考虑障碍物风险场的智能车辆避障路径分层规划方法

针对城市中结构化道路交通场景,采用路径决策与路径优化的分层规划方法解决智能车辆避障过程的路径规划问题。首先,避障决策层引入Frenet曲线坐标系,设计基于障碍物风险场的避障功能函数,结合动态规划算法获得参考路径及可行域范围;路径优化层根据安全性、平滑性及偏移度目标函数,选用二次规划算法优化出最终路径。最后,通过Matlab/Simulink与PreScan和CarSim软件进行联合仿真。结果表明,在多障碍物的直道和弯道工况下,车辆在中、低速度下均能安全避开障碍物的干扰,并沿着车道中心线行驶;与对照组相比,考虑障碍物风险场函数的规划路径更为稳定、舒适,证明了该方法的有效性。

超声波语音测距系统在车辆避障中的应用

介绍了一种基于单片机控制的超声波语音测距系统。采用多路超声波语音测距电路的测量方法,提高了距离测量的精度和准确性,实现了车辆全方位避障的可能性。给出了超声波语音测距系统在车辆避障中的实际应用。

行人过街场景下车辆避障路径规划与控制方法

为解决行人横穿过街场景下自动驾驶车辆安全避障问题,设计了一种基于行车风险场的车辆避障控制模型。考虑了行人加速运动中的潜在风险,采用了基于行人斥力场重心的新型避障函数,以优化横向避障距离。采用行车风险场理论,来构建全局路径规划层。基于模型预测控制(MPC),构建局部路径规划和跟踪控制器。在PreScan-Carsim平台上进行了仿真试验。结果表明:与跟踪传统静态全局路径相比,动态行车风险场下的避障行驶稳定性提高了7.21%,横向安全性提高了4.63%。因此,设计的控制器能够达到安全避障的目标。

基于模型预测控制无人驾驶车辆避障轨迹跟踪器设计

针对无人驾驶车辆的轨迹跟踪和避障问题,基于模型预测控制算法设计了避障轨迹跟踪控制器,实现避障和轨迹跟踪功能。在不同车速下采用Matlab和CarSim进行联合仿真试验,结果表明:设计的控制器控制性能和稳定性良好,能满足无人驾驶车辆的避障和轨迹跟踪需求。

基于自适应模型预测的自主车辆避障控制研究

在无人驾驶车辆安全避障控制过程中,由于被控对象的非线性特性,线性模型预测控制器难以保证车辆避障系统的安全性及稳定性。以车辆二自由度运动学模型为基础,在已有感知障碍物信息的基础上,通过应用自适应模型预测控制理论,结合障碍物虚拟边界约束及车辆控制变量约束,设计了以节气门开度和方向盘转角为控制变量的线性时不变控制器,并在Simulink环境下与基于传统模型预测避障控制器进行比较。仿真结果表明:相较于模型预测控制,基于自适应模型预测控制理论设计的控制器能提高车辆避障安全性及舒适性。

基于多源信息融合的车辆避障系统

随着时代的不断进步与发展,汽车安全问题越来越受到人们的重视。各大汽车研究与制造公司对于汽车的安全性问题关注的越来越多,在当前的汽车研究领域讨论非常热门。对于智能汽车主动避免障碍的问题,将智能汽车作为主要的研究对象,提出了基于多类特征融合的车辆避障方法。首先,将获取到的路况图像信息进行HOG特征提取,采用极差变换的方法进行特征标准化,并将符合避障规则下的特征进行线性融合。最终实现了车辆避障。如果前面的车辆处于正常行驶状态时,后面的车会以前面的车的行驶状态为依据对自身的车速进行调整,从而保证两辆车之间的距离。假如前面的车辆处于静止、低速均匀行驶、紧急制动状态,后面驾驶员要及时地对车速进行调整,使得纵向的避撞可以实现,具有实质性意义。

视觉导航下新型车辆避障路径智能规划方法

车辆避障路径受到空间视觉特征限制,出现避障路径重叠的问题,提出视觉导航下新型车辆避障路径智能规划方法。在视觉导航下,构建车辆避障路径的不规则三角网分布模型,检测车辆避障路径的视觉特征,提取车辆避障路径规划空间特征分布参量,采用二乘规划方法进行车辆避障路径过程中的最短路径寻优控制,结合模糊参数融合和空间视觉信息特征提取方法实现车辆避障路径的智能规划设计,建立车辆避障路径的最短路径决策函数,采用极值寻优方法实现车辆避障路径智能规划。仿真结果表明,车辆避障路径规划运行时间降低,车辆避障路径曲线光滑性较好,提高了车辆避障路径规划能力。

考虑路面附着系数的行车风险场建模及避障控制研究

针对车辆在不同路面条件下的主动避障问题,提出一种考虑路面附着系数的行车风险场避障路径规划方法。首先,建立了包含道路边界风险场、目标引力场和障碍物风险场的行车风险场;基于容积卡尔曼滤波算法实时估算路面附着系数,并对考虑路面附着系数的行车风险场函数进行负梯度求导,得到风险值下降最快的避障路径;然后,采用5次多项式拟合优化得到满足车辆约束的避障参考路径;最后,采用模型预测控制算法跟踪避障路径。仿真结果表明:在相同车速下,路面附着系数越小,避障时的横向加速度越小,横向加速度的标准差越小,避障效果越平顺。

基于双目定位测距的工业车辆实时避障

针对目前工业车辆测距避障技术中易受环境影响、信号干扰等问题,提出一种基于双目定位测距的工业车辆实时避障方法.首先,对双目深度相机进行标定,将采集到的车辆正后方作业环境图像进行双目立体矫正;其次,使用SGBM算法计算得到视差图,并结合相机内参通过三角变换原理进行3D点云重建;接下来,对地面进行标定并拟合地面方程,自定义有效检测范围及安全预警范围;最后,对行人进行方位检测,设计了直行及转弯测距算法对范围内检测到的行人进行距离计算,最终实现范围预警与实时规划避障.4组实验结果表明,行人测距算法在直行及转弯状态下0–3 m和3–5 m范围内误差均分别低于0.1 m和0.2 m,行人检测算法的识别精度为97.38%,检测帧率为22.12 fps,该方法在设定范围内具有较高的灵敏性,具备较好的实时避障效果.

一种新的车辆倒车突发障碍物规避方法仿真

研究车辆倒车突发障碍物规避优化问题。在车辆倒车过程中,由于识别时间较少,会随机出现一些突发障碍物。传统算法进行车辆倒车突发避障,障碍检测过程需要一定的时间,存在一定的滞后性,从而无法及时避开障碍物,降低了车辆倒车突发避障的准确性。为了避免传统算法的弊端,提出了一种新的车辆倒车突发障碍物避障方法。通过对道路障碍图像进行障碍特征提取,从而为车辆倒车突发避障提供依据。引入障碍定位方法,利用小波包分析方法,计算道路中障碍物的空间位置,降低处理时间,从而提高了车辆倒车突发避障的准确率。实验结果表明,利用优化方法进行车辆倒车突发避障,突发避障的准确率比传统算法提高了63%,具有很强的实际应用价值。

基于模型预测轮廓控制的自动驾驶车辆路径跟踪控制

为了实现无人驾驶汽车的路径跟踪和避障功能,基于模型预测轮廓控制提出一种路径跟踪控制策略。首先将二自由度单轨车辆模型和Pacejka轮胎模型结合在一起搭建整车模型,遵循模型预测的思路将路径规划和跟踪问题结合为一个非线性优化问题,利用线性化得到线性时变模型,在每个采样时间内以凸二次规划的形式建立非线性优化问题的局部逼近。其次,为了使车辆在跟踪路径的时候维持稳定,结合车辆稳定包络线,施加横向稳定性约束,并通过施加车道线边界约束,实现自动驾驶车辆的避障功能。最后将Matlab/Simulink和Carsim结合进行联合仿真。仿真结果表明,所设计的控制器在较宽路面能自主规划出一条最短路径,实现了跟踪和避障功能,同时维持了车辆在行驶中的稳定性和安全性,在赛道竞速下具有较明显的优势。研究结果可为结构化道路下的汽车自动驾驶提供技术参考,具有一定的应用价值。

基于邻域系统的智能车辆最优轨迹规划方法

针对智能车在行驶中的轨迹规划与控制问题。以邻域系统理论为基础,将智能车在复杂道路的动态控制转化为邻域内的简单静态控制;对邻域内的最优轨迹曲线进行选取,采用曲率的积分定义了曲线的弯阻指数,并以此为基础给出了邻域内的最优轨迹曲线评判模型和求解算法;以插值方法所建立的满意轨迹曲线为例进行仿真。结果表明,该方法在选取智能车的行驶轨迹的平稳光滑性上有一定的优越性。