面向有人车引导的无人多车编队场景,设计并实现无人车在编队行驶中的车辆识别与轨迹跟踪控制系统,提出了一种多传感器后融合动目标检测算法,使用激光雷达、相机和毫米波雷达3种传感器作为数据源,分别使用欧式聚类、深度学习和运动学推...面向有人车引导的无人多车编队场景,设计并实现无人车在编队行驶中的车辆识别与轨迹跟踪控制系统,提出了一种多传感器后融合动目标检测算法,使用激光雷达、相机和毫米波雷达3种传感器作为数据源,分别使用欧式聚类、深度学习和运动学推理的方法对潜在目标进行检测,进而提出后融合方法将多源检测结果融合以实现对前方车辆的准确检测。基于前车轨迹生成期望路径并设计卡尔曼滤波器对期望路径进行平滑和滤波。构建车辆动力学模型、车辆道路误差模型并设计鲁棒H∞控制器进行车辆轨迹跟踪控制仿真。仿真与实车验证结果表明:在测试路段对前方车辆的平均识别准确率大于95%;实时期望路径相对于真实轨迹的均方差和轨迹平均变化率在滤波前后分别降低17.3%和48.6%;侧向控制位置误差和航向角误差相较于PID(proportional integral derivative)控制分别降低了29%和41%;车辆编队以最高54 km/h的速度实现编队整体的稳定行驶。展开更多
针对现有任意反射面速度干涉仪(velocity interferometer system for any reflector,VISAR)装置中依靠人工准直光路的现状,同时为满足未来对远程自动化控制的需求,提出一种新的光路自动准直的方法。该方法通过互补金属氧化物半导体(comp...针对现有任意反射面速度干涉仪(velocity interferometer system for any reflector,VISAR)装置中依靠人工准直光路的现状,同时为满足未来对远程自动化控制的需求,提出一种新的光路自动准直的方法。该方法通过互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)间接测量并以光斑的像素偏差为系统输入,通过系数矩阵转换和离散模糊反馈控制方法快速消除误差。基于Windows的控制和自动化技术(the Windows control and automation technology,TwinCAT)中视觉和运动等模块,将各模块分别运行在不同的实时内核中,消除了视觉与运动控制模块间的通信环节,实现了快速实时的闭环控制。经过冲击波速度测量实验验证,该系统实现了远程“一键式”自动准直,可将准直时间缩短到2 s,准直精度为4.5μm,解决了现有装置人工调节效率不高的问题,提高了系统的精度和稳定性。展开更多
文摘面向有人车引导的无人多车编队场景,设计并实现无人车在编队行驶中的车辆识别与轨迹跟踪控制系统,提出了一种多传感器后融合动目标检测算法,使用激光雷达、相机和毫米波雷达3种传感器作为数据源,分别使用欧式聚类、深度学习和运动学推理的方法对潜在目标进行检测,进而提出后融合方法将多源检测结果融合以实现对前方车辆的准确检测。基于前车轨迹生成期望路径并设计卡尔曼滤波器对期望路径进行平滑和滤波。构建车辆动力学模型、车辆道路误差模型并设计鲁棒H∞控制器进行车辆轨迹跟踪控制仿真。仿真与实车验证结果表明:在测试路段对前方车辆的平均识别准确率大于95%;实时期望路径相对于真实轨迹的均方差和轨迹平均变化率在滤波前后分别降低17.3%和48.6%;侧向控制位置误差和航向角误差相较于PID(proportional integral derivative)控制分别降低了29%和41%;车辆编队以最高54 km/h的速度实现编队整体的稳定行驶。
文摘针对现有任意反射面速度干涉仪(velocity interferometer system for any reflector,VISAR)装置中依靠人工准直光路的现状,同时为满足未来对远程自动化控制的需求,提出一种新的光路自动准直的方法。该方法通过互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)间接测量并以光斑的像素偏差为系统输入,通过系数矩阵转换和离散模糊反馈控制方法快速消除误差。基于Windows的控制和自动化技术(the Windows control and automation technology,TwinCAT)中视觉和运动等模块,将各模块分别运行在不同的实时内核中,消除了视觉与运动控制模块间的通信环节,实现了快速实时的闭环控制。经过冲击波速度测量实验验证,该系统实现了远程“一键式”自动准直,可将准直时间缩短到2 s,准直精度为4.5μm,解决了现有装置人工调节效率不高的问题,提高了系统的精度和稳定性。
