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LQR和PID的智能车轨迹跟踪控制算法设计与仿真

为了提高智能车轨迹跟踪的精度及鲁棒性,提出了基于线性二次调节器(LQR)和比例-积分-微分(PID)算法的横纵向控制策略。首先建立了车辆二自由度动力学模型和轨迹跟踪误差模型;其次设计了横向LQR控制算法的轨迹跟踪控制器和纵向双PID控制算法的速度跟踪控制器,并采用遗传算法对横向LQR控制的关键参数进行了确定。通过CarSim和Simulink对其控制算法进行低速、中速和高速三种工况的仿真,仿真结果表明：该横纵向控制算法在轨迹跟踪时的距离偏差小于0.05 m,前轮转角以及横摆角速度变化较为平稳,保证了轨迹跟踪的精度和较好的稳定性,在一定程度上提升了乘员的舒适性。     

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。     

基于全局视觉的服务机器人滑模轨迹跟踪控制

以轮式移动服务机器人的轨迹跟踪控制为研究对象,分别建立了轮式移动机器人在任务空间和视觉空间内的运动学模型,利用摄像机成像模型,实现了视觉空间到任务空间的速度向量变换.采用视觉伺服控制方法,构建了全局视觉轨迹跟踪控制结构.结合滑模控制思想,建立了具有全局渐近稳定的滑模轨迹跟踪控制器.以具有任意初始误差的圆和直线为参考轨迹,进行了仿真研究.仿真结果表明,所构建的系统控制器具有理想的响应速度和跟踪精确性.     

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.     

面向AUV水下对接的轨迹跟踪控制研究

针对欠驱动AUV的特点,面向水下对接的应用需要,在考虑其非完整约束的条件下,对水下机器人的非线性系统的可控性进行深入分析,并推导如何将非线性系统通过反馈变换转换成链式模型,在此基础上提出一种使用近似线性化的全状态反馈进行三维链式控制器设计的方法。最后,为了验证轨迹跟踪控制器的控制性能,在Matlab仿真环境下进行了实验,结果表明该方法可以实现路径跟踪误差的全局渐近稳定,验证了其有效性和合理性。     

基于backstepping方法的两轮移动机器人轨迹跟踪控制

主要利用backstepping方法实现对两轮移动机器人基于动力学模型的控制系统设计与轨迹跟踪.首先,利用牛顿-欧拉公式对两轮移动机器人进行动力学建模;其次对两轮移动机器人的动力学模型进行解耦;最后,利用backstepping方法完成了对移动机器人的轨迹跟踪控制.数值仿真验证了backstepping控制方法的有效性...     

单目视觉定位实现机器人跟踪的实验系统和控制方法

提出一种基于视觉定位的多机器人跟踪控制方法.首先,采用单目视觉定位技术,建立平面物理坐标与视觉图像坐标之间的映射关系.然后,结合轮式移动机器人的运动学模型,基于Lyapunov方法设计轨迹跟踪控制器.最后,结合视觉定位确定机器人的平面坐标位置,分阶段规划机器人运动轨迹,实现多机器人跟踪控制.仿真和实验结果表明:该方法具有可行性和有效性.     

轮式移动机器人轨迹跟踪控制方法

针对轮式移动机器人轨迹跟踪这一典型控制任务,提出了基于模糊控制规则的滑模控制方法。该方法采用等速趋近律,利用连续函数代替符号函数获得切换控制律,最后运用Lyapunov理论证明系统的稳定性。仿真结果表明该方法不但能够有效的跟踪机器人的参考轨迹,还能有效的减少在控制中的抖振现象。即使存在外界干扰的情况下,也具有良好的控制品质。     

基于低精度GPS的智能车视觉导航方法

针对室外环境提出了一种基于低精度GPS的视觉导航方法.采用多传感器融合的方法解决道路和路口的导航问题.对于路口环境,通过对道路标志（如人行横道线）的检测,实现路口的初定位;基于全局地图信息,采用扩展卡尔曼滤波融合GPS和里程计信息,进行路口导航.真实环境下的实验结果表明该方法,具有良好的有效性和实时性.     

基于鲁棒比例-积分-微分控制的智能汽车自主换道轨迹跟踪控制

为了解决智能汽车自主换道轨迹跟踪所使用的比例-积分-微分(proportion-integral-derivative,PID)控制器参数难以整定的问题,提出应用于自主换道轨迹跟踪控制的鲁棒PID控制器设计方法。首先,构建车辆-道路系统动力学模型,将转向执行机构看作一阶惯性环节,搭建包括转向执行机构动力学模型在内的系统动力学模型;然后,基于分段多项式表达求解自主换道轨迹模型,并基于时间与误差绝对值乘积积分构建鲁棒PID控制器,确定控制参数,形成闭环系统的传递函数;最后,进行仿真及实车试验,结果表明,所设计的控制器具有较强的鲁棒性,能在保证换道工况下智能车辆较好的轨迹跟踪能力的同时,有效地提高乘员舒适性。     

基于改进反步法的四旋翼无人机轨迹跟踪控制

四旋翼无人机是一个欠驱动、强耦合、高度不稳定的非线性系统.无人机系统的鲁棒性和抗干扰能力是飞行控制的关键问题.在经典反步控制(classical backstepping control,CBC)方法的基础上,增加了误差积分和饱和函数,设计了积分饱和反步控制(integral saturation backstepping control,ISBC)策略,用于抵抗无人机飞行过程中受到的常值干扰和变值干扰.系统的稳定性由Lyapunov稳定性定理证明.在MATLAB/SIMULINK环境下做了轨迹跟踪仿真实验.仿真结果表明,相比CBC控制策略,ISBC控制策略对四旋翼无人机系统有更好的抗干扰能力和优越的鲁棒性.     

智能车辆轨迹跟踪控制方法研究

针对智能车辆的轨迹跟踪控制问题,提出了一种可以调节参数的智能车辆轨迹跟踪控制方法.首先,设计了模糊控制器对智能车辆进行路径跟踪控制;其次,为了提高车辆在高速下的路径跟踪效果,设计模型预测控制器,并结合轮胎的动力学特性及车辆动态特性对轮胎侧偏角、质心侧偏角等进行约束;然后,为了提高车辆在不同工况下的路径跟踪效果,进一步设计了基于PSO算法的模型预测控制器.比较三种控制器的控制效果,选择典型工况在联合仿真平台上进行仿真.结果表明,提出的智能车辆的轨迹跟踪控制方法可以有效地对车辆轨迹进行跟踪.     

基于跟踪轨迹的车辆异常行为检测

为提高ITS(Intelligent Traffic System)交通事件管理的智能性, 提出基于跟踪轨迹的车辆异常行为检测,分为目标检测跟踪、轨迹分析处理和车辆行为分析3 个步骤。首先利用三帧差法对目标进行初始定位, 采用基于Kalman 预测器的改进跟踪算法对车辆进行跟踪; 然后提出采用最小二乘法自适应分段直线拟合算法对目标跟踪获得的运动轨迹进行快速拟合; 最后结合运动方向变化率和速度变化率两个参数建立车辆异常行为检测模型。实验结果表明, 在道路监控视频中, 该算法能快速准确检测急刹车、急转弯和急转弯刹车等车辆异常行为。     

双舵轮自动导引车轨迹追踪控制算法

为提高双舵轮自动导引车(automated guided vehicle, AGV)轨迹跟踪控制性能,设计了基于模型预测控制的轨迹跟踪控制器。以双舵轮自动导引车为研究对象,首先建立自动导引车运动学模型,求得车体转弯半径,并重点分析双舵轮自动导引车转向优势;然后,对双舵轮导引车建立了基于模型预测控制的轨迹跟踪模型,并考虑车体运动性能指标及各类约束,最后通过仿真实验验证了模型预测控制算法用于双舵轮自动导引车的可行性,且分析了控制时域权重和预测时域长度两项模型参数对系统性能的影响;与基于比例-积分-微分轨迹跟踪控制器的自动导引车进行轨迹跟踪对比仿真实验。最终实验表明,采用该模型预测控制器可以满足各类约束条件,高效精准完成对连续大曲率目标路径的有效跟踪,同时具有较高的实时性和鲁棒性。     

户外小型智能移动机器人运动轨迹跟踪控制

该文根据户外小型智能移动机器人的应用特点研究了轨迹跟踪控制。基于机器人的动力学模型，利用后退方法的思想，设计了全局收敛的稳定可靠的跟踪控制律，提高了移动机器人在不确定性环境中工作的鲁棒性，比基于运动学模型设计的控制律更加适宜于工程应用，经仿真计算，验证了该控制方法的正确性，为户外小型智能移动机器人轨迹跟踪的实用控制方法提供了理论依据。     

基于Backstepping的不确定非完整控制系统的镇定

非完整控制系统为本质上的非线性系统，线性控制策略对其显得无能为力．为此，把一种新颖的非线性控制方法——Backstepping应用于非完整控制系统的镇定．Backstepping以Lyapunov稳定为设计原则．系统的设计实现了系统全局指数镇定，向时具有良好的动静态性能和强的鲁棒性．最后对一定的不确定性给出了系统仿真，验证了系统设计的有效性。     

基于多约束随机模型预测控制的无人车运动规划与控制

提出了一种基于随机模型预测控制的无人车运动规划方法。在道路坐标系下,采用质点运动模型和高斯分布对周围动态车辆的预测轨迹进行位置不确定性表征,并使用随机模型预测控制（SMPC）中的机会约束进行描述,以此建立车辆空间位置的约束。通过变步长求解方式获得基于运动学模型的初始控制序列。基于此初始解,考虑车辆动力学信息,引入基于横摆角速度和质心侧偏角关系的稳定性约束,求解最优控制量。在多种工况下,通过仿真试验验证了所提出方法的有效性和稳定性。     

基于滑模PID的微型旋翼飞行器轨迹跟踪控制

针对微型旋翼飞行器的轨迹跟踪精度不高的问题, 提出一种基于自适应调节PID（Proportion Integration Differentiation）增益的滑模控制器。基于李亚普诺夫稳定性理论, 通过自适应律在线调节PID控制增益参数, 设计饱和函数抑制滑模控制器的高频抖振, 以实现轨迹跟踪误差系统对模型参数变化和外部扰动的鲁棒性。仿真结果表明, 该控制器能驱动旋翼飞行器精确跟踪期望的轨迹, 具有较高的控制精度, 能满足实际工程应用的要求。     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向.在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点.最后,展望了这一领域未来研究的热点.