排序方式: 共有31条查询结果,搜索用时 15 毫秒
1.
基于油门与制动的轮式移动机器人纵向速度控制 总被引:2,自引:0,他引:2
建立了基于油门与制动的轮式移动机器人纵向控制系统,通过油门加速与制动减速的切换实现机器人对期望速度的跟踪,提出了一种模糊人挡制动算法,将查模糊控制表得到的控制量进行实时滤波,并将滤波后的控制量按一定规则分档,使制动踏板呈阶跃式运动,以防止制动过程中制动踏板的频繁往复抖动,实验结果表明,模糊分挡控制算法有效地降低甚至完全消除了制动踏板的抖动,同时,成功地实现了制动减速与油门加速的平稳切换。 相似文献
2.
越野环境下的无人驾驶车辆技术是近年来智能化领域重要研究方向之一,其在推动军事智能化发展、提高工农业生产效率等方面起到重要作用,具有一定的军事战略意义与民用经济价值.文中基于国内外越野场景下无人驾驶车辆技术的研究现状,从环境感知与导航定位、路径规划、运动控制3个研究层面进行归纳总结,阐述了越野场景下无人驾驶车辆技术中的关键技术及其技术应用存在的问题,并对未来越野环境下无人驾驶车辆技术的研究方向和研究重点进行了展望. 相似文献
3.
基于改进DBSCAN算法的激光雷达车辆探测方法 总被引:1,自引:1,他引:0
结合车辆行驶的实际环境,提出了一种基于改进DBSCAN快速聚类算法的激光雷达车辆探测方法.建立激光雷达与摄像机传感器坐标与车辆坐标之间的转换模型,进行数据融合,通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据车辆在激光雷达探测中的形状特征模型进行形状匹配,实时完成车辆探测,并将探测结果投影至图像上.实车实验结果证明,改进的DBSCAN算法在车辆探测应用中具有良好的准确性和实时性. 相似文献
4.
一种自适应动态窗口车道线高速检测方法 总被引:1,自引:0,他引:1
为提高结构化道路车道线检测的图像处理速度,提出一种单目视觉自适应动态窗口的高速检测算法.利用栅格法划分出初始图像感兴趣区域,剔除掉与栅格线相交像素点外的其它像素点,进而在保留的像素点中找到车道线特征点,并利用膨胀算法以保留的特征点为基础实时动态产生少量窗口,对这些动态窗口中的图像进行灰度转化、滤波去噪、边缘增强和二值化等处理,得到车道线边界特征,最后利用Hough变换进行车道线拟合.在实车实验中,对实际采集的结构化道路图像的处理速度可达到22 ms/帧左右.结果表明,该算法基本上满足车辆高速行驶时对视觉导航系统的实时性要求. 相似文献
5.
本文详细阐述了七氟丙烷气体灭火系统的灭火机理、工作原理和系统组成,并以已获得河南省工程勘察设计行业奖(09TJZ303)的郑石高速公路监控中心的气体消防设计为例,介绍了七氟丙烷气体灭火系统在高速公路监控中心的应用。 相似文献
6.
在全面打造"健康重庆"的时代背景下,在此通过广泛的调查研究,查阅了最近几年国内外的相关资料,访问了重庆市的游泳专家,结合自己在实际教学、救生实践方面的体验,总结出一套较为完善的游泳教学的安全保障体系,为重庆市高校游泳课安全教学提供参考。 相似文献
7.
在对资格迹理论研究的基础上,提出了一种延迟快速强化学习算法DFSARSA(λ)(延迟快速SARSA(λ)算法).算法的主要思想是通过对资格迹的重新定义和对即时差分TD(λ)偏差的跟踪,使强化学习中Q值在需要时进行更新,而SARSA(λ)每一步都对Q值进行更新,该方法使SARSA(λ)算法的更新计算复杂度从O(|S||A|)降到了O(|A|),提高了强化学习速度,仿真实验证明了该算法的有效性. 相似文献
8.
轮式移动机器人大转向航向跟踪控制 总被引:4,自引:2,他引:2
为了防止轮式移动机器人在大弯道路跟踪时出现过度转向而引起较大跟踪误差或偏离预定路径,提出了种能适应大转向的航向跟踪控制方法,利用机器人前轮偏角的绝对方向作为控制器反馈航向,仿真实验结果表明,该方法与以机器人车体航向作为反馈量的常规方法相比,在大转向航向跟踪时能有效志改善系统的动态特性,减少超调和振荡,提高基于航向控制的轮式移动机器人大弯道路径跟踪性能。 相似文献
9.
基于调制度分析的加权最小二乘位相展开方法 总被引:1,自引:0,他引:1
提出将条纹光强调制度分析和加权最小二乘法相结合进行二维位相全局展开的一种方法,在Ghiglia和Romero提出的基于离散余弦变换的加权最小二乘位相展开算法的基础上,根据条纹图像调制度分析确定加权最小二乘算法中的权矩阵,对调制度低的位相数据赋予低的权值,可以有效屏蔽无效位相数据对邻近区域的不利影响,该方法更充分利用条纹图像信息,算法稳健,可以实现完全自动的二维位展开,对实验数据的处理取得了较满意的结果。 相似文献
10.
智能车辆相关技术已实现了长足的发展,并已能够在有限封闭场景中实现自主行驶的基本功能. 然而,实际道路测试结果表明,目前智能车辆技术仍存在较多局限,而智能车辆在复杂城市与越野环境的大规模应用仍面临较多挑战. 作为智能车辆关键技术之一,运动规划与控制技术已基本建立了完整的理论体系并已得到较多工程应用,但传统方法在实际应用中仍存在动态复杂场景理解能力弱、场景适应性差、模型复杂度高、参数调整难度大等缺陷. 由于机器学习方法具备较强的知识表征与模型拟合能力,其已经在智能车辆的感知与导航技术中得到了广泛的应用. 而为了解决传统运动规划与控制技术存在的泛化性与适用性等问题,许多研究者近年来也开始探索基于深度学习、强化学习等机器学习方法的运动规划与控制方法. 本文将对目前基于机器学习的智能车辆规划与控制方法研究现状进行回顾,从规划与控制策略基本架构、基本学习范式以及基于学习的规划与控制方法三方面对现有智能车辆规划与控制策略学习方法进行分析,最后对研究现状与未来发展方向进行总结与展望. 相似文献