区域目标搜索中基于改进RRT的UAV实时航迹规划

在线自主航迹规划是无人机(Unmanned Aerial Vehicles,UAV)执行区域目标搜索任务的有效保证。针对UAV区域搜索中航迹规划的实时性要求,提出了一种固定搜索模式和动态搜索模式相结合的UAV自主航迹规划框架。在快速扩展随机树(RRT)方法的基础上,通过改进随机扩展树的节点选择和引入启发式信息,提出了基于改进RRT的UAV实时搜索航迹规划算法,该算法能够有效降低在线航迹规划的时间代价和扩展节点数。仿真实验结果验证了本文方法的有效性。

主动停车诱导系统的模型研究:搜索算法

提出了以综合诱导指数为核心的目标区域搜索算法,可以较好地解决目标停车场的搜索问题。综合诱导指数方法对可用泊位、可达距离、停车诱导费用和路径诱导成功率等因素进行了综合分析,以确定最为可信的停车场作为目标停车场。通过仿真试验结果表明,该算法可以克服传统停车诱导单因素决定目标停车场的不足,对目标停车场具有较好的判别能力。

基于随机Hough变换的道路边界识别算法研究

道路边界识别是基于机器视觉的智能车辆关键技术之一,提出了一种基于直线道路模型的道路边界识别和跟踪算法,该算法包括道路边界初始识别算法和跟踪算法两部分。在初始道路边界识别阶段,对预处理后的图像进行逐行搜索道路边界候选点,并结合相关的道路约束条件,采用Hough变换对候选边界点进行拟合,以提高鲁棒性。该方法的创新点是在道路跟踪算法中,建立目标搜索区域(OSA),OSA的宽度根据道路边界识别的拟合可信度的变换进行动态调整,并采用随机Hough变换的算法对OSA中的边界点进行拟合,这样显著减少了运算时间和存储空间。试验结果表明,该方法不仅满足道路边界识别的实时性要求,还具有较好的鲁棒性。

基于贝叶斯信息更新的失事飞机发现概率模型

基于贝叶斯方法,提出了一个失事飞机的发现概率模型,利用飞机失联前后的信息数据,给出了目标搜索区域的确定方法以及失事飞机在目标搜索区域的初始概率分布,得到发现概率的计算公式。以发现概率为目标,构造了一个求解最优搜寻策略的Max-Max化规划模型,模型可以动态地对坠机点的概率分布进行更新,使下一步搜寻任务得到及时的修正和调整。考虑到洋流对坠机点的影响,本文还提出了一个关于基点先验概率分布的重构策略。此外,对任务搜索区域最优路径的选取问题做了进一步探讨,给出了一个任务搜索区域上搜寻路径的选取方法。