基于MMPC的无人汽车轨迹跟踪控制

提出了一种用于无人汽车轨迹跟踪的控制算法。首先,将兼顾安全性、舒适性的无人汽车轨迹跟踪控制问题转换为多约束模型预测控制(MMPC)问题;然后,将目标函数和多个变量约束转化为以拉格朗日乘子为决策变量的二次规划(QP)标准形式,并提出倒序乘子求解法求取拉格朗日乘子近似解,从而得到控制序列的次优解。将本文提出的倒序乘子求解法与常规QP求解方法进行对比,本文提出的算法在保证求解精度的前提下,大幅提升了求解效率。在Carsim-Matlab仿真平台上对本文提出的无人汽车轨迹跟踪MMPC控制器进行了仿真验证,结果表明所提出的控制方法具有良好的跟踪性能和实时性。

基于DenseNet的无人汽车制动意图识别方法

无人汽车制动意图内部数据由于识别深度增加,会出现过度膨胀现象,导致制动意图数据收集完整度低、识别准确率差;提出基于DenseNet的无人汽车制动示意图识别方法;选择数据深度收集系统,收集无人汽车制动意图内部数据,结合电池保护模型深度分解汽车内部运行过程的能耗,以收集的初始内部数据为标准,整合无人汽车制动意图识别数据,拆分整合数据,防止数据过度膨胀;利用DenseNet的高学习度以及自适应学习性,加权均衡处理内部数据标定函数,设置一组基函数,并选择相应的DenseNet复制内部数据函数,自适应分析复制后的数据,完成制动意图识别;实验结果表明,制动意图数据收集完整度提高15.21%,识别准确率增强了23.68%。

激光雷达在无人汽车领域的应用

激光雷达在无人汽车领域中具有良好的有效性,能够切实推进无人汽车领域的健康稳定发展。本文主要是从激光雷达的基本情况分析入手,重点分析其内涵及原理、优势,介绍了其系统构成情况,阐明激光雷达在无人驾驶汽车领域的重要性,并借助实例加以证明,为推进无人汽车领域的良好发展提供一定借鉴和参考。

百度无人汽车年内将面世

除谷歌的无人驾驶汽车之外，国内的无人车也要来了。近日，百度CEO李彦宏证实，百度无人驾驶汽车将在今年年内推出。据了解，这款无人驾驶汽车将具备雷达、相机、全球卫星导航等电子设施，并安装同步传感器。车主只要向导航系统输入目的地，汽车即可自动行驶，前往目的地。在行驶过程中，汽车会通过传感设备上传路况信息，在大量数据基础上进行实时定位分析，从而判断行驶方向和速度。

激光雷达在无人汽车领域的应用

如今,科学技术迅速发展,社会不断进步的时代,激光雷达技术也在不断取得突破性成果,在无人汽车领域有着十分广阔的发展前景。本文介绍了激光雷达技术的基本原理和分类,着重阐述了在无人汽车领域的运用,对主要测距方式进行了归纳,并写出了无人驾驶汽车用激光雷达的优势。同时,介绍了迄今为止激光雷达技术在无人驾驶汽车领域的成功案例,对行业和技术发展做出了分析。最后点明了激光雷达在无人驾驶汽车领域的重要意义和未来的发展趋势的展望。

谷歌无人汽车新进度:可同时紧盯路面数百目标

对于无人驾驶汽车上路的安全性，最重要的莫过于自动驾驶系统如何识别路面异常情况并作出快速反应。4月28日，谷歌（微博）无人驾驶汽车项目的负责人发表官方博客，其中透露，谷歌无人驾驶汽车的软件系统，可以同时“紧盯”街上的“数百个”目标，包括行人、车辆，做到万无一失。

无人汽车技术成熟至少要等到5年后

在博鳌亚洲论坛2015年年会"技术、创新与可持续发展对话"上,三位大佬百度CEO李彦宏、比尔及梅琳达·盖茨基金会联席主席比尔·盖茨、特斯拉CEO伊隆·马斯克参与了讨论。马斯克在交流中称无人驾驶汽车技术成熟至少要等到5年后。李彦宏问了马斯克一个关于无人驾驶汽车的问题,这并非随意提问,他前不久曾表示。

本田推出7款3D打印无人汽车

近日，日本本田与伦敦设计工作室用绘制的地图（mapprojectoffice）和英国的Ogle原型制作公司合作．用7辆微型无人驾驶汽车模型拍摄出一个视频。这7辆微型无人驾驶汽车号称“能穿越世界（greatJourney）的无人驾驶汽车”，它们行驶过的路创造了一系列伟大的奇迹。

融合反步法的无人驾驶汽车轨迹跟踪控制方法

为了解决无人驾驶汽车轨迹跟踪控制的准确性、稳定性和快速性问题,将反步法分别融合滑模变结构控制和模糊自适应控制.建立车辆三自由度运动学位姿误差微分方程,推导了基于反步法的车速和横摆角速度控制律,结合Lyapunov稳定性判据验证了系统稳定性.分别建立融合反步法的滑模变结构和模糊自适应轨迹跟踪控制方法,结合轨迹跟踪稳态误差、超调量和调整时间,验证、比较了控制方法准确性、稳定性和快速性3种性能的优劣.结果表明:融合反步法的滑模变结构轨迹跟踪控制的稳定性最好,轨迹跟踪超调量接近于0;融合反步法的模糊自适应轨迹跟踪控制快速性最好,轨迹跟踪调整时间相对于反步法缩短了18.2%.

基于深度学习的无人驾驶汽车目标检测算法研究

环境感知是无人驾驶汽车的重要基础,目标检测是环境感知的重要一环,随着深度学习的发展,基于深度学习的目标检测算法的精度和速度也在不断提升,逐渐成为主流算法。总结梳理了基于深度学习的目标检测算法以及其最新研究进展,并将其分为基于图像、点云、融合和变形器(Transformer)四大类,分别介绍了其经典算法。最后总结了当前目标检测领域里存在的不足,对目标检测算法的发展进行了展望,为该领域的研究工作提供一些思路。

无人驾驶混合动力汽车轨迹跟踪节能控制融合研究

为进一步提高无人驾驶混合动力汽车轨迹跟踪精度和能耗经济性,提出了一种轨迹跟踪节能控制融合策略。首先,建立车辆运动学模型,采用模型预测控制策略对车辆进行轨迹跟踪控制;在此基础上,以速度为交互变量,提出了一种三阶段动态规划节能控制策略,在线优化最优经济性函数,以降低整车能耗总成本;最后,选择相互独立的纯跟踪轨迹跟踪算法与功率跟随节能控制策略进行比较。结果表明,所提出的轨迹跟踪节能控制融合策略提高了轨迹跟踪效果,降低了整车能耗总成本,轨迹跟踪精度提高了70.47%,纯电动和混合驱动模式下能耗总成本分别下降了4.52%和25.10%。

无人驾驶汽车路径跟踪控制的算法综述

国内外对无人驾驶车辆运动控制问题的研究,主要分为纵向运动控制、路径跟踪控制和轨迹跟踪控制。其中,路径跟踪控制是无人驾驶汽车运动控制的重点研究方向,路径跟踪控制中控制器设计是重点和难点。路径跟踪控制的研究主要集中在常规工况,对复杂路况、恶劣天气、突发事件等非常规工况的研究较少,增强控制算法的鲁棒性以应对非常规工况是无人驾驶汽车路径跟踪控制算法未来的发展重点。

人工智能系统在新能源无人驾驶汽车中的应用

随着新能源汽车技术的不断发展,无人驾驶汽车逐渐成为汽车行业的热点话题。在无人驾驶汽车发展过程中,人工智能系统作为关键技术之一,正逐渐得到广泛应用。该文从人工智能相关概述入手,分析人工智能系统在新能源无人驾驶汽车中的具体应用,特别是感知、决策和控制等方面,并对人工智能系统在新能源无人驾驶汽车中的应用进行展望,以推动汽车行业的可持续发展。

计及质心侧偏角动态自适应的无人驾驶汽车横坡弯道跟踪控制

针对无人驾驶汽车在横坡弯道处因发生偏离期望轨迹甚至严重侧滑而失去稳定性的问题,提出质心侧偏角动态自适应控制策略。为应对汽车垂直载荷发生变化而导致轮胎侧偏刚度改变的情况,通过多组数据拟合得到载荷匹配图,进而设计基于模型预测算法的横向轨迹跟踪控制器,根据汽车入弯速度选择预测时域并结合道路弯度选择瞬态、稳态质心侧偏角,通过在线优化生成最佳前轮转角。最后搭建CarSim/Simulink联合在线仿真系统和实车系统进行验证,结果表明:所提控制策略能够保证汽车在横坡倾角为7%左右及弯道路面下不会出现严重的侧滑,从而提高了无人驾驶汽车在横坡弯道跟踪任务中的跟踪精度,使汽车具有良好的横向稳定性。

无人驾驶汽车行驶引导交互手势设计研究

目的旨在构建符合用户认知的交互手势设计方法,提升非方向盘操控情境下的无人驾驶汽车行驶引导的用户体验。方法首先采用用户参与式设计的方法,提取出无人驾驶场景下车内与车外的行驶引导交互手势集合;其次,采用一致率比较方法确保手势交互系统的一致性,并在此基础上构建一套适用于车内外行驶引导的交互手势集合;最后,通过卡片分类法和模拟测试对构建的手势集进行可用性评估。结果卡片分类法和模拟测试均显示采用了用户参与式设计和一致性计算相结合的设计方法所建立的无人驾驶汽车内外行驶引导交互手势集合达到了较好的用户体验预期,同时也验证了在车内外采用统一的行驶引导交互手势的可行性。结论验证了手势交互在车内外对无人驾驶汽车行驶进行引导可以达到较好的用户体验,为无人驾驶汽车的用户体验研究提供了新的方向。

无人驾驶汽车地方立法问题探析

智能交通领域无人驾驶汽车日渐成为热门话题,有关该领域的地方立法应积极落实。在国家尚未出台专门法律之前,加强智能交通新兴领域的地方立法不仅拥有宪法上“遵循在中央的统一领导下,充分发挥地方的主动性、积极性的原则”的依据,还是对习近平法治思想中“加强新兴领域立法”要求的落实和对中国特色社会主义法律体系的完善。目前,不少地方人大常委会制定或正在制定地方性法规或作出决定,一方面为未来国家立法积累了经验,另一方面也存在一些不足。各地应在未来探索创新的立法活动中总结经验、找准不足,坚持全过程人民民主的原则,切实提高人民群众在立法工作中的感受度和满意度;构建区域协同立法机制,践行“小快灵”的立法模式,保证立法的及时性和有效性,加强制度供给和填补制度空白。

改进的禁忌搜索算法在无人驾驶汽车路径规划中的研究

针对复杂的无人驾驶交通环境,这里在无人驾驶汽车系统架构的基础上,提出了一种无人驾驶汽车路径规划方法,该方法结合了改进的禁忌搜索算法和改进的人工势场法。全局路径规划应用改进的禁忌搜索算法进行,局部路径规划应用改进的人工势场法进行。通过仿真对路径规划方法进行分析,验证该方法的优越性。结果表明,提出的全局路径规划方法实现了最优的时间效率和路径选择,在加入局部路径规划改善后,该方法的搜索范围变小,路径规划将更安全且更具适应性。该研究为无人驾驶技术的发展提供了一定的参考。

基于改进卷积网络的无人驾驶汽车动态避障路径规划方法

为了提高无人驾驶汽车动态避障的成功率,实现路径最优规划目标,本文引入了改进卷积网络,并开展了基于该网络的无人驾驶汽车动态避障路径规划方法研究。首先,建立了精确的汽车运动学模型,以描述无人驾驶汽车在行驶过程中的运动学特性。其次,对道路障碍物目标位置进行检测,连续获取道路动态障碍物目标的信息,预测障碍物未来的位置和速度。最后,在此基础上,利用改进卷积网络计算了无人驾驶汽车动态避障路径损失函数,评估了规划避障路径与实际目标路径之间的差距。同时,辅助人工势场法求解势能的最小值,得到了汽车避障路径。试验结果表明,应用本文提出的规划方法后,在6个车道上,无人驾驶汽车的动态避障成功率始终高于另外2个对照组,均达到了99%以上,可以有效地识别障碍物并进行避障。

基于MPC的无人驾驶汽车轨迹跟踪研究

随着无人驾驶技术的快速发展,轨迹跟踪控制已成为实现自动驾驶功能的核心问题之一。本文提出了采用MPC算法对无人驾驶汽车轨迹跟踪进行控制,首先建立了无人驾驶汽车运动学模型并验证了该模型的有效性,其次基于该模型设计了MPC轨迹跟踪控制器,最后通过Simulink/Carsim进行联合仿真,在仿真场景中,无人驾驶汽车以不同速度模拟了跟踪圆形轨迹和直线轨迹,仿真结果显示跟踪圆形轨迹时横向上的最大误差小于0.35m,纵向上的最大误差小于0.3m;跟踪直线轨迹时纵向上的最大误差小于0.15m。综合来看本文设计的MPC控制器能够满足无人驾驶汽车的轨迹跟踪要求。

基于BDS无人驾驶汽车通信系统的应用

无人驾驶汽车通信系统通过实时交换信息,车辆能够感知彼此的位置、速度、行驶路线等关键信息,从而避免碰撞、优化车流,以提高整体交通系统效率。该文基于BDS的基本组成及工作原理,阐述无人驾驶汽车通信系统的基本要求,包括实时数据传输、高精度位置信息获取和车辆之间的协同通信,继而探讨BDS无人驾驶汽车通信系统中的应用原理及优势,讨论其潜在挑战和未来发展方向,旨在更好地利用BDS推动无人驾驶汽车技术的进步。