自动泊车前轮转角闭环的分层控制方案

为提高自动泊车系统中控制器的抗扰动能力,优化控制律执行效果,提出了前轮转角闭环的分层控制方案.设计了以行驶距离为非时间参考量的fal函数非光滑控制律,输出前轮转角控制量.以阿克曼转向模型为基础,建立了前轮转角观测器,并使用模糊滑模控制器实现前轮转角闭环的横向控制.搭建Carsim/Simulink联合仿真系统,在典型泊车场景下验证所设计控制器的有效性、跟踪效果及鲁棒性.使用实车测试平台开展了试验.结果表明:所设计的前轮转角闭环分层控制方案能够快速准确地跟踪目标路径,提高了泊车系统的横向控制精度,并在未知转向非线性扰动下也具有良好的跟踪控制效果.

基于RRT算法的远距离自动泊车路径规划及仿真

泊车路径规划是自动泊车技术的重要组成部分。本文分析了现有的泊车路径规划方法,针对远距离自动泊车,提出基于BRT算法的路径规划。根据实际泊车操作过程,将自动泊车划分为远距离靠近泊位和泊入泊位两个阶段,采用基于反向RRT算法分别设计满足车辆运动模型和避障要求的路径规划算法,并在平行泊车、垂直泊车、反向斜方位泊车、正向斜方位泊车和角落平行泊车场景下进行仿真实验。

自动泊车发展现状及运动规划研究进展

汽车保有量持续上升与城市停车场建设不足间的矛盾引发了严重的停车问题,同时泊车位数量不足、泊车空间狭小等问题严重阻碍了车辆出行任务的完成。自动泊车因其较低的车速以及在特定场景下的高度自动驾驶,成为最先落地的自动驾驶产品。分析了国内外自动泊车市场的发展现状及趋势,重点讨论了泊车系统的规划决策模块。强调了运动规划的重要性,它直接影响车辆行驶质量,综述了国内外的研究成果,包括曲线插值、随机采样、图搜索、智能算法和数值优化方法,并分析了不同路径规划的优势和局限性。最后,展望了未来自动泊车技术的融合和发展方向。

改进Bi-RRT*算法的自动泊车路径规划

针对双向快速搜索随机树算法(Bi-RRT*)生成的泊车路径不满足车辆运动学约束、路径曲折和收敛速度慢等问题,提出了一种改进Bi-RRT*算法。基于车辆碰撞检测模型,对障碍物进行膨胀处理,确保为车辆留出安全的泊车距离;采用Reeds-Shepp(RS)曲线对节点进行扩展,使路径连接满足车辆运动学约束;为了提高算法的搜索效率和采样成功率,引入了避障和径向约束采样策略;对路径节点进行均匀插值,利用基于起点的RRT*树对冗余路径进行剔除,实现路径平滑优化。仿真结果表明,与原始Bi-RRT*算法相比,改进后的Bi-RRT*算法规划出的路径不仅满足避障要求和运动学约束,而且规划时间和路径质量更具有优越性。

基于SMPA的半挂车自动泊车运动规划方法研究

半挂车辆的非稳定运动学特性为其泊车过程中自主运动规划带来严峻挑战。针对半挂车在多障碍物的静态场景中泊车运动规划算法效率低、结果平滑性差等问题,本文提出了序列式运动规划方法(sequential motion planning algorithm,SMPA)。首先,提出了基于二次规划策略和改进双向快速扩展随机树(bidirectional rapidly-exploring random tree algorithm,Bi-RRT)的初始路径生成方法。然后,结合车辆非完整微分约束下的路径节点可行性判别方法研究,提出基于概率的目标偏向采样策略,提高了采样效率。最后,构建了面向车辆系统控制变量连续性的非线性最优化控制模型,解决泊车换向点的对接问题,提高了泊车轨迹平滑性。仿真结果表明,该方法在多障碍物场景中,规划时间相比Hybrid A*和Bi-RRT分别降低了86.71%和21.44%,轨迹质量也更具优越性。

自动泊车运动规划方法综述

自动泊车是自动驾驶车辆在低速行驶场景中的核心技术之一,已被广泛应用于各类车型中。运动规划确保所规划出的轨迹能指引车辆从起始位姿无碰撞、符合运动学规律地行驶至目标位姿,是体现自动泊车智能水准的关键技术模块。随着当前自动驾驶技术从初步的技术原型研究逐渐向产业化应用转型,低速自动驾驶领域中的自动泊车技术成为了这一转型过程中的关键突破点。文章回顾了现有的应用于自动泊车领域的运动规划方法,将其归纳为几何方法、采样方法、搜索方法、数值优化方法以及机器学习方法等类别,并对各类方法的发展历程与技术特点进行了回顾;探讨了自动泊车运动规划方法的未来研究方向,具体包括构建泛化性更强的模型、提升规划方法的稳定性、关注在线实时高质量重规划的能力与防御性驾驶的能力,以及考虑与其他交通参与者的交互等。

基于CNN-Transformer的自动泊车车位感知算法

为提高自动泊车成功率及准确性,首先基于卷积神经网络(CNN)模型对输入图像进行特征提取,然后利用Transfomer模型的“编码-解码”机制对CNN提取到的图像特征平铺后进行计算推理,通过前馈神经网络得到目标预测结果,最后基于180°广角鱼眼图像进行推理识别,车位角中心点和空车位入口中心点均采用二维坐标表示,降低了输出信息的冗余,优化了模型结构。测试结果表明,该算法能够较好地适应不同车位线划线方式和不同的自然环境,目标感知的召回率达到98%,车位角中心点定位平均误差小于3 cm,满足泊车系统对车位感知的鲁棒性、实时性和准确性要求。

基于MPC的前向自动泊车轨迹跟踪研究

针对充电口前置的新能源汽车泊车充电的问题,在参考倒车和前进入库两阶段的规划轨迹基础上,本文提出基于模型预测控制(MPC)的前向自动泊车轨迹跟踪方案。该方案根据分段轨迹的位姿信息,采用车辆运动学线性误差模型设计MPC轨迹跟踪算法,应用于垂直车位的前向泊车仿真场景以验证该控制方案可行,并通过对比PID轨迹跟踪算法说明该控制方案具有更高轨迹跟踪精度。

基于TC264的自动泊车系统设计

为了研究自动驾驶技术在自动泊车系统中的应用,提出了将倒车入库和侧方位泊车两大功能集于一身的,基于TC264单片机结合摄像头的自动泊车系统。系统硬件部分采用总钻风摄像头MT9V032结合多种传感器进行图像处理和多路信号检测,软件部分采用多种图像处理算法与PID控制算法结构。测试结果显示,小车具有良好的稳定性和精确性,能够在误差允许范围内到达规定的停车位,为自动驾驶技术的进步提供了帮助。

基于扩张状态观测器的自动泊车路径跟踪控制

为了消除外界干扰和转向系统运动学模型的不确定性的影响,建立了自动垂直泊车系统的车辆运动学模型,设计了线性扩张状态观测器,该观测器可将系统外界干扰和模型不确定性看作总的扰动量进行观测和补偿,而不需要建立被拉对象的精确数学模型。在此基础上,将扩张状态观测器的值作为滑模控制器的补偿量,用于削弱干扰和不确定对控制器的影响,提高路径跟踪的精度。设定适当的扰动,通过Matlab/Simulink软件仿真,与没有观测器的传统滑模控制相比,验证了该系统跟踪效果的有效性。实车试验结果表明,该路径跟踪控制器能够精确控制车辆完成垂直泊车任务,提出的方法在变速及不确定扰动的泊车情况下具有较好的跟踪控制效果。

自动泊车主动制动测试的方法研究

为了提高自动泊车主动制动时的准确性和效率,提出了基于CAN总线技术的自动泊车主动制动测试方法。首先介绍了自动泊车系统及其主动制动特性并阐述CAN总线技术,然后设计了相应的基于CAN总线编程的自动泊车主动制动测试方法,最后通过案例分析来评价测试方法的实际应用效果。通过本设计,仿真制动测试系统可以成功与车辆进行数据交互,并将车辆停至目标点位。仿真制动测试系统的制动需求得到满足,车辆可以经两级制动减速模式较为精准的停靠在停车目标点上,并且实现紧急刹停,验证了仿真测试系统的有效性与实时性。

基于场端智能的自动泊车系统安全即服务架构研究

基于场端智能的自动泊车系统是一种重要的车路协同应用案例。针对此类系统当前行业痛点,文章创新性地提出了场端基础设施安全即服务(SafetyasaService)架构,通过将场端功能模块化、服务化,显著降低了车端适配难度,扩大了智能基础设施适用范围,有助于推动智能驾驶从L2向L4及以上平滑演进,加速产业化落地。

面向自动泊车的可变滑动窗口环视SLAM算法

针对车辆在自动泊车场景中遇到减速带或坑洼地带导致的地图偏移问题,以及动态环境多变导致的系统实时性变差、精度降低的问题,提出了一种面向自动泊车的可变滑动窗口环视SLAM算法。首先,使用IMU对采集的环视图像进行实时姿态校准,提升建图的准确性;其次,结合多传感器融合优势,融合IMU和里程计数据对车辆位姿进行估计;最后,通过可变滑动窗口算法加速后端优化,提升系统的实时性和精度。仿真测试结果表明,该方法解决了减速带或坑洼地带的地图偏移问题,且在特征稀疏环境下,效率和实时性分别提升了31.35%和25.06%。实车试验结果表明,该方法可以达到平均误差0.039 m的定位精度,为泊车提供了安全保障。

自动泊车系统规划与控制方法研究

为了对泊车过程中的车辆进行跟踪控制,基于车辆动力学模型,研究设计了一种线性二次型控制器,使用B-spline曲线规划了一条曲率连续的泊车路径,针对控制器设计过程中权重系数选择困难,引入模糊逻辑算法对控制器进行优化处理,节省了人工成本,然而模糊逻辑算法的计算是实时的,且不同速度下车辆状态不同,因此将基于Frobenius范数的更新策略加入程序计算中以降低计算量,利用MATLAB/Carsim联合仿真验证了改进后控制系统的运算时间降为0.2 ms,实时性提升92%,适应度提升30%.

基于不同驾驶习惯的自动泊车系统控制策略测试方法研究

自动泊车系统的准确性与有效性的提高,将推动自动泊车技术发展。文章对自动车系统进行了测试方案设计、关键测试场景选取、驾驶习惯分析,分析了自动泊车系统在不同场景及工况下的表现。通过功能分析、场景测试、信号采集和数据分析,为自动泊车功能的研发设计提出了方案。测试结果显示,无论针对平行车位或是垂直车位,基于副驾驶侧的自动泊入有效性优于主驾驶侧的自动泊入,但在耗时与效率方面有待进一步提升,性能参数有待进一步优化。

基于轮速脉冲的自动泊车定位精度研究

基于车辆轮胎脉冲的自动泊车定位系统,针对其轮胎半径的变化导致的车辆定位精度误差变大问题,文章提出了一种简易的轮胎脉冲长度补偿方法。该方法首先基于车辆直线行驶时的车辆四轮轮胎脉冲数计算各自的行驶距离。其次,分别基于四轮脉冲计算四轮的行驶距离及四轮平均行驶距离,并基于计算的四轮平均行驶距离对车辆的四轮脉冲长度进行补偿。最后,基于补偿后的轮胎脉冲长度计算车辆的位姿变化。实车测试表明,补偿后的轮胎脉冲长度可以提高车辆的定位精度。

自动泊车关键技术研究进展综述

自动泊车技术在近几年取得了显著的发展和突破。在相关领域,随着环境感知技术、路径规划技术、车辆控制技术、人机交互技术的发展,自动泊车的效率和安全性得到了大幅度提升。本文首先介绍了自动泊车的相关概念,然后论述了自动泊车的关键技术,旨在为相关研究提供参考。

智能驾驶汽车自动泊车轨迹规划仿真分析

针对智能驾驶辅助系统自动泊车过程路径复杂的问题,依据阿克曼转向理论,建立汽车运动模型,分析泊车约束条件,搭建平行泊车和垂直泊车场景模型,继而进行轨迹的规划,并利用Carism车辆动力学仿真软件联合Simulink进行仿真分析,仿真结果表明,本文设计的泊车路径适合泊车工况,跟踪误差较小。

基于自动泊车的BEV系统研究

结合自动驾驶鸟瞰图(Bird's Eye View,BEV)项目案例,针对基于自动泊车系统的BEV算法开展研究。BEV是端到端的,由神经网络将图像信息从图像空间转换至BEV空间的技术。与传统图像空间感知相比,BEV感知可将多个传感器采集的数据输入到同一空间进行处理,有效避免误差叠加。系统采用环视鱼眼摄像机,通常用于自动驾驶中的近距离感知,车辆四面的4个鱼眼摄像头足以覆盖车辆周围360°的范围,捕捉整个近距离区域,将摄像头感知画面直接传至人工智能(Artificial Intelligence,AI)算法中,生成鸟瞰视角的3D空间,最终研发完成具有自动泊车、自动驾驶功能的BEV系统。

自动泊车多任务轻量化感知模型研究

随着深度学习模型的发展,越来越多的模型用于各个行业,包括自动驾驶行业,但同时也面临着轻量化感知模型以及产品落地的挑战。然而在自动驾驶泊车感知中,常常受到光照、阴影等环境变化的影响,对空车位检测和可行使区域的识别是很大的难题。本文的算法通过车身左侧、右侧、前侧、后侧等四个车载180度广角鱼眼摄像头实时获取视频流,先将采集到的图像利用卷积神经网络对车辆所处区域周边各车位的状态、车辆可行驶的区域进行计算推理,然后对模型推理结果进行解析与融合。利用一个轻量级网络解决自动泊车过程中进行车位的感知和路面可行驶区域的感知,实验结果表明,帧率可达到19FPS,模型推理帧率可达到29FPS,单车位角中心点定位世界坐标系下平均误差为2.65cm,空车位检测成功率90%以上,满足实际应用对实时性、准确性、鲁棒性的要求。