向车辆转向解耦的双点跟踪控制

针对四轮转向(4WS)无人车辆路径跟踪中的过约束问题, 本文提出一种前后轮转向解耦的双点跟踪控制策略. 建立4WS车辆单轨运动学模型, 约束前后轮转向角速度, 规划曲率连续的回旋曲线参考位姿序列, 将其解耦为前后轴中心的双点参考轨迹; 以前后轮中心点为控制点, 采用非线性反馈控制的预瞄方法分别获得转向控制率, 双点跟踪误差指数收敛于0. 仿真和实车验证结果表明, 所提出的双点跟踪控制策略横向误差标准差减少0.2 m, 横摆角误差标准差减小3.0?, 具有更大的前后轮转角控制域和较高的跟踪精度     

无人驾驶车路径跟踪控制研究

研究被控对象无人驾驶车,基于预瞄控制思想,设计一种无人驾驶车路径跟踪控制器,将控制器分为预瞄控制和补偿控制两部分,预瞄控制模拟驾驶员在驾驶车辆过程中对前方的道路环境信息进行预瞄,根据道路曲率程度决定方向盘转向,补偿控制是对车辆遇到干扰偏离原车道的纠正。仿真实验结果表明,该控制器能够保证无人驾驶车准确跟踪各种参考路径,且具有较好的鲁棒性。     

基于三次B样条曲线拟合的智能车轨迹跟踪算法

针对传统几何轨迹跟踪算法切向角获取依赖高精度惯导设备的问题，提出了基于三次B样条曲线拟合的轨迹跟踪算法。首先，通过对先验地图中的离散轨迹点进行拟合生成平滑轨迹线；然后，根据轨迹方程通过插值法重新生成离散路点，并计算各个路点处的切向角，从而实现了对多传感器融合轨迹的优化与跟踪。在真实的智能车实验平台上，用所提算法对20km/h低速绕圈和60km/h较高速度直道两种典型场景进行了在真实道路下的跟踪测试。在低速大曲率和较高速度直道两种典型场景下，所提算法轨迹跟踪的最大横向误差均保持在0.3m以内。实验结果表明，该算法有效解决了传统几何轨迹跟踪算法对惯导设备依赖的问题，同时保持了较好的跟踪性能。     

农用拖拉机的自适应二阶滑模路径跟踪控制

针对农用拖拉机在未知扰动影响下的路径跟踪控制问题,本文提出了基于自适应二阶滑模和扰动观测技术的路径跟踪控制策略.首先,建立含有未知扰动项的路径跟踪偏差模型,通过利用自适应控制和改进的加幂积分技术,构造自适应二阶滑模路径跟踪控制方法,该控制方法削弱了滑模控制中存在的抖振影响.其次,为了解决大扰动下控制增益调整过度的问题,通过将鲁棒精确微分器和自适应二阶滑模控制结合,构造复合的路径跟踪控制方法.严格的Lyapunov分析表明横向偏差和航向偏差均在有限时间内稳定到原点.最后,仿真结果验证了本文设计的制导方法能够保证农用拖拉机快速且稳定地跟踪上任意弯曲的参考路径.     

智能车辆路径跟踪控制方法

为了提高智能车辆路径跟踪控制器的可靠性和控制精度,提出一种基于误差动力学模型的路径跟踪控制方法.基于车辆运动学模型和动力学模型建立系统误差动力学模型,并在此基础上推导出车辆路径跟踪控制的稳态控制律,利用李雅普诺夫稳定性理论验证稳态控制律的正确性.为了减小外部干扰对控制性能的影响,提高控制器的可靠性,进一步设计基于车辆侧向位移误差的瞬态控制律,并利用李雅普诺夫稳定性理论验证闭环系统的稳定性.稳态控制律和瞬态控制律构成了非线性的路径跟踪控制器.通过与车辆路径跟踪常用的线性控制器和非线性控制器对比验证所提出控制方法的有效性,线性控制器选用LQR控制器,非线性控制器选用Stanley控制器.仿真结果表明,与LQR控制器相比,所提出控制方法的路径跟踪控制精度、抗干扰性和可靠性更好.与Stanley控制器相比,所提出控制方法具有更好的路径跟踪控制精度和控制收敛速度,且在大曲率路径跟踪过程中具有更好的可靠性.     

Modelling and Control Strategies in Path Tracking Control for Autonomous Ground Vehicles: A Review of State of the Art and Challenges

Autonomous vehicle field of study has seen considerable researches within three decades. In the last decade particularly, interests in this field has undergone tremendous improvement. One of the main aspects in autonomous vehicle is the path tracking control, focusing on the vehicle control in lateral and longitudinal direction in order to follow a specified path or trajectory. In this paper, path tracking control is reviewed in terms of the basic vehicle model usually used; the control strategies usually employed in path tracking control, and the performance criteria used to evaluate the controller’s performance. Vehicle model is categorised into several types depending on its linearity and the type of behaviour it simulates, while path tracking control is categorised depending on its approach. This paper provides critical review of each of these aspects in terms of its usage and disadvantages/advantages. Each aspect is summarised for better overall understanding. Based on the critical reviews, main challenges in the field of path tracking control is identified and future research direction is proposed. Several promising advancement is proposed with the main prospect is focused on adaptive geometric controller developed on a nonlinear vehicle model and tested with hardware-in-the-loop (HIL). It is hoped that this review can be treated as preliminary insight into the choice of controllers in path tracking control development for an autonomous ground vehicle.     

Semi-automatic road tracking by template matching and distance transformation in urban areas

Road surfaces are seriously disturbed by a variety of types of noise on very high resolution (VHR) remotely sensed imagery in urban areas, which is a tough challenge for most road tracking methods. In fact, the sizes of most types of noise such as vehicles, zebra crossings and lane markings are smaller than the width of road surfaces on VHR images. In this sense, some filtering techniques are helpful to weaken the negative effects of these types of image noise. In this article, a semi-automatic method is proposed to track roads on VHR imagery. Once a human operator inputs a seed point on a selected road, the spoke wheel algorithm is used to obtain road direction, road width and starting point, and generate a reference template. Then the automatic tracking is triggered. During the process, a reference template is moved to generate several target templates. For each target template, the differences of grey values between the reference template and the target template are calculated, and then thresholding is used to create a binary template. Subsequently, Euclidean distance transformation (EDT) is used to erode the small disturbing noises on each binary template, which is helpful to search optimal road centreline points. The above tracking process is repeated until a whole road network is completed. A QuickBird image covering Tai'an area is used for the test. The results demonstrate that our improved method can extract urban road networks more reliably, more robustly and faster than applying the least-squares template matching method.     

基于共享单车GPS数据的小区道路生成方法

利用GPS数据生成路网对城市交通有着重要意义。由于机动车自身对道路条件的要求,利用机动车GPS提取路网主要针对城市主干道及主路,忽略了小路及小区路网。为完善城市路网,提出了一种基于共享单车GPS轨迹的道路拓扑结构生成方法。首先提取路网拓扑节点,通过引入趋势夹角判断转折点后利用转向角分析确定拓扑点。然后提取道路线型,通过OW(opening window)算法对轨迹进行分割、基于DBCSAN算法思想提出一种对子轨迹聚类方法,再提取特征点来拟合道路中心线。利用缓冲区验证路网的精度,结果表明该方法生成的道路既能确保拓扑结构又具有较高的覆盖率。