Pure Pursuit算法在移动机器人路径跟踪的位姿修正研究

文章介绍了Pure Pursuit算法在移动机器人路径跟踪方面的原理。着重探讨了采用Pure Pursuit算法对移动机器人路径跟踪的位置和姿态调整问题,提出了保证移动机器人在路径的关键点处的位置和姿态都能同时满足要求的算法。通过仿真程序对算法的正确性进行了验证。文章可以为采用Pure Pursuit算法进行路径跟踪的移动机器人提供参考。

基于Pure Pursuit算法的智能缩微车路径跟踪

为实现缩微智能车沿预设路径稳定行驶,本文以多传感器缩微智能车为载体,搭建了1套包含无线通信系统、视频监控系统、终端控制系统的缩微道路交通实验台,实现了图像数据处理、道路识别跟踪、路径规划判断以及运动控制执行等主要功能。重点研究了缩微智能车路径跟踪的Pure Pursuit控制算法,该算法能实时调整缩微智能车当前位置与预设路径之间的偏差,从而使得缩微智能车的航向在一定程度上能与预设路径保持一致。实验结果表明:Pure Pursuit算法响应速度快、超调量小,缩微智能车能更快速稳定地实现路径跟踪。

基于改进的Pure Pursuit智能客车轨迹跟踪算法研究

以传统的Pure Pursuit为轨迹跟踪算法基础,采用Stanely控制算法来补偿其计算得到的方向盘转角。仿真和试验结果均表明该改进算法对轨迹跟踪效果有明显提升。

田间轮式机器人的导航控制系统设计

设计了一种基于预瞄准纯追踪模型及模糊控制的轨迹追踪控制算法、基于液压系统及PID算法的自动转向控制系统。为测试轨迹追踪控制算法和自动转向控制系统的效果,以田间作业轮式机器人为试验平台,进行农机轨迹跟踪和转向控制试验。结果表明:轨迹追踪试验中车速为0.6m/s时,横向偏差最大为0.07m,平均横向偏差为0.05m左右;转向控制试验中,转向角响应时间不超过1.5s,超调量小于5%。

基于两阶段纯追踪模型的农用车辆路径跟踪算法研究

针对车辆自身加工、装配误差及轮胎侧滑等因素导致理论转向运动模型与实际转向运动模型不一致的情况,基于最小二乘法对车辆进行了转向运动模型辨识,得到了不同设定线速度下的转向运动模型。同时,为解决常规纯追踪算法计算得出的部分控制量无法使车辆转向系统作出响应,造成路径跟踪精度下降问题,提出了一种考虑横向偏差和横偏角的两阶段纯追踪算法,并针对两个阶段的切换提出了设置过渡区滞后切换策略。模拟环境S形路径跟踪实验表明,在行驶速度为0.6 m/s时,固定前视距离的纯追踪算法平均横向偏差为0.5238 m,两阶段纯追踪算法为0.3616 m,其跟踪精度提高30.9%,较固定前视距离的纯追踪算法具有更好的路径跟踪性能。采用滞后切换策略将两阶段的切换跳变率从2.18%减至1.16%,抑制效果提升46.8%。

封闭园区内无人驾驶洗扫车路径规划及控制

为实现封闭园区自动洗扫车的无人驾驶功能,设计了一种基于封闭园区场景的路径规划与控制算法。采用改进的A-Star算法并融合三阶贝塞尔曲线构建全局路径规划层;基于状态空间采样设计局部路径规划层,考虑洗扫车转向约束、安全碰撞距离、道路边界距离等约束设计代价函数得到最优局部路径;使用Pure-Pursuit跟踪算法对局部路径规划层输出的最优路径进行追踪;搭建Simulink-ROS联仿平台,在Simulink中编写规划控制算法并编译植入到ROS平台下进行仿真验证;最后采用MDC300F车载计算机对算法进行多工况实车实验。结果表明,该规划控制算法能够控制自动环卫洗扫车在多工况场景下完成跟车、避障、会车等无人驾驶功能。

几何路径跟踪组合算法及其农业机械自动导航应用

农业机械自动导航是实现精准农业的有效途径,高精度路径跟踪控制是智能农机自主作业可靠性的重要保证。为提高不同路径曲率和初始误差条件下路径跟踪算法适应性,基于两种几何路径跟踪方法自适应切换提出一种几何路径跟踪组合算法。分析纯追踪和Stanley模型在U型路径跟踪中的稳态误差和收敛特性,在恒定速度下分别设置其最优几何路径跟踪参数,以跟踪误差和路径曲率为输入量设计路径跟踪方法切换逻辑,并采用往复式梭行路径对几何路径跟踪组合算法进行测试。搭建移动小车平台对所提算法有效性进行验证,跟踪结果表明当初始误差为2.5 m时,Stanley模型较纯追踪算法有更快的收敛速度,当直线和曲线路径作业速度为1.0 m/s和0.7 m/s时,纯追踪与Stanley具有相似直线段跟踪误差,但曲率突变时纯追踪和Stanley模型最大跟踪误差分别为12.0 cm及11.0 cm。路径跟踪组合算法有效减小曲率突变时路径跟踪误差,相同速度配置下梭行路径最大跟踪误差为9.0 cm,较纯追踪和Stanley分别减小25.0%和18.2%。几何路径跟踪组合算法减少前视距离和增益系数在线优化运算量与算法复杂度,可为复杂作业场景下农机自适应路径跟踪算法设计提供工程实现参考。

基于粒子群算法改进的轮式收获机纯追踪模型路径跟踪研究

为满足轮式收获机地头收获路径跟踪精度要求,提出了一种基于粒子群改进的带有预测特性的纯追踪路径跟踪算法。建立了轮式收获机运动学模型,推导了基于轮式收获机运动学模型的纯追踪路径跟踪算法。以收获机航向误差和横向误差为基础,构建了带有预测特性的隶属度函数,采用权重系数自适应方法,通过粒子群优化(PSO)算法,实现了实时动态确定最优前视距离。以玉米收获机为试验平台,开展了直线路径跟踪路面试验与“8”字曲线路径跟踪路面试验。试验结果表明,在速度1.5m/s时,直线路径跟踪的最大横向误差4.39cm,最大航向误差2.31°;在速度1m/s时,曲线路径跟踪的最大横向误差5.24cm,最大航向误差2.41°。改进的路径跟踪算法对直线路径及曲线路径都具有良好的路径跟踪效果,满足轮式收获机田间作业要求。

移动机器人路径跟踪的方法及研究进展

随着机器人技术的迅速发展,机器人在人们日常生活中应用越来越广泛。在机器人运动控制中,路径跟踪是非常重要的一个方面。路径跟踪的研究是为了保证机器人可以精确跟踪预设好的路径,确保机器人的稳定性和精确度。文章从控制方法切入,简要介绍了几种路径跟踪方法,主要分为基于反馈误差的控制算法,如PID控制;基于模型的跟踪方法,如模型预测算法、线性二次调节器;几何跟踪方法,如纯追踪算法,斯坦利算法。对几种方法的研究进展进行了阐述,比较它们的优缺点。最后,将深度学习、机器学习等融入控制器中也是一个重要的研究方向。

插秧机导航路径跟踪改进纯追踪算法

插秧机田间行驶路径包括直线作业段和地头曲线转弯段,因此需要对传统的纯追踪算法进行改进,使其满足曲线路径跟踪。以约翰迪尔Starfire3000型接收机、GS2630型显示器和ATU200型电动方向盘为主要硬件设备,针对给定的曲线路径,提出了一种路径跟踪控制算法,并通过模型仿真和田间试验相结合的方法,对该导航控制算法进行了验证分析。该导航控制算法首先根据车辆速度和路径弯曲程度来动态调整前视距离,其次在利用预见控制求得车辆目标点的基础上,利用改进的纯追踪算法设计控制器,最后按照插秧机作业时的路径进行仿真和试验。试验结果表明,车辆以1 m/s的速度行驶且在转弯半径为0.9 m时,最大跟踪误差可控制在0.159 m以内。

改进纯追踪模型的农业机械地头转向控制方法

根据农业机械田间地头转向的特点,提出了一种基于改进纯追踪模型的农业机械地头转向控制方法。以简化二轮车作为运动学模型,使用直线组合进行地头转向路径规划,采用BP神经网络实现动态调节前视距离改进纯追踪算法,用该算法进行路径跟踪,实现地头转向动作。MATLAB/Simulink仿真结果表明,该基于改进纯追踪模型的农业机械地头转向控制方法路径规划简单、占用空间小、跟踪精度较高。

无人驾驶汽车平行泊车路径规划优化与跟踪

为了提高无人驾驶汽车路边平行泊车的安全性、泊车效率、平稳性及乘坐舒适性,分析了路边平行泊车工况特点,采用五次多项式曲线进行路径规划.建立路径规划曲线参数优化设计数学模型,设计变量选取泊车起始位置横坐标,基于泊车边界条件建立6个等式约束条件,基于曲率、避撞、减少泊车空间等要求建立3个不等式约束条件,以最大曲率和泊车起始位置横坐标绝对值加权和作为目标函数.采用粒子群优化算法求解,得到泊车起始位置横坐标,再计算6个多项式待定系数,得到了优化、平滑、曲率连续的规划路径曲线表达式.基于纯跟踪算法实现泊车路径跟踪.结果表明:汽车较精确地跟踪优化的规划路径,与障碍物无碰撞,满足安全性要求;转向轮转角连续变化,满足平稳性、乘坐舒适性要求.

智能收获机定位和自适应路径追踪方法

针对智能联合收获机在路径追踪时存在控制延迟而影响路径追踪精度的问题,提出1种基于全球卫星导航系统(GNSS)的智能联合收获机自适应路径追踪方法:建立收获机的运动学模型;并依据GNSS获取当前时刻的位置、航向和速度信息,预估下一时刻的位置信息,自适应校正纯追踪算法的横向误差;然后依据速度、航向误差和校正后的横向误差设计模糊控制器,动态更新前视距离参数,实现纯追踪算法中前视距离的自适应动态调整;最后根据优化后的纯追踪算法计算期望转向角,控制收获机转向,实现路径追踪。实验结果表明,基于GNSS的联合收获机自适应路径追踪方法,能够有效提高收获机路径追踪时的精度,横向误差的标准差低于2.5 cm。

拖挂式大载荷特种车辆导航控制系统设计与试验

针对拖挂式大载荷特种车辆作业自动化以及高精度安全作业需求,以大载荷牵引车为对象,设计了一套拖挂式机组自主导航控制系统。车载程控系统采用模块化分布式系统,通过CAN总线实现系统内各模块间通信,远程运管平台与车载程控终端之间采用TCP协议进行数据通信,实现远程运管平台与车载程控系统间信息交互。建立拖挂式特种车辆的运动学模型,分析牵引作业时被牵引机具的牵引状态和最小转弯半径。针对传统纯追踪算法中固定前视距离缺陷,本文根据当前牵引车实时速度、追踪路径曲率、航向等信息动态计算前视距离,将固定前视距离改进为动态前视距离追踪,由单参数变为多参数进行优化控制参数,显著提高了轨迹追踪精度;使用随机森林算法对轨迹追踪数据进行特征提取,根据各个特征重要性指标权重,修改算法参数。在试验场地为水平倾斜度最大为2°的空旷的水泥跑道上,牵引车质量2 t,被牵引机具质量10 t、长22 m,且牵引机组设计要求最大行驶速度为6 km/h、最大横向偏差为50 cm。根据复杂路径试验与数据分析,系统纠偏响应时延最大为84 ms,牵引机组绝对横向误差最大为37.14 cm,平均绝对误差为14.91 cm,满足大载荷拖挂作业中的实际应用要求。

路径跟踪控制算法仿真分析与试验验证

为探究车辆路径跟踪算法性能差异及适用性规律,分别构建基于预瞄的纯跟踪(PP)算法、前轮反馈控制算法和模型预测控制(MPC)算法的车辆模型,在圆环、蛇行和低、中、高速等工况下进行Simulink和CarSim联合仿真并分析横向控制效果。结果表明:PP算法预瞄距离越短,横向控制精度越高,但稳定性越弱,低速鲁棒性较好;前轮反馈控制算法在高速下具有更小的横向控制误差,且增益系数k影响控制精度;相较于前两者,MPC算法在不同速度下均具有良好的横向跟踪性能。最后,开展实车试验对比验证3种算法的跟踪性能,结果表明,在同一工况下,MPC算法具有更优的跟踪性能。

基于纯追踪曲线跟踪模型的车辆自动导航

介绍具有仿生性的基于纯追踪曲线跟踪模型的曲线跟踪算法。该算法以简化二轮车模型为基础,通过选择合适前视距离计算车辆逼近预定义路径所需摆角达到跟踪效果。通过MATLAB/Simulink仿真,对算法中前视距离和车辆速度两个重要参数对车辆跟踪效果的影响进行了仿真探讨。仿真结果说明该算法容易实现,稳定性高,跟踪预定义路径所需时间较短,跟踪精度较高。

基于差分GPS的局部区域无人车路径跟踪算法

为确保无人车在弯曲度变化较大的路径上运行的平稳性及速度变化的连续性,基于差分GPS定位导航系统,综合考虑前视距离、速度和弯曲度之间的关系,提出了一种改进的Pure Pursuit算法。首先,通过差分GPS对局部区域内的路径信息进行采集,基于NMEA协议对GPS接收机输出数据进行坐标转换;其次,结合车辆运动学自行车模型与Pure Pursuit改进算法进行路径跟踪。试验结果表明,无人车以30 km/h的最高车速与5 km/h的最低车速跟踪既定路径时,最大横向跟踪偏差相比既有算法降低55. 4%,平均横向跟踪误差相比既有算法降低23. 98%,达到了较好的跟踪效果。

改进的智能飞机牵引车路径导航纯追踪算法

为了提高飞机地面自动牵引滑行导航控制系统的精度,提出一种改进的纯追踪算法。基于纯追踪算法对飞机牵引车系统的路径进行跟踪控制,将简化的两轮模型作为其运动学模型。融合经典纯追踪算法及改进算法确定新的预测目标点,以减少轨迹误差。采用偏差统计的方法实现不同预测距离下最优融合系数的选择,提高控制精度。仿真结果表明,该算法的路径轨迹误差控制在0.5 m范围内,满足飞机自动牵引滑行的精度要求,验证了其可行性和有效性。

飞机牵引机器人路径跟踪模糊控制

为了提高飞机地面自动导航路径跟踪的控制精度,提出了基于模糊自适应控制的智能飞机牵引机器人纯追踪路径跟踪方法。首先建立了牵引机器人-飞机两轮简化模型,进行了路径跟踪运动分析;基于此分析,以牵引机器人-飞机系统运动速度和轨迹误差为输入,以预测距离为输出,通过模糊自适应控制实时调整纯追踪算法预测距离,设计了基于自适应模糊控制的路径跟踪控制器;通过几何仿真和虚拟样机仿真两种方法分别对所提出的方法进行了验证。结果表明,牵引机器人-飞机系统在变速运动时,路径跟踪的轨迹误差能控制在0.5 m左右,完全满足飞机地面自动牵引滑行的精度要求,验证了所提方法的有效性和适应性。

基于改进Stanley算法的无人车路径跟踪融合算法研究

针对斯坦利(Stanley)跟踪算法无法更好地同时满足无人驾驶路径跟踪的精确度和平滑性要求的问题,根据车辆的航向角、横向偏差、车速等特性,基于合适的预瞄距离,采用纯跟踪(Pure Pursuit)算法对Stanley算法中车轮转角的计算方式进行改进,提出一种新的融合算法,实时计算车辆在当前车速下合适的车轮转角。仿真结果表明,相比于Stanley算法,所提出的融合算法在不失跟踪精确度的情况下,不同车速下跟踪平滑性均有较大提升。实车试验结果表明,在20 km/h车速下,所提出融合算法的跟踪路径比原Stanley算法的跟踪路径有更好的精确度和平滑性。