为研究无人车编队系统的编队保持、队形重构及队形变换功能,提出一种混合式领航跟随策略,以降低对领航车的依赖并确保编队完整性。开发基于车间(Vehicle to Vehicle,V2V)通信的跟随车独立避障功能,并设计了实时管理编队成员属性并支持...为研究无人车编队系统的编队保持、队形重构及队形变换功能,提出一种混合式领航跟随策略,以降低对领航车的依赖并确保编队完整性。开发基于车间(Vehicle to Vehicle,V2V)通信的跟随车独立避障功能,并设计了实时管理编队成员属性并支持人机交互的编队节点管理系统。提出一种三维空间下的三次样条曲线动态扩展轨迹规划方法,结合V2V通信获取前车位姿信息生成跟随轨迹并实现避障。利用Frenet坐标系解耦车距保持与轨迹跟踪问题,采用PID控制器和线性二次调节(Linear Quadratic Regulator,LQR)控制器分别进行纵向控制和横向轨迹跟踪。研究结果表明:所搭建的仿真环境可快速验证方法性能,显示该方法具有良好的性能;通过实车验证了车辆编队系统的3种功能,通过车距稳定保持,证实所提方法具备良好实时性,能够实现多车编队的有效跟随,通过多种队形的变换以及成员入队离队场景,显示出高度的智能拓展性和适应性。展开更多
文摘为研究无人车编队系统的编队保持、队形重构及队形变换功能,提出一种混合式领航跟随策略,以降低对领航车的依赖并确保编队完整性。开发基于车间(Vehicle to Vehicle,V2V)通信的跟随车独立避障功能,并设计了实时管理编队成员属性并支持人机交互的编队节点管理系统。提出一种三维空间下的三次样条曲线动态扩展轨迹规划方法,结合V2V通信获取前车位姿信息生成跟随轨迹并实现避障。利用Frenet坐标系解耦车距保持与轨迹跟踪问题,采用PID控制器和线性二次调节(Linear Quadratic Regulator,LQR)控制器分别进行纵向控制和横向轨迹跟踪。研究结果表明:所搭建的仿真环境可快速验证方法性能,显示该方法具有良好的性能;通过实车验证了车辆编队系统的3种功能,通过车距稳定保持,证实所提方法具备良好实时性,能够实现多车编队的有效跟随,通过多种队形的变换以及成员入队离队场景,显示出高度的智能拓展性和适应性。
文摘为了在车辆颠簸、光照阴影、路面其他特征干扰等环境下为无人驾驶车辆规划控制系统提供有效范围内准确可靠的导向信息,提出一种基于视觉的车道线检测算法。该算法通过预处理消除车辆颠簸以及光照阴影对视觉图像的影响;基于马尔可夫模型,根据单帧检测结果更新图像俯视图中车道线位置的概率分布图,在存在路面其他特征干扰时可靠地完成车道线检测;根据检测结果,自动选择曲线模型对直道弯道进行拟合,并将拟合结果以期望路径点序列的形式输出给规划控制系统。该算法应用于无人驾驶车辆平台,在2013年"中国智能车未来挑战赛"中,单纯依靠视觉完成17 km的城郊环湖路面行驶,时速达到40 km/h.
