多传感器融合的智能车辆导航研究

为了解决单一传感器信息获取的不足,提出了一种融合视觉和超声波信息进行导航的方法,给出了从视觉信息中提取路面标志线及判断障碍物方位的算法。用D-S证据理论和模糊处理的方法将视觉分析得到的环境信息与多个超声波传感器获得的信息进行融合。算法包括了图像分割和数学形态学处理、超声系统的建模和信息的融合。仿真与实验结果表明：该方法可以有效提取出路面标志线并且信息处理和融合方法能有效判断障碍物,获得良好的避障导航效果。     

基于RBF在线辨识的AGV转向单神经元PID控制

针对自动引导车(AGV)转向系统的复杂、非线性和时变性,提出了基于RBF神经网络在线辨识的单神经元PID控制来改进常规的PID控制性能.在该控制系统结构中,采用RBF神经网络辨识器实现对转向系统的Jacobian矩阵信息的在线辨识,获得PID参数在线调整信息,并由单神经元PID控制器完成控制器参数的在线自整定,实现系统的智能控制.实验结果表明,与常规的PID控制方法相比.该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全可适用于AGV转向系统的控制.     

视觉导航智能车辆的路径跟踪预瞄控制

视觉导航智能车辆通过机器视觉获取导航路径信息并进行自动跟踪。常规的反馈控制仅利用当前的路径信息,在复杂条件或突发状况下难以有效工作。通过对在线获取的具体路径信息进行预瞄,可以对未来的路径信息加以利用,从而提高智能车辆行驶的安全性和有效性。为此,在获取的路径信息中确定当前路径和未来路径分别用于反馈和预瞄,并设计预瞄加反馈的控制器。该控制器能够自动根据预瞄路径的弯曲程度调整智能车辆的预瞄距离和行驶速度,从而提高跟踪精度和行驶稳定性。仿真和试验结果表明,该控制器与一般反馈式控制器相比跟踪误差较小,行驶更稳定。     

基于期望横摆角速度的视觉导航智能车辆横向控制

针对采用传统位置偏差控制方法的车道保持系统横向控制精度不高以及鲁棒性差等问题,提出一种跟踪期望横摆角速度的车辆横向控制方法。在车辆当前行驶位置和道路预瞄点之间实时规划逼近目标路径的虚拟路径,同时分析当前时刻车辆以无偏差形式沿此虚拟路径行驶时决定车辆行驶位置的横摆角速度及速度之间的关系。结合车辆道路相对位置及车身状态信息,设计期望横摆角速度生成器。基于7自由度非线性车辆动力学模型,设计滑模控制器跟踪期望横摆角速度,使得车辆稳定地跟踪目标路径。根据车道线宽度和边缘点数量统计进行边缘检测,能有效识别模糊车道边缘和抑制噪声,并通过对消失点的检测来有效去除非车道线的干扰。仿真及试验结果表明,与传统的位置偏差控制方法相比,期望横摆角速度法不仅能提高车辆横向控制的精确性且跟随偏差随车辆速度及道路曲率的变化波动范围小,具有很好的鲁棒性和自适应性。