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。     

浅谈无人车自动驾驶中的车辆调头问题

随着自动驾驶技术日新月异的发展,其调头问题也成为现代科学技术研究的重点之一。本文假设无人车是前轮转向、后轮驱动的四轮乘用车,以此为前提来研究无人车在面临调头问题时如何选择最佳路径。本文场景为：在三车道有中间隔离障碍物时,能否安全快速调头。无人车从起始位置出发跨过道路中间的障碍物进行调头,并且对侧公路有三条车道。为了充分考虑无人车在实际应用中的灵敏度和安全性等因素,本文采用了A*算法找到在原本设定场景中无人车的最优调头轨迹,并且结合阿克曼转向模型利用该条轨迹对无人车的运动状态进行进一步分析,最终找到最为迅速高效的无人车调头方案。     

无人直升机自主着舰的航线生成与跟踪控制

为实现无人直升机自主返航着舰,根据无人直升机与舰船的位置信息,设计了一种无人直升机自主生成返航航线的方法,并将生成的参考航线离散成路径点,每个路径点都包含了无人机直升机着舰返航要求达到的位置和速度信息。采用视线引导的方法设计了无人直升机制导律,内回路采用基于显模型跟踪与PID相结合的方法,实现了无人直升机对轨迹与速度的跟踪控制。数值仿真表明所设计的系统具有良好的性能。     

基站雷达与AIS引导的水面无人艇遥控系统

针对无人艇进行海面监测、海难搜救等具体任务需求,以现有小型舰船及动力操控设备为基础,设计并实现了一种水面无人艇导航与控制遥控系统。系统中路径规划/航迹监控模块可根据基站先验地理信息的路径规划及预设极限可航范围监控航行轨迹;危险评价/操控决策模块对雷达跟踪数据及AIS参数的实时分析,获取艇周目标与无人艇的碰撞危险评价,给出无人艇试操纵避让方案;信息交互模块利用4G网络通信技术实现艇上传感器与遥控系统间的数据交互;艇载工控机终端响应模块在收到指令后,仿云台控制利用PELCO-D协议驱动艇上车舵设备。基于某江域的试验结果表明,控制基站与艇数据交换可靠,艇车舵系统能有效响应遥指令。     

基于蚁群四次贝塞尔曲线的无人车路径规划

为了实现在障碍物环境下规划出符合无人车行驶曲率并安全避障的路径,提出一种蚁群算法与四次贝塞尔曲线融合的路径规划方法。首先在栅格地图下利用蚁群算法规划出从起始点到目标点的全局最短路径;然后将路径分割成有限个位置点,在每两个点之间生成具有行驶曲率、避障安全距离的贝塞尔曲线;最后形成一条连续的无人车行驶路径。经过仿真验证,证明了此方法的有效性和可行性。     

基于贝塞尔曲线的无人车局部避障应用

文中将基于贝塞尔曲线的路径规划方法应用在无人车局部避障中。首先通过最小化曲线的最大曲率与最小曲率之间的差值确定贝塞尔曲线所需的五个控制点,根据五个控制点确定贝塞尔曲线,再结合实验无人车和道路的实际情况从若干备选曲线中选择最优路线。实验仿真结果证明,该方法能够达到无人车局部避障的要求,能满足包括初始状态约束、目标状态约束、曲率连续约束等行驶条件。     

多目标跟踪中基于次模优化的轨迹片段生成方法

作为智能视觉任务的基础工作,多目标跟踪(MOT)一直是计算机视觉领域具有挑战性的课题之一。遮挡是影响跟踪准确性的主要因素,为此该文采用基于检测跟踪的思想,以轨迹片段为基础进行关联获取目标的完整轨迹;同时,为提高跟踪鲁棒性,该文将轨迹片段的生成问题转化为运筹学中的设施选址问题,并进而提出基于次模优化的轨迹片段生成方法。该方法融合梯度(HOG)和颜色(CN)两个互补特征进行目标表征,并根据运动信息设计权重系数提高目标匹配准确度,最后提出具有约束的次模最大化算法实现全局范围内的数据关联生成轨迹片段。通过在多个基准数据集上的对比实验,表明该文算法在保证性能的同时能有效处理遮挡问题。     

快速避障三维最优轨迹规划研究

针对无人作战飞机自主化任务需求,提出了一种"人在回路上"的UCAV自主任务规划解决方案;针对该方案中的UCAV快速自主轨迹规划需求,提出了基于高斯伪谱法的快速轨迹规划解决方案。该方案在充分考虑UCAV的气动力特性、发动机推力特性及大气环境特性的基础上建立了高精度的UCAV模型,详细分析并构建了比较真实的UCAV飞行包线约束模型和三维战场环境约束条件,在此基础上,构建了基于最优控制理论框架的UCAV轨迹规划模型;最后,详细分析并实现了采用GAUSS伪谱法求解该问题的实现过程。仿真结果表明,该方法能以较高的精度和速度生成满足各种复杂约束要求,连续并且真实可行的最优轨迹。     

基于多智能体强化学习的无人车分布式路径规划方法

在危险系数较高的救援、勘察或补给等重要任务中,为避免人员伤亡,需要无人车具备自主探索并协同到达多个目标位置的能力.基于此,提出一种基于多智能体强化学习的无人车分布式路径规划模型,通过集中训练方式生成无人车的行驶策略.仿真结果证明了该方法的有效性.     

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。     

群体智能支撑的无人机群航路规划应用综述

无人机群航路规划的主要目标是为每架无人机生成一条连接起始点和目标点并满足约束条件的可飞行路径。传统方法主要以代价地图为基础，采用动态规划与几何运算等方法解决无人机群的路径规划问题。然而，这些方法难以解决无人机群的几何、物理与时间等复杂多约束问题，而且代价地图的构建十分耗时，使得无人机群难以应对复杂多变的实际环境。近年来，群体智能技术的出现为无人机群路径规划提供了新思路，该技术不但能够解决无人机一维静态的路径优化问题，同时为多维动态路径的优化提供更加精准、快速、有效的智能解决方案。此外，机载智能硬件的飞速发展也极大提升了无人机群的通信速率与运算效率，使得无人机群具备环境适应能力强、部署灵活和多功能集成等优势。基于以上背景，阐述了无人机群航路规划的环境感知建模、适应度函数、约束条件和障碍物规避四方面内容；综述了群体智能算法原理，并分析讨论了5种群体智能算法以及其应用于无人机群航路规划的优缺点；分析和展望了群体智能算法应用于无人机群航路规划与任务协同方向的发展趋势。     

一种考虑实际运动约束的高斯过程运动规划方法

基于梯度优化的高斯过程运动规划器GPMP2的算法运行时间短,通过概率推理来优化机器人轨迹,可得到平滑的无碰撞的轨迹。然而该算法并未考虑轮式机器人如四轮车辆等的最小转弯半径等运动约束,使规划出的轨迹在轮式机器人实际行驶中受限,为此,该文提出一种加入最小转弯半径等运动约束于GPMP2算法的运动规划方法,以规划出考虑机身尺寸的机器人运行轨迹。实验结果表明,该文算法的路径规划成功率提高了4.5%,所规划的轨迹与实际运行轨迹符合度较好。     

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...     

人类司机分心行为对无人车纵向速度控制的影响

无人车通常无法探测到人类司机的分心行为，这将导致无人车延迟地采取紧急制动来避免追尾。因此，本文致力于构建无人车控制与人类司机分心监测之间的桥梁，来辅助无人车预测潜在风险并像有经验的人类司机一样避让处于分心的司机，提高无人车的智能化水平和交通系统的安全性。首先，本文提出了一种整合了司机分心监测、车对车信息交换、无人车速度控制的可行系统框架。然后，基于卷积神经网络，本文提供了一种司机分心监测实现。最后，基于模型预测控制策略，本文提出了一种考虑了司机分心行为的无人车纵向速度控制方法，并给出持续可行性分析。仿真结果验证了本文工作的有效性。      

复杂环境下的无人机三维路径规划

针对存放大量杂物的室内环境或室外高楼林立的城市场景的复杂环境,提出一种以Theta^*算法做全局路径规划、改进动态窗口法(DWA)追踪路径节点的方法来实现四旋翼在三维环境下的路径规划。相较于先全局静态路径规划后路径C2连续性优化的方法,所提方法可躲避地图中未知障碍物信息并且生成的曲线符合无人机(UAV)动力学约束,保证UAV能够跟随路径而不会发生速度剧烈变化导致姿态错乱的情况。算法最终不仅生成规划好的避障路径,而且也生成电机的转速变化。所提方法可实现在无干扰情况下,仅跟踪电机转速变化就能进行轨迹跟踪,简化了UAV的控制难度。     

基于节点过滤及运动学约束改进的RRT算法

由于快速扩展随机树(RRT)算法存在规划路径曲折、收敛较慢,且无法被智能车辆直接跟踪等问题.为克服此缺陷,本文在基本RRT算法基础上,加入目标偏向性策略和密集节点过滤,以此提高规划速度;在选择父节点时考虑车辆运动学约束并根据车辆位置动态确定扩展步长,最后对所得路径进行修剪,并使用三次B样条曲线进行平滑,生成一条平滑可被...     

一种基于摄像头的自动导航车系统的设计

以单片机为主控芯片的智能导航车系统,采用单片机MC9S12DG128B作为核心,小型直流电机作为驱动元件。通过增量式旋转编码器测速,构成带速度反馈的伺服控制系统。利用增量式PID算法进行速度调节,使用舵机控制智能车的转向,系统以CCD摄像头作为路径识别装置,通过图像识别提取路径信息。并且提出引入动态阈值的计算方法,经过测试证明:系统能很好地完成路径识别,具有良好的抗干扰性。     

多约束的无人机动态路径规划算法研究

无人机的自主飞行是无人机相关研究的重点方向，如何在复杂环境中快速分析环境，并规划一条安全可行的路径，是该方向的研究目标。针对传统路径搜索算法存在的路径不平滑问题，采用三阶B样条曲线进行预规划航迹。在欧式有符号距离函数(Euclidean Signed Distance Functions, ESDF)地图提供的梯度信息的基础上，分别在平滑、碰撞和可行性上设计约束方程，实现轨迹动态重规划。针对路径动态更新中，时间间隔变化产生的控制点不再符合约束的问题，采用各向异性曲线拟合方法，实现时间再分配，保障在动态更新路径的过程中，新产生的路径与原路径相似且具有同样的可行性。实验证明，该算法实现了无人机的自主路径规划与优化，能够进行动态避障，面对复杂环境具有鲁棒性。     

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。     

遗传算法在移动机器人静态全局路径规划中的应用

遗传算法自诞生以来，凭借自身优越的全局寻优、不依赖目标函数梯度信息等特性，已在科研领域内得到了广泛应用。应用遗传算法解决移动机器人静态全局路径规划，利用神经网络模型描述环境信息，得到神经网络输出与无碰撞路径的关系，然后将路径的二维编码简化为一维编码，从而将无碰撞约束和最短路径约束合并在一个适应度函数中。在一定程度上提高了运算效率，通过计算仿真证明，方法是正确有效的。