共查询到18条相似文献,搜索用时 109 毫秒
1.
2.
3.
4.
5.
针对当前代客泊车研究中对泊车规划起始点的位姿要求较高的问题,提出一种基于分层有限状态机的代客泊车系统决策方法,设计车辆上层功能状态机与下层行为状态机,根据车辆所处环境与定义规则,建立车辆各行为状态之间的逻辑切换关系,完成车辆代客泊车与定点召回功能。为确保车辆在进入泊车状态前处于不确定状态与位姿的情况下,针对垂直车位完成车辆泊入路径的规划,采用多段路径规划,同时对行车与泊车切换区域进行计算,保证车辆在不同位姿情况下,均可以规划出泊车路径。最终通过实车试验,验证了该代客泊车系统方案的可行性与可靠性。 相似文献
6.
针对智能汽车自动泊车系统的发展现状进行了分析,为解决泊车过程停车转向问题,提出一种连续曲率的平行泊车路径规划方案。对泊车环境进行分析,考虑汽车动力学约束条件,建立了自动泊车路径的约束空间,并根据对泊车路径的要求,在约束空间内生成合适的控制点,基于B样条理论生成可行的泊车路径。仿真结果表明,采用这种方法能够有效地实现避障,并且满足曲率连续性的要求,提高了自动泊车的灵活胜和连贯性。 相似文献
7.
8.
全球汽车保有量的增多,直接造成城市交通的拥堵以及停车位空间的减小。随之而来的就是泊车安全性问题,新手驾驶员或疲劳驾驶人员如何能在不发生碰撞的情况下,快速安全地泊车入库,成为当下研究的热点。针对以上问题,本文将对全自动泊车系统展开研究。基于B样条曲线设计出泊车路径,基于滑模变结构与预瞄方式进行泊车路径的跟踪。最后通过搭建SIMULINK与CARSIM仿真模型进行联合仿真。 相似文献
9.
路径规划是自动泊车系统的重要组成部分,是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战,同时搜索曲线半径固定容易导致路径接点处曲率不连续,增大了路径跟随控制难度和轮胎磨损程度,这些都提升了泊车路径规划的研究难度。针对以上问题,设计可变半径的Reeds-Shepp曲线,提出基于混合A*和该曲线的自动泊车路径规划方法,通过调整曲线半径,提升其在复杂场景下路径的搜索能力和灵活性。随后,设计基于分段贝塞尔曲线和梯度下降的路径优化方法,利用其多阶导数连续的优势优化已搜索的路径曲率,并采用梯度下降来保证路径曲率大小和对障碍的规避,解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后,基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境,针对多种自动泊车工况测试验证提出的方法。研究结果表明:调整Reeds-Shepp曲线的搜索半径进行全局路径搜索,可获得更短和更易跟随的路径,具有良好的灵活性;基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。 相似文献
10.
11.
针对常见的平行泊车场景,提出一种基于自适应神经模糊推理系统的平行泊车路径规划方法。以基于优化算法的泊车路径规划方法得出的泊车路径作为训练样本,利用Python脚本语言建立以自适应遗传算法和拟牛顿法为内核的自动化训练框架,使自动训练后的自适应神经模糊推理系统既可继承基于优化算法的泊车路径规划方法适用范围更广的优势,又有效解决该方法求解过程计算量大的问题。通过仿真分析验证所提出方法的可行性和有效性,结果表明:自动训练后的自适应神经模糊推理系统可依据汽车初始泊车位姿和泊车位信息快速规划出可行的平行泊车路径。 相似文献
12.
自主泊车系统是智能汽车领域的研究热点,但其缺少系统性测试评价方法的研究。针对这一问题:首先,提出了基于ALFUS(Autonomy Levels for Unmanned System)框架思想的测试用例构建体系,结合对由泊车事故数据、实际泊车场景数据构成的实际数据以及包含传感器工作原理和泊车过程的自主泊车系统工作原理的分析,生成了自主泊车系统测试环境元素集合、测试任务元素集合、两级测试时空顺序,并通过对三者进行整合得到了自主泊车系统测试用例集;其次,提出了以环境类型、任务类型进行划分的自主泊车系统三级四类分级测试方法,并在此基础上结合模糊综合评价法得到了基于自主泊车系统测试用例集的测试评价方法;然后,利用乔哈里视窗理论建立了自主泊车系统测试评价结果分析矩阵,实现了从智能汽车自主泊车系统性能局限、测试方法局限两方面对测试评价结果的分析;最后,考虑现有自主泊车系统技术条件,选用不同型号的具备自主泊车系统的智能汽车进行实车试验,对上述测试方法进行了实践,并分析获得了自主泊车系统功能及性能方面的改进意见。试验结果表明:所提智能汽车自主泊车系统测试方法不仅可对测试对象的性能提出改进建议,也能验证测试方法本身的完善性,并证明了该测试方法对于现阶段自主泊车系统的有效性。 相似文献
13.
为了使全局路径与泊车路径无偏差对接,得到曲率连续的可行驶路径,为泊车模式切换提供精准位姿,提出基于拓扑地图的自主泊车路径协调与优化策略。首先,定义一种精简的停车场拓扑地图描述形式与道路拓扑设计原则,通过采集停车场内关键特征的定位数据建立停车场拓扑地图。其次,基于道路拓扑设计原则与泊车规划原则,设计“第1次平滑处理-路径协调-第2次平滑处理”的流程,对规划出的全局路径与泊车路径进行协调与优化。其中,“第1次平滑处理”利用对称极多项式,以车辆最小转向半径为约束,对全局路径的转折处平滑处理;“路径协调”通过节点替换的方式实现全局路径与泊车路径的无偏差对接;“第2次平滑处理”利用梯度下降的方法,分别优化前进段与倒车段的路径曲率,消除路径对接与均匀插值之后引起的曲率抖动。最后,在PreScan/Simulink联合仿真平台和实车试验平台上,验证路径协调与优化策略的有效性。研究结果表明:所提策略能够无偏差对接全局路径与泊车路径,并生成曲率平滑的可行驶路径,为横向控制提供了平滑变化的曲率值,有助于提高路径跟踪时转向的平稳性;在路径跟踪前为自主泊车控制系统提供了精准的泊车切换位姿,保证了低速自动驾驶与自动泊车之间的准确切换。 相似文献
14.
文章主要针对无人驾驶车辆在进行路径跟踪遇到障碍物时,需要局部重新规划出一条可行路径的问题,首先基于车辆点质量模型的MPC局部路径规划算法,得到满足车辆动力学约束并实现避障功能的局部路径,然后在二自由度车辆动力学模型的基础上基于MPC进行路径的跟踪,最后使用Simulink/Carsim进行联合仿真验证,结果表明基于该局部路径规划与路径跟踪算法能够可靠地规划出避开障碍物的局部路径,实现高速下的路径跟踪。 相似文献
15.
16.
采用快速搜索随机树(RRT)算法进行路径规划时,在存在大量随机障碍物的复杂环境下,规划出的路径曲折且算法无法快速收敛,不能满足智能车路径规划的要求。为了实现智能车路径规划,提出一种基于RRT的运动规划算法——同心圆RRT算法。该算法在RRT算法的基础上结合智能车行驶时自身运动学约束,引入同心圆采样策略和邻近点选择方法。同心圆采样策略以目标点为同心圆的圆心,利用同心圆系数m控制同心圆的疏密程度,在同心圆上生成随机点以便确定下一路径点。邻近点选择方法考虑车辆运动学约束及目标点距离因素,在满足车辆运动学约束的前提下,计算邻近系数,将最小邻近系数对应的随机树节点作为邻近点;针对得到的规划路径,进一步提出基于车辆运动学约束下的路径简化方法,对得到的路径进行简化并使用3次B样条曲线对路径平滑处理,生成一条平滑且可执行的路径。研究结果表明:m=0.5~1.5时,提出的算法规划出路径所需时间最少;车辆姿态与下一路径点的夹角约束值越大,规划出路径所需时间越少,在夹角为35°时趋于稳定;在相同的环境中,提出的算法所规划的路径质量相比于RRT算法、目标偏向RRT算法及改进RRT*算法有显著提高,规划出路径所需时间及路径长度相比于RRT算法分别降低了43.1%和18.7%,相比于目标偏向RRT算法分别降低了7.3%和15.5%,相比于改进RRT*算法分别降低了29.6%和7%;智能小车的实车测试试验验证了该算法的有效性和实用性。 相似文献
17.
局部路径规划层作为无人驾驶汽车软件层的重要组成分布,如何有效、安全地到达目的地是当前研究的热点。针对结构化道路信息,充分考虑车道线的约束,在使用Frenet坐标系理论的基础上,提出一种考虑到车道线曲率和障碍物模型信息,得到不同车道上其他道路参与者的位置信息,以便计算其他障碍物模型对本车危险程度,综合算法实时性、轨迹平顺性等要素的最小代价局部路径规划算法。在局部路径规划过程中,沿着参考线(Frenet坐标系下X轴上一段路径)选取多个路径分割点,Frenet坐标系下在每个分割点处沿Y轴进行控制点离散,每个路径分割点处选取1个控制点构成路径控制点集合,使用一元三次方程对每种排列组合路径进行拟合,从而使用代价函数对每种排列组合路径进行评估,代价函数值最小为最优的局部路径。代价函数考虑拟合轨迹到障碍物的危险程度、轨迹平顺性、轨迹到当前参考线(实时在全局路径规划层上根据车速得到一条当前需要跟踪的理想轨迹)的偏离程度、拟合轨迹行驶方向的改变程度、无人驾驶汽车最小转弯半径。研究结果表明:在不同试验场景下,所提出基于代价函数的局部路径规划算法,能规划出一条不与障碍物发生碰撞的最优路径,并能保证无人驾驶汽车行驶轨迹平顺性和路径规划层实时性的要求。 相似文献
18.
路径规划及路径跟踪控制是智能汽车研究的关键技术,而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况,无法应对多车道、多静/动态障碍等复杂工况的问题,提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性,在s-ρ曲线坐标系中生成了一组参数化候选路径簇;考虑动态碰撞安全影响,在碰撞带约束下结合道路法规限制及车辆动态安全要求,规划车辆速度;此外,综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素,以选择最优路径。在路径跟踪层面,基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器,以跟踪误差最小为目标,采用粒子群优化算法对分数阶PID控制器参数进行整定。最后,基于Simulink/CarSim建立联合仿真平台,设计多车道,多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明:由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标,极大地提升了规划器性能,使车辆在行驶过程中根据驾驶环境自主调整速度,降低换道次数,从而保证智能汽车的主动安全性能,提升了通行效率,使该算法能够较好地处理复杂动态环境下的避障问题。 相似文献