自动泊车路径纯跟踪算法应用研究

为实现自动泊车系统的路径跟踪功能，解决纯跟踪算法由于预瞄距离选取不当导致的方向盘抖动、跟踪精度下降的问题，文中提出了一种改进的纯跟踪路径跟踪算法，该方法在传统纯跟踪算法的计算结果基础上设计了一种带记忆参数的方向盘转角修正算法.实车实验表明，该方法适用于自动泊车系统，可以在适用工况下选取较小的预瞄距离，在保证跟踪精度的同时解决了纯跟踪算法在小预瞄距离下的方向盘抖动问题.     

工业机器人实时高精度路径跟踪与轨迹规划

手部路径跟踪和关节轨迹规划是机器人应用领域中一个非常重要的课题.在以往的研究中,往往是通过在设定的路径上增加节点数和路径分段数来提高机器人手部跟踪设定路径的精度,但这种方法会导致在线计算量大幅度增加.针对这一缺陷,提出了一种新的实时高精度路径跟踪与关节轨迹规划方法.该方法通过在设定的手部路径上按一定规则额外选取多个附加节点,使每一轨迹段上的节点数由2个增加到4个,并利用1个3次多项式、1个正弦函数、1个余弦函数以及1个由正弦函数和1次多项式的乘积构成的函数来构造每一段的关节轨迹方程.计算机仿真结果表明,在路径分段数不变、关节轨迹方程总数不变以及计算量不显著增加的前提下,运用该方法能大幅度提高机器人手部跟踪设定路径的精度.     

基于凸近似避障原理的自动驾驶集成决策与控制方法

针对结构化道路下自动驾驶汽车的轨迹跟踪问题,提出了一种基于凸近似避障原理的自动驾驶集成决策与控制方法。首先基于凸近似避障原理,对安全约束进行优化,适当缩小轨迹可行域,只保留与特定周车交互相关的部分可行点;然后结合模型预测控制算法,建立低速场景下线性化的自行车运动学模型,以轨迹跟踪误差最小为目标,考虑自车和周车的外形、道路几何约束和安全约束,构造多个与静态路径相关的最优控制问题,使用外罚函数处理约束,基于序列二次规划方法进行求解,选择最优轨迹进行跟踪。在Carla仿真平台上的高速公路仿真实验结果表明提出的基于凸近似避障原理的自动驾驶集成决策与控制方法虽然通过效率有所下降,但是驾驶安全性得到充分保障,并且轨迹跟踪性能未受影响,因此该方法能够有效降低自动驾驶中的决策风险。     

采用极点配置的自动驾驶汽车换道路径规划与跟踪控制

针对自动驾驶汽车高速行驶过程中切换道路避让障碍物工况,提出了一种基于三次多项式曲线的路径规划算法和一种基于线性矩阵不等式区域极点配置方法的路径跟踪控制策略。首先,将汽车换道避让路径分解成几何形状相同的4段路径,采用三次多项式曲线规划出满足汽车运动学和动力学约束的第一段路径,并通过对第一段路径进行平移、翻转和旋转操作得到后3段路径,以及实现4段路径的平滑连接;然后,基于线性二自由度汽车动力学模型建立能够充分表征轮胎侧偏刚度不确定性的汽车换道避让路径跟踪控制模型,并采用线性矩阵不等式区域极点配置方法设计具有"前馈+反馈"控制结构的汽车换道避让路径跟踪控制策略,使闭环系统的极点配置在期望的位置上,保证闭环系统具有良好的动态和稳态性能。仿真实验结果表明:所提出的方法可将汽车驶离本车道时的纵向延迟距离由4.3m减小到2.3m,并且将汽车靠近目标车道时的最大侧向超调量由0.21m减小到0.004m,呈现出更好的动态和稳态性能。     

线控四轮转向汽车平行泊车路径规划与跟踪控制

针对线控四轮转向汽车平行泊车路径规划与跟踪控制问题,提出一种基于改进粒子群优化算法的平行泊车路径规划方法和一种基于前馈控制和反馈控制的平行泊车路径跟踪控制策略.首先,综合考虑线控四轮转向汽车运动学非完整约束、动力和转向子系统的过程约束和边界约束、避障约束、泊车初始位姿和目标位姿约束,建立以最小化泊车过程总时长为目标的平行泊车路径规划约束最优化问题,并采用可以处理等式约束和不等式约束的粒子群优化算法对其进行求解,得到最优平行泊车路径.随后,利用平行泊车路径规划过程得到的车轮转向角作为前馈控制量,并利用汽车实际位姿与期望位姿的偏差构建PI反馈控制量,实现对规划的平行泊车路径快速、精确和稳定的跟踪控制.最后,利用车辆动力学仿真软件构建模型在环仿真系统,验证所提出方法的可行性和有效性.结果表明:所提出的方法可以快速、精确和稳定地引导线控四轮转向汽车自动完成平行泊车任务.     

基于新型跟踪微分器的车轮滑移率跟踪控制

针对汽车直接横摆力矩控制系统和自动紧急制动系统对快速、准确和稳定的车轮滑移率跟踪控制的需求,提出了一种基于新型跟踪微分器的车轮滑移率跟踪控制器.首先,分别以车轮制动力矩导数、车轮滑移率跟踪误差及其导数作为控制量和状态量,建立了包含复合加性不确定性的车轮滑移率跟踪控制模型.随后,设计了一种新型跟踪微分器来估计车轮滑移率跟踪误差及其导数,为实现车轮滑移率全状态反馈跟踪控制奠定基础.以新型跟踪微分器输出为基础,利用模糊推理系统在线估计和补偿模型的复合加性不确定性,并结合幂函数和线性函数设计了一种具有快收敛速度特征和抑制颤振能力的车轮滑移率跟踪控制律.最后,从实际应用角度仿真验证所提出的车轮滑移率跟踪控制器的可行性和有效性.结果表明,所提出的车轮滑移率跟踪控制器可以快速、准确和稳定地跟踪任意车轮目标滑移率,并且车轮滑移率跟踪残差不大于0.333%.     

紧急避撞路径规划及其跟踪驾驶员转向模型

针对紧急避撞工况,提出并设计了一种紧急避撞路径规划方法和路径跟踪反馈预瞄驾驶员模型。首先,提出了一种基于Sigmoid曲线与物理约束的避撞路径规划方法,并建立融合最优曲率预瞄与闭环反馈转向修正的驾驶员模型以对所规划路径实现快速和精确跟踪。之后,搭建了CarSim+Simulink离线联合仿真平台,对避撞路径规划和路径跟踪反馈预瞄驾驶员模型的有效性进行了验证。最后,基于自主改装的试验车辆,进行实车试验以验证所提出的路径规划方法及驾驶员模型的可行性与实时性。仿真及实车试验结果均表明,所规划的避撞路径和驾驶员模型可以控制车辆快速、安全地避让障碍物。     

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

深海履带车的路径跟踪控制算法

建立深海履带车运动学和路径偏差模型,并针对履带车在工作环境中出现的路径偏差问题提出一种新的路径跟踪算法。基于履带车的行走动力约束,路径跟踪算法中引入线速度和角速度中间变量,避免了由于履带车驱动轮角速度突然变化所导致的系统失稳。同时,为提高系统的响应时间,算法中增加与PID控制类似的比例环节,利用李雅普诺夫法证明控制系统的稳定性,并对深海采矿2种典型期望工作路径的路径跟踪进行仿真。研究结果表明:所提出的新的路径跟踪算法具有良好的快速性和稳定性,能够满足深海采矿履带车的行走控制要求,保证履带车良好的行走性能。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。     

一种MEAN SHIFT跟踪改进算法研究

Mean Shift算法在视频序列中的目标跟踪已经广泛被应用于计算机视觉研究以及应用中。该算法应用于跟踪中,具有计算量低,可实时跟踪等优点,但有时会出现漂移问题。本文针对传统Mean Shift算法的实现进行了研究和总结。并提出了基于分块的改进方法,在Mean Shift跟踪算法中加入了空间信息。实验证明改进算法与原始算法比较具有更好的跟踪精度。     

一种无标定视觉伺服系统的快速跟踪策略

为了提高机械臂跟踪动态目标的跟踪效率,本文提出了一种无标定视觉伺服系统的快速跟踪策略.一方面,该策略通过预测机械臂关节角的方法,使得控制器计算行为与机械臂运动行为同时进行;另一方面,该策略使用最新的图像信息计算关节角,提高了系统的实时性.在仿真实验和实物实验中,构建了应用不同跟踪策略的两个无标定视觉伺服系统以跟踪动态目标.最后,通过对比两系统的跟踪时间和跟踪路径,验证了新跟踪策略的快速性、实时性和抗干扰性.     

基于HOG-SVM的改进跟踪-学习-检测算法目标跟踪方法

对于经典TLD(跟踪-学习-检测)跟踪算法,在目标受到遮挡、光照、干扰、旋转和尺度变化等问题时,会导致算法的跟踪精度和速度降低,计算的复杂度较高,实时性差。针对以上问题,本文提出了一种改进的TLD目标跟踪算法。首先针对检测模块中计算复杂度高的问题,将HOG-SVM结合替换原TLD算法中的2bitBP特征和集成分类器;再针对原算法中跟踪精度低的问题,将KCF跟踪算法替换中值光流法;在HOG-SVM+KCF跟踪算法的基础上,对滑动窗口法进行改进,解决原算法中实时性差的问题。实验表明,改进后的跟踪算法,在背景环境变化的情况下,跟踪精度和速度都有提高,实时性加强。     

基于Mean Shift的视频图像检测与跟踪

在复杂背景的视频图像中,实时、准确、连续、长距离的跟踪以人为对象的目标,是一件很困难的任务。人体对象在跟踪目标图像位置的变化时,一直随着姿态的变化而改变,因此这是一个非常典型的非刚体目标,对这类目标采用简单的模板匹配的方法进行目标跟踪,无法达到准确的跟踪。均值漂移（Mean Shift）是现今最受欢迎的对象跟踪方法之一,广泛的运用于人脸的跟踪,文章提出了一种基于均值漂移算法的复杂背景视频图像检测与跟踪算法。在运动目标跟踪中,提出了以直方图为模式特征,以均值漂移算法为核心算法的目标跟踪算法,通过实验表明该跟踪算法能对候选目标进行运动检测,完成实时跟踪,同时有效抑制了局部遮挡、背景混乱等,过滤了伪目标,保证了跟踪的可靠性。     

WSN中传感器节点的弹性神经网络任务分配方法

为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组织神经网络优化监测联盟,用最近邻法对神经元弹性子模进行初始化,根据胜者为王原则动态调整子模的感受域,以快速锁定最优监测联盟,实现多目标的精确跟踪.实验结果表明:文中方法能有效解决多目标跟踪节点任务分配的竞争冲突问题,以及竞争冲突时的系统能耗增加与实时性问题;在随机均匀部署节点拓扑和目标直线运动模式下,文中方法的能耗较最近邻法降低了48.2%~55.9%,较未改进弹性神经网络法降低了37.4%~42.5%,且运算速度提高了19.0%~27.4%.     

基于压缩感知的在线多示例学习目标追踪

近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题。然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度。为了解决这一问题,在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息。因此,我们提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪。通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性。     

实时视频监控系统中运动目标检测和跟踪的一种实用方法

针对目前信息发展的要求，讨论了视频序列中运动目标检测和跟踪的一些方法，并在视频监控系统的具体应用环境中，提出了运动目标的适时检测和跟踪的一种适用方法，同时给出了相应的实验结果．结果表明，本文方法是比较实用的，能满足实时视频监控系统的要求．     

孪生压缩激励全卷积网络的目标跟踪方法

为提升目标跟踪的准确性并保证其实时性,提出一种基于改进孪生全卷积网络的新方法——孪生压缩激励全卷积网络(siamese squeeze and excitation fully convolutional networks,Siam-SEFC).Siam-SEFC通过添加具有少量参数的压缩激励网络结构融合空间通道信息,...     

智能婴儿车目标跟踪系统的研究

设计了一种智能婴儿车的跟踪系统,它是在普通婴儿车的基础上设计了嵌入式控制系统。通过对目标跟踪技术及跟踪方法的分析研究,将压缩感知代替TLD(tracking-learning-detection)跟踪算法中的级联检测器,并应用到该控制系统中,能够很好地改善TLD跟踪算法的实时性能。介绍了该控制系统的设计方案,详细讨论了对TLD跟踪算法的改进,最终介绍了该系统中目标跟踪的具体实现方法。实验结果表明所设计的智能婴儿车目标跟踪系统能够自主稳定地跟踪目标。     

基于立体视觉的被动测距技术研究

为了实现基于立体视觉的被动测距技术,该文搭建了一套双目成像测距系统实验平台,研究了基于双目立体视觉的被动成像处理算法;设计了可实现多目标的实时跟踪测距的双目成像测距应用软件,对提出的一种基于SIFT搜索窗口大小随着目标尺寸变化自适应调整的跟踪算法进行了验证.测试结果表明该软件在跟踪、测距方面表现出色,在1~2个目标时具有较好的实时性.通过平面标定法进行准确的摄像机标定,采用SIFT特征匹配算法进行立体匹配,测试结果表明在取octave层数为4时,匹配准确度一般可在0.05个像素范围内.实际外场测试实验表明,该算法对一定距离范围内的目标物体进行测量具有较好的准确性.