三种未知环境中局部危险避规方法的分析与比较

以智能车辆在部分或全未知环境中局部危险避规为研究对象,以二维雷达和摄像机为传感器实时检测局部障碍物信息. 通过对比分析普通加权、粒子吸引、仿生学筛选方法在触须避规路径选择上的应用,不同方法在规划时间、最优性、平滑度因素对纯避障环境中安全行驶的影响,确定不同环境应用的方法,实车验证了三种算法的正确和有效性,在2010年中国智能车未来挑战赛的单项纯避障环境中,应用该三种算法在不同的环境条件下取得了很好的效果.     

基于自适应渐消EKF的FastSLAM算法

快速同时定位与建图(fast simultaneous localization and mapping, FastSLAM)算法的采样过程会带来粒子退化问题,为了改进算法的性能,提高估计精度,从研究粒子滤波的建议分布函数出发,提出基于自适应渐消扩展卡尔曼滤波(adaptive fading extended Kalman filter, AFEKF)的FastSLAM算法。该算法基于FastSLAM的基本框架,利用AFEKF产生一种参数可自适应调节的建议分布函数,使其更接近移动机器人的后验位姿概率分布,减缓粒子集的退化。因此在同等粒子数的情况下,该算法有效提高了SLAM精度,以此减少所使用的粒子数,降低算法的复杂度。基于模拟器和标准数据集的实验仿真结果验证了该算法的有效性。