基于鸿蒙系统的无人方程式赛车远程监控与数据管理系统开发

为了提高无人方程式赛车运行的安全性,设计了一种基于鸿蒙系统的无人方程式赛车远程监控与数据管理系统。该系统主要包括数据采集软件、远程监控平台、云数据库。数据采集软件使用鸿蒙系统开发,通过使用控制器局域网(controller area network,CAN)总线传输、蓝牙传输、WebSocket协议、HTTP协议,实现对CAN数据的解析、显示、转发。监控系统使用Spring Boot框架开发,实现对无人方程式赛车的远程监控。云数据库使用MySQL数据库开发,实现无人方程式赛车数据的快速存储。测试结果表明,该套系统可以实现对无人方程式赛车的远程监控,实现十万级以上数据量低延迟储存,数据丢失率平均为0.0424%。目前,该套系统已经应用到无人方程式赛车的调试中。

基于改进Q-Learning的移动机器人路径规划算法

随着移动机器人在生产生活中的深入应用,其路径规划能力也需要向快速性和环境适应性兼备发展。为解决现有移动机器人使用强化学习方法进行路径规划时存在的探索前期容易陷入局部最优、反复搜索同一区域,探索后期收敛率低、收敛速度慢的问题,本研究提出一种改进的Q-Learning算法。该算法改进Q矩阵赋值方法,使迭代前期探索过程具有指向性,并降低碰撞的情况;改进Q矩阵迭代方法,使Q矩阵更新具有前瞻性,避免在一个小区域中反复探索;改进随机探索策略,在迭代前期全面利用环境信息,后期向目标点靠近。在不同栅格地图仿真验证结果表明,本文算法在Q-Learning算法的基础上,通过上述改进降低探索过程中的路径长度、减少抖动并提高收敛的速度,具有更高的计算效率。

针对临时道路的端到端自动驾驶模型研究

近年来,基于深度学习的自动驾驶模型逐渐成为无人驾驶领域的研究热点,常规的自动驾驶模型多采用多级模块串联的方式构建,分别完成感知、规划、循迹等功能,存在耦合性高抗风险能力差的问题。文中提出一种针对临时道路的无人驾驶车辆自动驾驶端到端模型,该模型采用三路视觉传感器图像为输入,以GCViT作为主干网络进行图像特征提取,通过Transformer网络和GRU网络输出局部规划路径,采用PID算法输出转角信息,实现无人驾驶车辆自动循迹。实验结果表明,端到端模型的单帧轨迹规划耗时约80 ms,平均轨迹偏差为0.689 m,满足实时性要求的同时,可完成无人驾驶车辆在临时道路环境下的循迹任务。

针对视觉/惯导系统的异常数据检测算法研究

视觉/惯导航系统(VINS)中传感器异常数据的故障检测(FD)方法对提高系统的定位性能和可靠性至关重要。然而,基于视觉/惯导航系统的异常数据检测与排除方法的研究相对较少。提出一种基于传感器测量残差的异常数据检测算法(VINS-ORFD),通过对相机和IMU异常数据进行主动检测并过滤,提升系统可靠性。基于TUM数据集的测试结果表明,该算法不仅可以实现视觉和IMU传感器异常数据快速检测,还能提升至少22.66%的定位精度(RMSE)。

无人方程式赛车VCU软件设计

整车控制器(vehicle control unit,VCU)作为无人驾驶方程式赛车的重要组成部分,直接影响赛车的稳定性、灵敏性和控制性。为满足中国大学生无人驾驶方程式大赛(Formula Student Autonomous China,FSAC)规则要求,分析了赛车状态机需求,以MC9S12XET256单片机为主控芯片,基于控制器局域网络(controller area network,CAN)通信技术,设计了整车控制器软件系统,针对模数转换(analog to digital converter,A/D)采样技术、轮速测量技术及通信技术3个功能模块进行详细阐述,并进行实验。实验测试证明,所设计的控制器能够较好地完成无人驾驶方程式赛车的控制任务。