排序方式: 共有39条查询结果,搜索用时 234 毫秒
1.
2.
一种可搜索无限个邻域的改进A*算法 总被引:1,自引:0,他引:1
传统A*算法在栅格地图上进行路径规划时,求解得到的路径长度不是最短并且转折点较多.针对这些不足,提出了一种改进A*算法,将传统A*算法的可搜索邻域个数从离散的8个拓展为无限个,可以沿任意方向进行搜索.这样不仅求解出来的路径长度更短,并且大大降低了其转折点的个数.该算法被应用于自主研发的"智能先锋"号系列无人驾驶车辆上,实车试验以及它们在"中国智能车未来挑战赛"中的优异表现证明该方法能够在栅格地图中求解出一条更优的可行驶路径,可以显著提升无人驾驶车辆行驶的效率和平稳性. 相似文献
3.
基于激光雷达的车道线检测目前使用最多的是基于雷达扫描点密度的检测方法,但它的抗干扰能力差.为此,本文利用激光雷达的回波脉冲宽度对于车道线与路面的区分度进行特征提取,提出一种特征提取方法,分两步进行——基于脉冲宽度动态阈值的种子点提取和基于高斯核加权搜索的区域生长.然后引入FCL(fuzzy C-means of line)算法识别车道线(以线为中心进行聚类),最后通过最小二乘法拟合车道线.通过实车在6个不同的道路场景下进行实验,都能够准确检测出车道线,同时具有较高的检测精度. 相似文献
4.
5.
6.
7.
针对无人车在越野环境下难以高速、高精度地跟踪复杂路况的问题,设计了一种参数自学习的前馈补偿控制器,与模型预测控制方法构成前馈-反馈的控制结构。在该控制结构中,前馈控制根据实时状态的跟踪误差在线更新学习系数,有效考虑车辆高速运动过程中无法精确建模的非线性动力学特性以及复杂路况不断变化的曲率和路面条件等的影响,在保证稳定性的同时快速减小跟踪误差。在越野场景进行了高速的S型与直角弯路径跟踪实车实验来验证参数自学习控制器的有效性,结果表明,所设计的参数自学习控制器相比传统的模型预测控制器跟踪误差和横摆都较小,在跟踪精度和车辆稳定性上都有较大改善。 相似文献
8.
9.
10.
一种无线传感器网络蚁群优化路由算法 总被引:9,自引:0,他引:9
如何在资源受限的无线传感器网络中进行高效的数据路由是无线传感器网络研究的热点之一.将蚁群优化算法(ACO)应用于无线传感器网络的路由,提出一种无线传感器网络蚁群优化路由算法.该算法利用蚁群的自组织、自适应和动态寻优能力进行网络优化路径的建立与维护,采用Stigmergy的概念来减少控制信息的流量,以实现网络数据的高效传输.仿真分析表明,该算法和DD算法相比在传输延时方面性能相当,在路由代价方面效果显著.另外,该算法还具有可靠性高、适应性强等优点,并能够根据需要实现网络的拥堵控制和能量均衡等综合优化. 相似文献