自航模运行轨迹自动跟踪系统研究

通过对自航模运行特点的研究,研制出一套利用伺服系统驱动的单台摄像机自动跟踪系统,主要由水平旋转伺服系统、垂直旋转伺服系统和安装在伺服系统之上的工业相机组成。系统对图像进行采集和处理,并与伺服系统形成闭环。当船模成像到达图像正中心后,采集当前水平与垂直伺服系统的角度,计算当前船模坐标,并与上一坐标点进行关联,绘制运行路径。通过实际测试,该系统运行稳定,轨迹定位精度满足工程要求。     

基于指数趋近滑模控制的水下机器人-机械手系统轨迹跟踪

针对水下机器人-机械手一体系统需要快速、准确实现预定轨迹跟踪以实现作业的要求,提出一种基于指数趋近律的滑模变结构控制方法,以期提高系统的响应速度与控制精度,并减小系统抖振,实现对系统运动轨迹的控制。为此本文首先建立水下机器人-机械手系统整体动力学模型,并基于指数趋近律和滑模变结构控制建立系统的控制器,通过李雅普诺夫稳定性理论对控制系统的稳定性进行验证。然后在Matlab环境中对水下机器人-机械手系统进行轨迹跟踪控制仿真。仿真结果表明,建立的滑模控制系统响应快,控制误差小,能够有效地实现水下机器人-机械手系统的运动轨迹控制。     

基于手机传感器的车辆轨迹实时在线压缩方法

随着具有定位功能的各类便携式移动设备的普及,产生了大量的移动目标时空轨迹数据,庞大的数据规模对轨迹数据管理和分析带来了严峻的挑战.?车辆时空轨迹数据压缩算法,通过监测分析车辆在不同运动行为模式下智能手机内置线性加速度传感器和方向传感器的数据变化规律,识别车辆的转向行为和变速行为,并根据识别结果请求GPS传感器定位,记录...     

基于车辆视角数据的行人轨迹预测与风险等级评定

常用的基于路基视角数据的行人轨迹和风险预测模型往往无法避免复杂的建模运算和人工判断。为简洁而有效地预测行人轨迹和评定风险等级,本文中采用车辆视角数据建立行人轨迹和风险等级的预测模型,并先后进行车辆视角行人数据的采集、基于长短期记忆神经网络的行人轨迹预测和基于聚类分析-支持向量机方法的风险等级评定。实验结果表明,基于车辆视角数据所建立的数据驱动的模型能捕捉行人与车辆的运动趋势和交互特征,具有预测行人轨迹和评定风险等级的能力。     

基于GA-PSO的智能汽车横向LQR控制器优化设计

针对线性二次型调节器（LQR）在智能汽车横向控制中,系数矩阵Q和R选取困难导致的控制精度低和参数整定效率低的问题,提出了一种遗传粒子混合优化（GA-PSO）方法。基于车辆二自由度模型设计了横向LQR控制器和前馈控制器,以该模型下控制器自身能量损失函数作为代价函数对系数矩阵进行优化,并对比了GA-PSO和粒子群优化（PSO）算法的优化效果。CarSim/Simulink联合仿真结果表明,经GA-PSO算法优化后的控制器跟踪精度和计算效率分别提高了47.06%和63.54%,且优化后的控制器具有较强的鲁棒性。     

基于轨迹数据的交叉口相位切换期间危险驾驶行为实证分析

基于交叉口相位切换期间的车辆轨迹数据,分别根据单车和跟车行驶状态,识别和分析了相位切换期间可能发生的危险驾驶行为。通过视频拍摄和图像处理的方式,提取了曹安公路沿线3个交叉口共312条单车状态和四平路-大连路交叉口共449条跟车状态的高精度车辆轨迹数据。针对交叉口相位切换期间的危险驾驶行为特征,利用速度、加减速度、减速度变化率、潜在碰撞时间（TTC）等指标,研究在此期间车辆发生危险驾驶行为的特点和类型。对于单车状态下行驶的车辆,按停止、通过分类,依据减速度、减速度变化率、减速度变化率的峰值差等指标将停止车辆的危险驾驶行为分为紧急减速型、增强减速型和持续急减型,依据过停车线时间、速度、加速度等指标将通过车辆分为闯红灯型、超速过线型、激进加速型和持续高速型。对于在跟车状态下行驶的车辆,按前、后车不同的停止、通过决策组合分类,依据连续5个时间间隔（0.12 s）的TTC分析前、后车的危险驾驶行为及发生追尾事故的危险程度。针对识别出的危险驾驶行为类型,讨论车辆的关键行为参数与危险驾驶行为之间的内在关联。研究结果表明：单车状态下有17%的车辆存在危险驾驶行为,其中53%为紧急减速行为;跟车状态下有19%的跟车行为是危险的,其中停止车辆的比例是通过车辆的2倍以上。研究成果可进一步应用于驾驶行为模型的参数标定、基于车辆轨迹的交叉口安全评价以及预防危险驾驶行为的主动安全控制策略等。     

基于深度CNN-LSTM-ResNet组合模型的出租车需求预测

利用海量的离线GPS数据进行出租车需求预测是智能城市与智能交通系统的重要组成部分.本文提出了一种基于深度学习的出租车需求预测方法(CNN-LSTM-ResNet),将出租车GPS数据和天气数据等转化为栅格数据,输入模型获得预测结果.该模型先使用卷积神经网络(CNN)提取城市范围交通流量的空间特征,然后引入残差单元加深网络层数,并利用长短期记忆网络(LSTM)提取GPS数据的临近性、周期性和趋势性,最后通过权重融合以上3个分量,并与外部因素(天气、节假日和空气质量指数)进一步融合,从而预测城市特定区域的出租车需求.采用西安市出租车GPS数据进行实验验证,结果表明,该模型与传统预测模型(如ARIMA,CNN,LSTM)相比具有更高的预测精度.     

自动驾驶汽车行为预测综述

为了能够满足自动驾驶汽车在复杂交通场景中安全高效运行,自动驾驶汽车必须做到对周围对象不确定性行为进行准确预测。作为自动驾驶的关键技术,近年来不断有新的轨迹预测思路和算法被提出,尤其是针对复杂交通场景中的对象轨迹预测。通过将复杂交通场景中的预测对象分为：车辆轨迹预测和行人轨迹预测2类,在此基础上对不同预测对象采用近年来的主流预测算法进行分类总结。最后讨论了当前行为预测存在的问题,并提出了一些有价值的研究展望。     

智能汽车泊车轨迹规划应用

路径规划是智能汽车的关键技术之一,其中轨迹规划是智能汽车实现自动泊车的前提。基于Hybrid A*算法对智能汽车的泊车轨迹规划展开研究,通过启发函数优化解决智能汽车泊车时反复倒车或变更行驶方向的问题,通过碰撞检测策略改进,解决泊车中车辆安全距离保持的问题。通过MATLAB软件仿真,算法可实现在倒车入库、侧方位停车和停车场寻径停车等环境下的轨迹规划,验证了改进算法的有效性和实用性。     

自动驾驶车辆弯道处换道轨迹规划与跟踪控制

目前车辆的自动驾驶系统在弯道路况有较少的介入。基于Frenet坐标系,针对自动驾驶汽车在弯道处的换道策略,提出了一种横纵向解耦的处理动态障碍物的轨迹规划算法,解决了传统耦合规划难以兼顾曲线拟合效率与安全性。横向规划基于准均匀三次B样条曲线,纵向规划则通过动态规划以及二次优化的思想。采用模型预测控制进行换道轨迹的跟踪与控制。最终使用Matlab/Simulink仿真验证,所提出的弯道换道轨迹算法能平稳换道并安全避让动态障碍物。