智能交通中车辆跟踪算法的研究

智能交通系统中车辆跟踪模块的准确性非常重要,其跟踪结果直接影响车流量、违章事件、交通事故的统计与分析结果。基于交通车辆,该文对目标特征跟踪法、动态轮廓跟踪法、区域中心点匹配跟踪法分别进行分析选取,并对效果最好的方法进行了实现和效果对比,从而为日后的车辆跟踪提供一种切实可行的算法以提高跟踪的效率。     

智能转向汽车的模型跟踪控制

从研究转向特性的2自由度简化模型出发，推导出智能汽车转向的状态空间方程，据此构造了智能汽车转向的动力学模型，进而应用Lyapunov方程设计了模型跟踪控制器，选用与实际汽车模型同阶的系统，采用极点配置的方法设计了理想汽车模型，通过输入不同的道路进行仿真，证明了该控制器设计的有效性。     

基于视频的车辆检测与跟踪算法综述

首先介绍了交通检测系统,指出视频交通检测技术日益成为计算机视觉领域中备受关注的前沿方向.在此基础上,分别讨论了常用的车辆检测算法,基于模型的车辆检测算法,车辆跟踪的基本类型,以及基于模板匹配、卡尔曼滤波和粒子滤波的车辆跟踪算法,同时分析比较了各种算法的优缺点.最后,展望了这一领域未来研究的热点.     

智能车辆轨迹跟踪控制方法研究

针对智能车辆的轨迹跟踪控制问题,提出了一种可以调节参数的智能车辆轨迹跟踪控制方法.首先,设计了模糊控制器对智能车辆进行路径跟踪控制;其次,为了提高车辆在高速下的路径跟踪效果,设计模型预测控制器,并结合轮胎的动力学特性及车辆动态特性对轮胎侧偏角、质心侧偏角等进行约束;然后,为了提高车辆在不同工况下的路径跟踪效果,进一步设计了基于PSO算法的模型预测控制器.比较三种控制器的控制效果,选择典型工况在联合仿真平台上进行仿真.结果表明,提出的智能车辆的轨迹跟踪控制方法可以有效地对车辆轨迹进行跟踪.     

考虑道路曲率的多约束高速无人驾驶汽车横向跟踪控制方法

为了提高模型预测控制(model predictive control, MPC)方法在高速无人驾驶汽车横向跟踪中的有效稳定控制,建立考虑横摆、侧滑和曲率等因素的高速车辆动力学模型,提出基于三次贝塞尔曲线的连续自适应分段拟合法以获取道路曲率,然后设计考虑车辆滑移稳定性约束、道路环境约束和轮胎纵横向耦合力约束,以车辆高速跟踪过程中的航向偏差、横向偏差以及滑移率等二次型最优为目标进行求解的MPC控制器。仿真案例基于MPC方法,搭建CarSim/SimuLink联合仿真模型,研究高附着路面恒定高速和低附着路面变速2种仿真工况。研究结果表明：车辆在恒定高速工况下以不同的车速在不同曲率的道路行驶时横向跟踪误差在0.6 m以内,优化的前轮转向角最大值为0.1 rad,横摆角速度-横向速度相平面也在包络线之内,车辆在大曲率路径跟踪时,平均横向跟踪误差0.221 9 m,平均横摆角速度为0.180 8 rad/s,较不考虑道路曲率/滑移稳定性约束的跟踪效果显著提升;低附着路面小曲率/大曲率路径变速工况下,车辆考虑轮胎耦合力的前轮转向角约束较未考虑时的横向跟踪误差显著减小(其中低附着路面小曲率路径工况的...     

智能汽车中基于视觉的道路检测与跟踪算法

提出了一个基于视觉的道路环境识别算法．该算法能实时提取图像序列中道路信息，获取车辆在道路上的位置、姿态信息，预测前方道路状况，将道路环境信息反馈给智能汽车用于其控制车辆的主动安全．首先联合摄像机内参构建了道路的三维数学模型，突破了以往一些系统将道路看作一个平面的二维模型的局限，算法利用道路标志线的颜色突变特性有效地提取道路边界，并将扩展卡尔曼滤波器与道路模型结合对道路和车体的状态进行实时跟踪分析，获取实时的道路环境信息．实验证明该算法可在直道和弯道以及标志线间断或标志线周围有干扰的各种道路中稳定地工作，在光影条件不利或前方有车的情形下算法仍具有较高的鲁棒性，能够适应多变的道路环境，提供实时有效的信息数据．     

考虑误差校正的智能车辆路径跟踪鲁棒预测控制

为进一步增强高速智能车辆路径跟踪预测控制的鲁棒性和实时性,研究了一种考虑误差反馈校正机制的路径跟踪预测控制方法。考虑车辆纵向、侧向和横摆运动建立三自由度弱非线性车辆模型,以泰勒公式展开实现控制模型的线性时变一阶近似,引入预测状态变量构建路径跟踪预测优化问题。针对车辆参数偏差、系统时变和外界干扰等不确定性因素导致的建模失配,定义系统实际状态值与预测值之间的误差,得到带有反馈校正项的预测输出模型,通过误差反馈校正机制增强路径跟踪控制系统的鲁棒性。将路径跟踪预测优化问题推导转化为带约束的二次规划问题,并通过数值解法实现路径跟踪鲁棒预测控制律的滚动优化求解。结果表明:误差反馈校正机制可以有效改善路径跟踪预测控制算法因整车质量和横摆转动惯量变化导致的低鲁棒性问题,能够实现智能车辆高速行驶工况下的路径跟踪功能,且具备良好的实时性。     

基于转向响应特性的智能车辆轨迹跟踪双闭环控制

智能车辆轨迹跟踪的准确性与鲁棒性是车辆运动控制性能的重要表征,基于路径预瞄信息的跟踪控制研究使车辆性能显著提升. 然而,车辆转向系统响应不足给车辆实时准确的基于预瞄信息跟踪参考轨迹带来挑战. 针对此问题,实时引入转向系统状态建立双闭环轨迹跟踪控制结构,保证智能车辆轨迹跟踪控制算法对转向系统响应不足的鲁棒性. 具体结构外环基于预瞄信息使用模型预测控制求解最优转向角,内环基于转向状态误差使用PID方法设计反馈控制律以补偿转向响应不足. 双闭环结构耦合控制输入保证了车辆鲁棒最优跟踪控制. 最后通过Carsim与Simulink联合仿真,验证了该双闭环控制结构的有效性.      

智能车辆路径跟踪与稳定性的模型预测控制

为了改善车辆在路径跟踪时因车速较快或路面较差而发生侧滑的情况,提出一种智能车辆转向与制动联合控制器;在模型预测控制理论的基础上,通过监测轨迹偏差、横摆角偏差以及横摆角速度偏差3个控制参考量,在每个控制时域得到最优的前轮转角和附加横摆力偶矩,并以单轮制动逻辑分配给4个车轮制动力矩;利用CarSim和MATLAB Simu...     

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

四轮转向汽车路径跟随控制

路径跟随控制是汽车实现自动驾驶的重要工具,已在前轮转向汽车上取得了较好的效果,但是前轮转向汽车的路径跟随控制不完全适用于四轮转向汽车.对此,基于横向误差,提出一种四轮转向汽车路径跟随模糊控制算法.首先,建立响应面模型作为优化目标函数.然后,利用遗传算法对模糊控制器进行优化设计.最后,通过Carsim-Simulink联合仿真实验,对该算法进行验证.仿真结果表明,路径跟随横向误差得到有效降低,车身质心侧偏角也控制在0.6°以内.该算法能够实现精准的路径跟随,并提高汽车的操纵稳定性.     

基于主动转向的车辆路径跟随广义预测控制

为了增强车辆在外界干扰存下的路径跟随性能,提出了一种基于广义预测控制(GPC)的主动转向控制器来保证车辆对于路径的跟踪能力.采用受控自回归积分滑动平均模型(CARIMA)作为预测模型,通过带遗忘因子的最小二乘法辨识方法获得CARIMA模型参数,避免了由于车辆非线性造成的参数化建模不准确、繁琐问题.使用车辆路径侧向跟踪误差作为控制器输入,方向盘附加转角作为输出,与驾驶员方向盘转角进行综合,获得车辆方向盘最终转角.在Simulink-CarSim联合仿真环境下,验证了所设计控制器在双移线工况有强侧向风干扰时车辆对路径的跟随性能.     

基于多约束随机模型预测控制的无人车运动规划与控制

提出了一种基于随机模型预测控制的无人车运动规划方法。在道路坐标系下,采用质点运动模型和高斯分布对周围动态车辆的预测轨迹进行位置不确定性表征,并使用随机模型预测控制（SMPC）中的机会约束进行描述,以此建立车辆空间位置的约束。通过变步长求解方式获得基于运动学模型的初始控制序列。基于此初始解,考虑车辆动力学信息,引入基于横摆角速度和质心侧偏角关系的稳定性约束,求解最优控制量。在多种工况下,通过仿真试验验证了所提出方法的有效性和稳定性。     

基于CCD的智能车寻迹方法

介绍自主式寻迹智能车的设计,探讨采用电荷耦合器件(CCD)作为路径采集模块实现自主寻迹的软硬件设计方法.系统以Texas Instrument公司的TMS320LF2407A为主控制器,实现了对CCD输出的黑白视频信号的实时采集处理,通过边沿提取算法获得路径信息,对舵机和驱动电机采用P控制算法,使得智能车行驶快速流畅.研究表明此设计方案可在黑白(或色差较大)赛道上获得良好的自主寻迹效果.     

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

基于平滑A~*算法的移动机器人路径规划

栅格环境下A*算法规划出的移动机器人路径存在折线多、转折次数多、累计转折角度大等问题.为获得较优路径,提出平滑A*算法.在A*算法规划的路径基础上,遍历路径中的所有节点,当某一节点前后节点连线上无障碍物时,将延长线路的这一中间节点删除,建立平滑A*模型.仿真结果表明,平滑A*算法优于Ant(蚁群),Anyti me D*算法.平滑A*算法路径长度降低约5%,累计转折次数降低约50%,累计转折角度减少30%～60%.平滑A*算法能处理不同栅格规模下、障碍物随机分布的复杂环境下移动机器人路径规划问题.     

基于CMOS摄像头的智能车控制系统设计及实现

针对智能车因单条引导线信息量少而引起的误识别问题, 设计一种能自动识别和跟踪双边引导线的智能车系统。智能车以Freescale公司MC9S12XSl28作为核心控制器, 利用COMS(Complementary Metal Oxide Semiconductor)摄像头OV7620作为路径信息采集装置, 对采集图像进行二值化处理、 去噪操作和边缘检测后提取路径信息、 进而准确地判别跑道的形状, 为舵机和电机提供控制依据, 以使小车平稳快速地行驶。同时, 提出将行驶状态与赛道信息综合考虑的措施, 并通过PID(Proportional Integral Differential)控制策略以及实验测试, 实现了对各种典型跑道的优化处理, 使高速行进中的智能车具有良好的转向调节能力和加减速响应能力。智能车可以在以白色为底面颜色, 两边有黑色引导线的跑道上运行, 克服了因单条引导线信息量少而引起的误识别问题。     

非完整移动机器人的路径跟踪控制、

针对非完整四轮式移动机器人,基于人工驾驶的思想,在初始偏差较大的情况下调整机器人的角度并规划临时路径,采用模糊控制技术,分别设计了角速度和速度控制器,实现了机器人跟踪路径的目的。通过对初始角度的精确调整,使得角速度模糊控制器变得简便,提高了跟踪的效率。对直线和圆形路径进行了跟踪仿真,结果表明跟踪效果良好稳定。     

基于A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。