基于RGB-D SLAM的智能车自主避障与路径规划试验研究

针对GPS信号弱、导航数据缺失场景下自主移动车辆难以精准定位的问题,采用即时定位与地图构建(SLAM技术实现未知环境下无人小车地图构建与自主定位功能,采用动态A*算法实现了无人小车的避障与路径规划。分别进行了验证试验和未知环境下局部路径规划及全局路径规划试验,结果表明,提出的方案能有效地控制小车自主规划路径,避开障碍物到达目的地。     

基于双延迟深度确定性策略梯度的船舶自主避碰方法

为满足智能船舶自主航行的发展需求,解决基于强化学习的船舶避碰决策方法存在的学习效率低、泛化能力弱以及复杂会遇场景下鲁棒性差等问题,针对船舶避碰决策信息的高维性和动作的连续性等特点,考虑决策的合理性和实时性,研究了基于双延迟深度确定性策略梯度（TD3）的船舶自主避碰方法。根据船舶间相对运动信息与碰撞危险信息,从全局角度构建具有连续多时刻目标船信息的状态空间;依据船舶操纵性设计连续决策动作空间;综合考虑目标导向、航向保持、碰撞危险、《1972年国际海上避碰规则》（COLREGs）和良好船艺等因素,设计船舶运动的奖励函数;基于TD3算法,根据状态空间结构,结合长短期记忆（LSTM）网络和一维卷积网络,利用Actor-Critic结构设计船舶自主避碰网络模型,利用双价值网络学习、目标策略平滑以及策略网络延迟更新等方式稳定网络训练,利用跳帧以及批量大小和迭代更新次数动态增大等方式加速网络训练;为解决模型泛化能力弱的问题,提出基于TD3的船舶随机会遇场景训练流程,实现自主避碰模型应用的多场景迁移。运用训练得到的船舶自主避碰模型进行仿真验证,并与改进人工势场（APF）算法进行比较,结果表明:所提方法学习效率高,收敛快速平稳;训练得到的自主避碰模型在2船和多船会遇场景下均能使船舶在安全距离上驶过,并且在复杂会遇场景中比改进APF算法避碰成功率高,避让2~4艘目标船时成功率高达99.233%,5~7艘目标船时成功率97.600%,8~10艘目标船时成功率94.166%;所提方法能有效应对来船的不协调行动,避碰实时性高,决策安全合理,航向变化快速平稳、震荡少、避碰路径光滑,比改进APF方法性能更强。      

基于图优化的室外无人车多图层地图构建

地图构建是实现无人驾驶的重要前提,针对传统单一地图无法准确实现无人车自主导航的问题,本文中提出一种低成本的室外多图层地图,分轨迹层-静态层-动态层.轨迹层为GNSS拓扑地图,静态层为基于图优化构建的点云-栅格地图,动态层为实时激光点云信息.首先轨迹层的绝对位置信息用于实现无人车的全局路径规划,然后基于动态层实时信息与静...     

基于POA和COLREGS的无人艇路径重规划方法

避碰能力是无人艇(USVs)自主技术的核心体现.为了提高无人艇高速避碰过程的稳定性和安全性,在全局路径规划层和实时避碰层之间增加路径重规划层,实时调整航路对远距离障碍物进行提前规避.针对障碍信息不确定条件下的无人艇高速避碰问题,提出了基于障碍投影区(POA)和国际海上避碰规则(COLREGS)的路径重规划方法,解决障碍信息不确定性问题的同时兼顾航行规则约束.在POA区域2侧同时搜索安全可达路径,结合前次路径重规划结果,提出定量评价函数选择最优路径,保证无人艇航行稳定性.在仿真平台下,对比避碰策略变化次数和避碰安全距离2项指标,3层避碰框架(2.632次,162.3 m)明显优于2层避碰框架(7.239次,35.8 m).在实艇高速避碰实验中,设计对遇、交叉、超越等典型会遇场景,每种场景下避碰策略变化次数均控制在5次以内,避碰安全距离保证在100 m以上.实验结果表明,基于POA和COLREGS的路径重规划方法能够兼顾安全性和稳定性.      

基于改进A*算法的智能车路径规划研究

针对智能车使用A*路径规划算法存在转折点和冗余点的问题,提出一种考虑智能车静态特性的改进A*路径规划算法。在已知静态环境信息的栅格地图上,考虑到智能车自身存在实际宽度,对障碍物进行膨胀扩展;其次根据路径上前后节点相对方向的改变提取必要的转折点,并依次连结前后转折点,若转折点连线不经过障碍物,删除连结转折点之间冗余的转折点;重复上述操作,直至所有冗余点被删除,保留关键转折点。仿真结果表明,该方法可以实现车辆安全无碰撞地到达目标终点。     

基于模型预测控制的智能车辆主动避撞控制研究

针对自主驾驶车辆的转向避撞问题,提出了一种分层避撞控制方法。上层路径规划控制器基于车辆运动学模型,引入人工势场函数,采用障碍物与车辆的相对状态描述车辆碰撞风险。基于模型预测控制理论,构建优化目标函数,规划最优避撞路线,并采用五次多项式拟合局部避撞路径。对于下层路径跟踪控制器,则建立车辆非线性动力学模型,构建基于最优转向盘转角输入的路径跟踪优化函数,实现局部避撞路径跟踪。最后搭建了Carsim/Matlab联合仿真平台,对被控车辆在不同路面、不同车速情况下的避障路径规划和跟踪效果进行了仿真。结果表明:上层控制器能根据障碍物信息实时规划局部避撞路径,下层控制器能控制车辆平滑、稳定地跟踪参考路径,从而实现车辆的主动避撞功能。     

基于障碍物斥力场的汽车主动避撞系统

为提高汽车行驶安全性,设计了基于障碍物斥力场模型的汽车主动避撞系统,建立了道路算盘模型和驾驶员预瞄跟随模型,利用算盘模型可求解出避撞路径,使用驾驶员预瞄跟随模型可求解出汽车转向盘最优转角。通过动静态障碍物环境下的仿真试验表明,利用算盘模型规划出的路径平滑、安全、可跟踪;驾驶员预瞄跟随模型的路径跟随精度高,实现了汽车主动避撞。     

基于三维激光雷达的无人车障碍物检测与跟踪

针对真实交通场景中障碍物的检测与跟踪问题,提出了一种基于三维激光雷达HDL-64E的无人车障碍物检测与跟踪方法。首先对三维激光雷达产生且经路面分割后的点云数据栅格化,并进行栅格增补。在障碍物聚类之后,先利用无人车RTK-GPS数据和INS航向角数据进行多帧融合的静态障碍物的检测,再进一步利用动态障碍物模板匹配算法对静态障碍物检测结果形成的可行驶区域进行动态障碍物检测。最后,利用标准卡尔曼滤波器实现对动态障碍物的跟踪。本文方法应用在自主研发的无人车上的大量实验结果表明,本文提出的方法具备较高的可靠度,满足无人车的环境感知要求。     

船舶智能避碰策略测试方法与指标研究

智能避碰策略是实现智能航行的关键技术,其设计缺陷会导致巨大的安全风险、环境风险及经济损失.为获取对智能避碰策略系统有效的测试评价方法,研究并得出测试评价指标体系,以在开阔水域的2艘船舶为研究对象,基于《国际海上避碰规则》研究并量化船船之间的典型关系、行动准则等关键概念,通过解算船舶态势关系得出影响船舶避碰行为的要素,并进行仿真验证.进而以此为基础分析对智能避碰策略可行的测试评价方法,得出构建系统化、量化及典型化测试场景的原则及方法,依托典型测试场景提出测评指标体系的构建原则,为研究构建多船在开阔水域智能避碰测评方法和测评指标体系提供基础.      

利用激光点云的城市无人驾驶路径规划算法

为了解决随机采样算法受感知环境不确定性影响下的弱鲁棒性以及弱可靠性问题，采用一种基于激光空间势场的渐优随机采样算法框架来设计符合无人驾驶需要的规划算法。针对感知环境的不确定性，首先基于势场原理与激光障碍物点云构建一个融入了斥力场的规划空间，解决激光障碍物提取中的过分割等问题。其次，利用规划空间来处理随机采样算法中的采样策略、最优母节点选取策略、修剪策略以及最终路径选择策略。再次，在算法中加入了Anytime策略来提高优化解的利用率，使得算法的计算效率满足无人驾驶实时性的要求。同时，为了保证无人驾驶中规划路径的鲁棒性与可靠性，创建了一个综合5重因素的代价函数来选择最优路径，并根据不同的无人驾驶场景来调整相对应的参数；最后在城市测试道路上进行了实地测试。结果表明：设计的算法框架能够适应最高时速40 km·h^-1的城区驾驶环境，并能完成跟驰、换道、融入以及静动态障碍物的避障决策。在与SST算法的对比试验中，所提出的算法在各个试验中的轨迹、方向盘转角以及速度的平滑性都优于SST算法，其轨迹与障碍物的距离也优于SST算法。