基于视觉的缩微智能车车道检测与控制

针对智能车辆自主驾驶行为研究,提出并实现了一种基于视觉导航的缩微智能车系统.从软硬件架构、数据通信方式上介绍了缩微智能车系统的整体设计,并针对缩微道路交通环境中传统车道线检测技术易受光照变化影响的问题,提出一种灰度形态学Top-Hat变换与亮度轮廓扫描方法相结合的车道线检测算法.为分析智能车在缩微交通环境下的自主驾驶表现,设计了一种模拟驾驶员转向行为的舵机模糊控制算法.实验结果表明,该方法可以有效模拟车辆在真实道路交通环境中的自主驾驶行为,为智能交通系统研究提供了一种新思路.     

基于卷积神经网络的语义同时定位以及地图构建方法

环境感知技术是智能车功能实现的前提,而在感知的基础上提高智能车对环境的认知能力是实现全自动驾驶的关键。本文针对室外交通场景,基于卷积神经网络提出了一种新的智能车同时定位以及语义地图构建方法,对智能车进行定位,并且构建稠密的3D语义地图,提高智能车的环境感知、认知能力。首先,基于双目ORB-SLAM提出了一种四线程的双目SLAM（Simultaneous Localization and Mapping）方法构建稠密的3D点云地图,四线程分别为追踪线程,局部地图构建线程,回环检测线程以及稠密地图构建线程;其次,为提高智能车的环境认知能力,使用端对端的方法对图像进行语义分割,并且为提高语义分割精确率,将环境的几何信息也作为卷积神经网络输入;最后,将感知的能力与认知的能力相结合构建语义地图,为智能车实现全自动驾驶奠定基础。本文将算法在KITTI数据集上进行测试,整体算法速度为10帧/秒,语义分割的全局精确率为73.1%,构建的语义地图显示本文提出算法能够在大规模室外场景下重构全局一致性地图,并且帮助智能车实现对环境的解析。     

一种用于自主学习的虚拟仿真环境

赋予智能体通过与环境交互自主学习的能力是实现下一代人工智能的关键.本文,我们介绍了一种基于虚幻4的虚拟仿真环境,用于训练和测试自主智能体.该环境具有高逼真、可交互、灵活通用的特点,使得智能体能够在其中自由探索,自主学习场景感知、常识推理、决策控制等多项能力.为了验证该环境的可用性,我们用实验演示了如何在虚拟环境中构建自主智能,即利用强化学习方法训练端到端的神经网络实现基于视觉感知的目标搜索和目标追踪任务.     

智能车测试环境中虚拟车道线的快速构建方法

针对测试环境的设计与构建是智能车辆智能行为验证的前提,但常常会受到真实道路环境复杂性和不确定性等因素的限制等问题,提出序列化排列锥形交通标搭建智能车测试环境,在机器视觉基础上根据识别出的锥形标间的拓补关系构建虚拟车道线的方法.研究结果表明:该方法可有效地处理感知环境中的行人与运动车辆等干扰信息,满足智能车对系统的实时性和鲁棒性要求;该方法在结构化道路与非结构化道路均可实施,是一种快速构建智能车测试环境的有效方法,既降低了测试成本,又保证了测试过程的安全性和可靠性.     

基于卡尔曼滤波的多特征加权最近邻数据关联与跟踪算法

针对传统最近邻数据关联算法正确率较低且容易出现漏关联的问题,提出一种多特征加权的最近邻关联算法。根据智能车环境感知系统获得的障碍物特征数据,定义了一种相似度函数,提出基于生命周期计算有效关联度的方法,从而判定目标是否关联;基于卡尔曼滤波对关联目标进行迭代更新,实现对目标的跟踪;通过实验对比了静止目标、无交互的低速运动目标和有交互的低速运动目标的跟踪轨迹。结果表明,与传统的最近邻数据关联算法相比,所提出的改进算法可以实现对低速运动目标准确连续的关联跟踪,不会出现目标丢失或位置突变的现象,且跟踪目标的交互与遮挡对跟踪效果影响较小,具有较高的有效性与实用性。研究结果可为智能车辆的目标跟踪设计提供参考。     

基于惯导航向角的智能车几何轨迹跟踪算法

为满足智能车在低速和高速运行时稳定和精确的轨迹跟踪,提出了一种基于几何模型的智能车轨迹跟踪算法。算法首先通过惯性导航系统的航向角参数,计算车辆纵向运动方向和轨迹跟踪点切线方向之间的切向角,再通过横向偏差角进行转向的偏差校正,实现轨迹的实时跟踪。以真实智能车在实际道路环境中对算法进行了20 km/h下的小曲率直道和大曲率路口弯道以及50 km/h下的小曲率直道的轨迹跟踪实验。实验结果表明,在不同的典型路况下,采用该算法的智能车能够实现稳定和精确的轨迹跟踪;与其他轨迹跟踪算法相比,该算法具有较好的性能。     

基于路径识别的寻迹智能车设计与实现

为了实现智能车沿道路上引导线自动寻迹,研制一种基于模型汽车为硬件平台的智能车系统.该系统通过采用改进的边缘检测算法对COMS摄像头捕获的道路信息进行处理,在获取更准确图像的基础上,依靠舵机进行方向控制,通过闭环PI控制电机驱动智能车前进.本设计实现了智能车沿引导线稳定、快速行驶的功能.实验表明,此设计方案提高了智能车运行速度和稳定性.     

缩微交通环境下的锥形标识别方法

为了能够正确地识别出锥形标,并根据锥形标的摆放位置控制智能车的行驶行为,文章提出了一种基于HSV颜色空间的锥形标识别方法.该方法对图像进行预处理,提取出HSV彩色图像的S分量,并做二值化处理,同时利用腐蚀膨胀技术对二值化结果作去除孤立点、合并连通区域处理；通过基于特征匹配的跟踪算法完成锥形标识别,计算出两锥形标间的连线与智能车的夹角,从而使智能车根据此夹角控制智能车的行驶行为.实验结果表明该方法是可行的.     

基于新传感器排布的电磁导航式智能车循迹算法研究

研究了电磁导航式智能车的循迹算法.提出了一种新的传感器排布方案—"倒T型",其优点在于能够对智能车的远方路况进行预判.基于该方案的控制算法表明:电动势差关于智能车的水平偏移量是单调的,能够有效地反映智能车与中心导线的偏离程度.最后,通过实验验证结果的正确性.     

基于博弈论的路口多车协作算法

针对无交通灯十字路口,提出了一种基于博弈论的路口多智能车协作算法.首先,利用场图工具建立路口车辆冲突模型.然后,提出无交通灯十字路口冲突车辆的安全因素和时间因素的表达式,进而设计博弈的收益函数.最后,针对冲突车辆设计了基于博弈论的协调算法.使用自主开发的智能车硬件仿真平台对提出的算法进行验证.实验结果表明:提出的算法在...     

连续工况下基于PID+LQR算法的自动驾驶车辆横纵向耦合控制

为提高自动驾驶车辆的路径跟踪精度,针对自动驾驶车辆横纵向耦合控制问题,提出了带有前馈控制的PID+LQR联合控制策略。首先,利用二自由度车辆动力学构建路径跟踪误差数学模型,制定横纵向控制流程。随后,设计了用于横向控制的LQR控制器和用于纵向控制的PID控制器,将横纵向控制器进行整合,使得车辆在接收到决策规划系统给出的期望指令后可以进行跟踪行驶。借助CarSim和MATLAB/Simulink联合仿真平台,在连续工况下对该控制策略进行测试。结果表明,提出的横纵向耦合运动控制策略可以控制车辆沿着规划的轨迹行驶,且可将跟踪误差控制在较小的范围内。     

面向自动驾驶的驾驶环境视觉感知复杂度量化评估方法

为优选自动驾驶汽车开放测试、示范道路并支撑其驾驶环境的优化,提出面向自动驾驶的驾驶环境视觉感知复杂度量化评估方法。以百度街景地图作为驾驶环境数据源,运用脚本文件以及截图工具PicPick搭建自动化街景图像数据提取平台,并在不同区域、不同道路等级下采集上海市50条典型道路的驾驶环境数据;从行人、交通标志、交通标线、红绿灯、车辆5方面出发,构建驾驶环境要素感知平台,并开展感知精度的量化评估;在单要素感知准确率的基础上,采用熵权法确定多维感知要素权重,计算各道路综合感知准确率,并应用轮廓系数法与K-means++聚类算法进行视觉感知复杂度分级。结果表明,上海市典型道路的驾驶环境视觉感知复杂度分为三级,大部分道路的视觉感知复杂度属于2级;对比不同等级道路发现,支路的视觉感知复杂度总体上低于主干路。     

基于目标检测的激光雷达道路边缘检测算法

道路边缘检测是自动驾驶车辆环境感知的重要组成部分,有效地从点云数据中提取道路边缘信息,有利于进行目标检测以及可行驶区域检测。针对点云道路边缘检测问题,提出了一种考虑车辆等道路参与者对道路边缘检测带来干扰的解决方案。首先,采用地面点云分割算法,将原始点云分割成地面点云和非地面点云;其次,根据车辆等道路参与者的固有特性,采用点云聚类算法对点云进行聚类,并将符合车辆等道路参与者特性的非地面点云进行滤除;再次,根据道路边缘点云在二维平面内,能够有效地遮挡激光发射中心点与非道路边缘点之间的连线,从而提取道路边缘点云;最后,采用随机抽样一致性(random sample consensus, RANSAC)算法对道路边缘点云进行多项式拟合,并使用扩展卡尔曼滤波器对道路边缘进行跟踪。实验结果表明,所提点云道路边缘检测算法能够消除车辆等道路参与则对点云道路边缘检测的影响,且算法满足实车实时性和鲁棒性要求。     

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.      

基于鲁棒神经网络的水下机器人运动控制

针对水下机器人神经网络控制中系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,提出了一种基于鲁棒神经网络的水下机器人控制方法E利用指数趋近律,推导出神经网络参数的镇定算法,并采用标准误差反向传播(EBP)算法最小化目标函数,最后在水下综合探测机器人仿真平台上进行了试验研究E试验结果表明,该控制方法对神经网络学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

采用变时域模型预测的车辆路径跟踪控制方法

为了解决自动驾驶车辆变速行驶时模型预测路径跟踪控制器的可靠性问题,提出一种变预测时域自适应路径跟踪控制方法.首先,推导简化后适用于仿真验证的车辆三自由度动力学模型,引入松弛因子以避免求解过程中出现非可行解,并将跟踪控制转化为二次规划求解问题;然后,确定模型预测控制器的重要设计参数,分析车速和预测时域的变化关系,拟合预测时域与车速的函数曲线,设计一种变时域自适应路径跟踪控制器;最后,搭建Carsim/Matlab/Simulink联合仿真平台进行验证.结果表明:变时域自适应路径跟踪控制器能够随着车速变化实时更新预测时域,可保证车辆具有较好的跟踪精度和稳定性.     

高超声速飞行器建模与自主控制技术研究进展

 高超声速飞行器是国内外研究的热点问题。综述了高超声速飞行器建模与自主控制问题。阐明了高超声速飞行器的特点及控制难点,列举了典型的高超声速飞行器模型,从机理推导方法、计算流体力学（CFD）实验方法、模型简化技术和模型验证技术方面介绍了高超声速飞行器建模的研究进展,从传统滑模控制、高阶滑模控制、反步控制、自适应控制、轨迹线性化控制方面阐述了高超声速飞行器自主控制的研究进展,探讨了高超声速飞行器仿真平台开发的研究趋势。     

用于轨道交通车载电源性能自动化评测系统

为解决轨道车辆车载辅助电源通用检测设备缺乏的问题,设计搭建了一种新型的轨道交通车载电源性能 指标评测的自动化集成测试平台。该平台以上位机软件作为主控制器,综合运用计算机控制、变频调压、传感 器测量、网络通讯等技术,模拟动车实际工作环境,对已有硬件设备进行整合和集成,将之搭建构成统一的硬 件测试平台。并在此硬件平台的基础上设计开发软件测控系统,提升实验室对车载电源寿命及可靠性检测的 工程研究能力,为动车组对相应产品的高级检修提供测试数据作为检修依据,节省了检测资源,提高了检测 效率。     

无人驾驶车辆智能控制技术发展

无人驾驶车辆可看作是具备一定自我学习能力的轮式智能机器人,体系结构可分为感知和决策,在智能控制技术的加持下,无人驾驶车辆控制技术正在阔步前进.为了优化车辆控制技术,使无人驾驶车辆控制子系统的实际执行效果达到决策系统的期望值;借助CiteSpace研究了中外无人驾驶车辆控制技术的发展、接着列举智能控制在无人驾驶中的先进应...