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
文摘为了应对复杂动态环境下红外与可见光双模态目标检测的挑战,特别是目标特征表达不足以及红外可见光特征在双模态融合中无法充分利用互补特征导致漏检和误检的问题,提出了一种用于目标检测的双分支特征增强与融合网络(Dual-Branch Feature Enhancement and Fusion,DBEF-Net)。针对模型对红外和可见光特征关注度不足的问题,设计了一种特征交互增强模块,该模块能够有效地关注并增强双模态特征中的有用信息。同时,为了更有效地利用双模态的互补特征,采用基于Transformer的双模态融合网络,并引入交叉注意力机制,以实现模态间的深度融合。实验结果表明,在SYUGV数据集上,与现有双模态目标检测算法相比,本文方法的平均检测精度更高,处理速度也能满足实时检测的需求。
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。
