基于Frenet坐标系的道岔区侧向轨道几何状态动静态检测匹配方法

针对道岔区侧向轨道几何状态动态检测的现场病害定位难度大的问题,基于Frenet坐标系和笛卡尔坐标系的映射关系,将道岔区轨道几何状态静态检测的空间点坐标转化为动态检测的空间曲线,并采用线性相位有限冲激响应(Finite Impulse Response,FIR)数字高通滤波器进行空间滤波,获得与动态轨道几何不平顺相同波长范围的轨向及高低,实现动静态检测的匹配。与静态检测传统弦测输出不同,该匹配方法不会导致轨道几何不平顺幅值发生畸变,借助静态检测的空间定位数据,横向对比动态检测输出,可快速完成道岔区侧向病害定位,对道岔区现场养护维修具有指导意义。

基于Frenet坐标系的智能车运动规划研究

自动驾驶技术作为车辆智能的核心,在车辆工程领域掀起研究高潮。运动规划作为决策模块的重要组成部分,负责生成车辆的局部运动轨迹,是决定车辆行驶质量的直接因素。将Frenet坐标系用于智能车运动规划问题研究,用五次多项式建立智能车运动规划模型,在自主变道场景,通过采样智能车始末状态,得到可行轨迹集合,建立质量评估函数从中筛选出最优轨迹,开发和实现一种高性能、低开销的运动规划算法。

Frenet坐标系及凸近似避障原理的无人车局部路径规划

针对结构化道路下自动驾驶车辆实时局部路径规划问题,提出了一种改进的基于Frenet坐标系及凸近似避障原理的无人车局部路径规划算法。在车辆以及Frenet坐标系下利用栅格法构建车辆前方栅格区域,并引入凸近似避障原理结合车辆动力学缩小自车安全行驶区域,同时考虑车辆的极限转向约束、前轮转角变化率、安全距离、道路对中和侧向加速度等代价函数得到自车最优路径。构建Carsim+Matlab软件在环实时仿真系统,搭建基于Labview+Matlab/Simulink构架的无人车实验平台,并进行真实道路场景下的实车实验,对算法进行测试。结果表明:该算法能够在结构化道路下规划出合理的车辆行驶路线,并顺利实现规避障碍物,且具有一定的舒适性与实时性。

基于Frenet坐标系的智能车辆多场景轨迹规划

轨迹规划是智能车辆行为决策模块的重要组成部分,也是车路协同技术的重要一环。Frenet坐标系相对于传统的笛卡尔坐标系,在车辆规划算法中具有明显优势。因此提出了一种基于Frenet坐标系的智能车辆多场景轨迹规划模型。首先在Frenet坐标系的基础上,根据车辆动力学模型解耦并构建横、纵向两个维度的轨迹规划集模型,然后根据各场景需求分别建立高速、低速、跟驰等多种场景的轨迹优化函数。最后通过仿真验证,证明该模型具有可实现性,并能高效准确地解决多种场景下的轨迹规划问题。

基于Frenet坐标系的换道轨迹规划及跟踪验证

为解决高速公路环境下的车辆自动变道问题,采用Frenet坐标系下的五次多项式算法对不同工况设计规划轨迹,实现自动变道辅助。首先根据自车状态与周围车辆状态预计变道所需直线距离,并在一定范围内进行多次五次多项式轨迹规划,得到备选轨迹集。以加速度最小为优化目标,对备选轨迹集中的所有轨迹进行评价,得到最佳换道轨迹。使用CarSim进行车辆和道路建模,在Matlab/Simulink中进行轨迹规划,并使用动力学模型的模型预测控制进行轨迹跟踪,验证了换道辅助系统的有效性。

基于Frenet坐标系的车辆自动驾驶轨迹规划算法研究

为了让自动驾驶车辆在行驶过程中能及时应对多变的道路环境,文章在局部路径的基础上,提出了基于Frenet坐标系的车辆自动驾驶轨迹规划算法。该算法通过对周围环境定周期扫描采样的方式获取车辆的初始状态与目标状态,并采用五次多项式规划车辆轨迹,结合车辆运动学参数与动力学参数及碰撞检测条件筛选出可行轨迹,最后通过评价模型选取最优轨迹。仿真和道路实验证明,本文算法能够快速生成平稳、可靠的运动轨迹。

基于Frenet坐标下改进人工势场法的无人车局部路径规划

人工势场法由于运算量小、精度高,广泛应用于无人车的局部路径规划。针对传统人工势场法存在目标不可达、局部最小值及陷入U型障碍物的问题,提出一种基于Frenet坐标系下改进人工势场法的路径规划算法。构建Frenet坐标系来表述车辆避障运动,简化规划模型,解决路径规划中车辆与所在道路相对位置不易表述的问题。提出安全椭圆模型和预测距离的概念来调整势场影响区域,加入基于Frenet坐标系下的参考线势场及动态速度势场改进斥力场函数,解决车辆在静态和动态下的避障问题。利用数学仿真软件进行仿真,以不同车速在直道和弯道场景中对所提出的路径规划方法进行静态和动态避障仿真实验。研究结果表明:不同车速下的前轮转角、横摆角速度均控制在较小范围内,改进算法可以有效解决传统人工势场法的缺陷,同时与快速搜索随机树(Rapidly-exploring Random Tree,RRT)算法相比,其在避障过程中路径规划计算效率提高了42.8%,改进算法优势明显。

基于Frenet 坐标系的平行泊车路径规划

针对笛卡尔坐标系自动平行泊车路径规划研究存在模型参数过大、运动路径不够平滑和泊车精确度过低等问题,提出Frenet坐标系的平行泊车路径规划。在Frenet坐标系下进行平行泊车路径规划的研究,将泊车运动解耦成横纵轴运动,以两个不同的多项式曲线进行分析,再耦合两个相互垂直方向的运动,对比常规坐标系下五次多项式拟合的双圆弧泊车轨迹。结果显示,Frenet坐标系下规划的车辆泊车路径更平滑舒适,降低了计算量,为泊车路径规划提供了新的思路。

基于Frenet坐标系的自动驾驶轨迹规划与优化算法

针对公路场景下作速度保持的自动驾驶汽车实时轨迹规划问题,提出一种基于Frenet坐标系的优化轨迹规划算法.首先,利用Frenet坐标系将车辆运动解耦,构建无约束横向/纵向独立积分系统;然后,根据初始配置和可内嵌到行为层的目标配置,通过采样生成有限的4次、5次多项式候选轨迹集合;最后,利用以高斯卷积、加速度变化率为核心的安全性和舒适性评价指标构建损失函数,评价轨迹成本,并结合曲率、加速度检查,选择能够最小化损失的最优解.结果表明,该算法能满足公路型场景的规划需求,车辆运动轨迹平滑、舒适、安全性更高.

Frenet坐标框架下的自适应避障算法

目的 解决包装车间无人运输车辆在沿全局路径行驶过程中,难以同时保证跟随轨迹平滑及规避障碍物的问题。方法 构建Frenet坐标框架,描述车辆位姿与全局路径的相对关系,利用五次多项式生成多条待选局部路径;采用障碍物势场法模糊处理包装车间障碍的外形轮廓,并设置膨胀区间;结合待选路径采样点经过障碍物膨胀区间得到的碰撞值,以及采样点与全局规划路径的偏差值,综合评估路径的避障能力,筛选出最优的避障路径。结果 该算法能根据障碍物的大小,动态解算出与全局路径偏移量小且运动连贯的局部避障路径。结论 所提算法使得车辆完成运输任务时的效果更好,且效率更高。

计及安全性与舒适性的智能车辆换道轨迹规划研究

针对当前智能车辆在换道过程中的安全性以及乘员舒适性问题,本文提出一种基于风险场评估轨迹的二次筛选方法。首先,在Frenet坐标系下,将车辆运动解耦为横向和纵向两个维度,基于五次多项式生成所有横向d-t曲线簇和纵向s-t曲线簇;其次,由车辆的动力学特性和三圆碰撞模型设计轨迹初筛评价函数,选取合格轨迹作为候选轨迹;最后,参考人工势场理论的思想,引入行车过程中风险场的概念,根据换道效率,换道风险值和横、纵向冲击度建立总损失函数评价候选轨迹以进行二次筛选,选取最佳轨迹并完成可视化。为检验算法的可行性,通过搭建双车道的道路环境,设计障碍车不同速度和加速度的多场景进行弯道换道的仿真验证。研究结果表明,本文所提算法能够满足换道的安全性和舒适性需求。同时,在正常换道场景下,乘员在换道过程的97.5%时间处于舒适状态,在紧急避障场景下也能达到平衡安全性与舒适性的目标。

凸近似避障及采样区优化的智能车辆轨迹规划

针对结构化道路下作匀速运动的智能车辆避障轨迹规划问题,提出一种基于凸近似避障原理及采样区域优化的智能车辆轨迹规划方法。引入凸近似避障原理,得到轨迹可行域范围;将采样区域分为静态采样区、动态采样区两部分,并根据障碍物运动状态,另外划分动态、静态障碍物采样区;采用“动态规划(DP)+二次规划(QP)”思想求解轨迹:利用五次多项式对采样点依次连接,建立动态规划代价函数并筛选得到粗略轨迹;通过二次规划及约束条件的构造,对粗略轨迹进行平滑,最终得到最优轨迹。仿真结果表明:对于静态、低速、动态三种障碍物,该车能够有效地得到平滑轨迹并避开障碍物。

面向复杂场景的智能车辆局部路径规划算法

针对复杂道路环境的实时规划问题,提出一种新的智能车辆局部路径规划算法。首先,利用Frenet坐标系将车辆运动解耦为独立的横向和纵向运动。其次,根据车辆的初始配置和目标配置,借助多项式法求得车辆的路径集合。进行路径可行性检查得到候选路径集,并将行车风险场(DRF)理论和最小化加速度变化率引入到路径规划中,使规划出的路径更符合驾驶人的主观感受。最后,构建损失函数,选择损失函数最小的路径作为最优路径。结果表明,该方法能够在复杂场景下给出更合理的行车方案。

基于Frenet和改进人工势场的在轨规避路径自主规划

在轨道间机动的航天器规避空间目标,需兼顾沿转移轨道飞行的绝对运动和规避空间目标的相对运动,路径自主规划难度较大且目前国内外公开研究成果较少。针对上述问题,提出了一种将Frenet坐标系与改进人工势场相结合的在轨规避路径自主规划方法。首先,构建Frenet坐标系表述空间规避运动,解决了路径规划中航天器与既定转移轨道相对位置不易表述的难题,实现了空间规避运动的简便表示;其次,改进人工势场函数、调整势场作用区域,避免了传统人工势场法存在过早轨迹偏离以及局部震荡现象,实现了对空间目标的自主规避;最后,考虑规避安全、轨道保持、制动时效以及燃料消耗因素构建全局优化函数,能够满足不同任务的需求与偏好,实现了沿转移轨道飞行的最小偏移与快速恢复。算法比对与算例求解表明:所提方法应用优势明显,路径平滑、偏移量小,满足航天器规避空间目标的路径规划需求。

一种结合驾驶员风险和车辆失稳风险的局部路径规划方法

针对目前智能车缺乏驾驶员主观驾驶的操作认知,对交通参与者风险认识不足的问题,提出了一种基于改进驾驶员风险场(DRF)的轨迹规划算法。首先,对车辆所处位置进行笛卡尔坐标系至Frenet坐标系的坐标转换,直观地表示车辆与道路之间的位置信息;其次,构建融合车辆稳定性风险的驾驶员风险场模型,以驾驶员视角感知交通参与者的风险;最后,考虑驾乘者的舒适性需求,基于五次和四次多项式轨迹对感知的风险势能高点进行避障操作。仿真和硬件在环测试结果表明:规划的轨迹在满足避障功能的同时,满足加速度约束条件,兼顾行车安全性和舒适性。

基于改进A*和Lattice算法的自动驾驶汽车路径规划研究

针对无人驾驶汽车路径规划中常用的传统A*算法存在的规划效率低、规划路径不平滑、且不适合真实环境中车辆跟踪行驶等问题,提出了一种改进A*算法和Lattice算法相融合的路径规划算法。该算法改进了传统A*算法的搜索策略和权重系数,提高了全局路径规划的效率;还考虑了时间序列,使规划所得路径具有动态避障能力;同时利用Frenet坐标系将三维空间内的纵向和横向运动规划解耦,降低了算法的复杂度。使用Matlab生成带有障碍物的栅格地图进行路径规划和CARLA模拟器进行实验仿真。结果表明,该融合算法可以综合考虑全局路径规划与局部路径规划,快速规划出一条舒适性及安全性兼备的运动路径。

智能车辆局部路径规划与跟踪控制算法研究

针对无人驾驶汽车局部路径规划与跟踪控制,提出一种基于改进A^(*)算法的局部路径动态规划算法及一种基于改进LQR算法控制理论结合模糊控制与PID控制的路径跟踪控制算法。主要包括:搭建无人车辆在Frenet坐标系下利用栅格法构建预行驶区域模型;优化改进节点扩展方向,提出针对无人驾驶的五邻域扩展节点方式;A^(*)算法一次规划出代价值最小的目标节点,二次A^(*)算法规划出实时动态最优路径。另外,搭建以路径曲率变化率和横向误差变化率为状态变量的横向路径模糊跟踪控制模型,搭建以纵向误差和纵向误差变化率为状态变量的模糊PID控制模型解决参数难调问题。通过Carsim、Simulink与Perscan联合仿真平台验证设计的路径规划与跟踪控制算法有效性。

基于超螺旋算法的车辆路径跟踪模型研究

为解决智能汽车路径跟踪问题,同时兼顾车辆行驶过程中的平顺性及稳定性,该文对车辆横向动力学模型进行研究,在根据超螺旋算法改进的滑模控制策略,设计出一种用于车辆路径跟踪的滑模控制算法,先采用五次多项式算法对不同工况下的换道路径进行规划,得到耦合的参考路径,再通过滑模控制追踪其横向位置误差及车辆航向角偏差,保证车辆按照目标路径行驶,并利用SIMULINK/Carsim联合仿真对所设计的模型进行验证。仿真结果表明,所设计的模型能够保证路径跟踪的准确性,并且在外部环境发生变化时具有良好的稳定性。

基于动态驾驶行为预测的轨迹规划方法研究

文章综合考虑动态车辆的时序轨迹影响和未来运动的不确定性,提出了一种结合动态驾驶行为预测的轨迹规划算法。首先,在Frenet坐标系下对终端状态进行自适应采样,针对交通环境中的动态车辆生成候选轨迹;其次,采用再生核希尔伯特空间,分析周围车辆的驾驶行为并预测其未来的运动轨迹,将预测结果作为判断最优行驶轨迹的约束条件;最后,在不同类型的交通场景中验证方法的有效性,实现高交互场景中高实时性动态车辆行为预测与轨迹规划。

常值海流作用下的AUV水平面路径跟踪控制

针对欠驱动AUV在常值海流影响下的水平面路径跟踪控制问题,建立了常值海流作用下的AUV运动学和动力学模型;采用以自由参考点为原点的Serret-Frenet坐标系描述路径跟踪误差及其动态模型;综合应用Lyapunov方法和Backstepping技术设计了AUV路径跟踪的运动学和动力学控制律,保证了路径跟踪误差在常值海流影响下的全局渐近稳定性。通过仿真实验与未考虑海流作用的路径跟踪控制进行对比,验证了该方法能够有效克服常值海流的干扰作用,路径跟踪误差全局渐近稳定。