發(fā)布時間：2021-08-12 19:18

　　越野車輛自動駕駛技術(shù)在軍事、農(nóng)業(yè)、消防等領(lǐng)域有廣泛用途,本文面向無人輪式車輛在越野環(huán)境下的非結(jié)構(gòu)化路面的自動駕駛,開展越野環(huán)境下的全局路徑規(guī)劃與軌跡跟蹤算法研究。目前在非結(jié)構(gòu)化道路上柵格地圖中的全局路徑規(guī)劃算法較多,而一般柵格地圖不考慮每個格網(wǎng)的具體高程或地面類型差異,同時非結(jié)構(gòu)化道路一般考慮為平整空曠道路上,越野環(huán)境中多為地形起伏的顛簸路面,同時地貌復(fù)雜,地物類別多樣。本文針對典型越野路面開展了無人越野汽車的路徑規(guī)劃與軌跡跟蹤方法研究。首先選擇長春周邊的實驗地區(qū),通過土地監(jiān)督分析及DEM信息進行環(huán)境建模,然后依次采用全局、局部路徑規(guī)劃算法進行仿真,得到越野汽車參考的軌跡離散點集。最后基于預(yù)瞄控制進行軌跡跟蹤,驗證了局部路徑規(guī)劃算法的有效性。本文的主要內(nèi)容包括:（1）越野路面環(huán)境建模越野路面環(huán)境建模流程及方法,包括采用BP神經(jīng)網(wǎng)絡(luò)進行土地監(jiān)督分類,采用DEM高程數(shù)據(jù)計算坡度坡向信息。將分類結(jié)果通過柵格法進行建模,得到車輛可以識別的越野柵格地圖。（2）路徑規(guī)劃算法仿真在越野柵格地圖中采用改進A*算法和改進蟻群算法進行全局路徑規(guī)劃,并將兩者仿真結(jié)果進行對比。其中改進A*算法路徑通行時間更短... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：111 頁

【學(xué)位級別】：碩士

【部分圖文】：

Navlab112004年至今，DARPA舉辦的地面無人平臺越野挑戰(zhàn)賽（AnUnmannedGround

第1章緒論3不僅存在戰(zhàn)壕、水溝等靜態(tài)障礙，同時存在動態(tài)阻斷區(qū)域以考驗車輛的路徑重規(guī)劃能力，這一挑戰(zhàn)賽對無人越野車的感知、規(guī)劃、決策、控制的能力進行綜合考察，軍事交通學(xué)院的猛獅車隊在比賽第一年獲得冠軍，如圖1.2所示為冠軍車輛。圖1.2軍事交通學(xué)院猛獅1號一般智能駕駛車輛應(yīng)包括環(huán)境感知系統(tǒng)、動態(tài)決策能力、自主規(guī)劃道路及行為控制能力。無人地面車輛的主要目標是實現(xiàn)平穩(wěn)安全的自主駕駛，包括自主選擇一條從起點到終點的非完整約束的行駛路徑。與此同時，無人車需要在地圖中明確自身的坐標位置，并實時感知地面環(huán)境信息以實現(xiàn)準確的行駛決策。在越野環(huán)境下，地表類型多樣，地面屬性復(fù)雜，所以對車輛的行駛有較多阻礙，同時地形多起伏不定，若不事先對越野車輛行駛路徑進行規(guī)劃，會嚴重的影響汽車在指定區(qū)域的通行速度，同時在實車通行演練過程中總結(jié)經(jīng)驗，對人力物力財力的消耗較大，在行駛安全性上也無法保障駕駛?cè)藛T及試驗車輛。所以綜上所述，研究一種滿足越野路面的路徑規(guī)劃方法，對我國農(nóng)業(yè)發(fā)展、森林消防、軍事行動等多個領(lǐng)域上有指導(dǎo)價值的。所以本文重點考慮無人輪式越野車的路徑規(guī)劃及底層控制能力，使車輛在越野路面上可以規(guī)劃出一條從起點到終點的最優(yōu)路線并完成軌跡跟隨控制，考驗車輛是否具有安全平穩(wěn)通行越野路面的能力。1.2面向自動駕駛的全局越野地圖生成方法在進行全局路徑規(guī)劃之前，需要創(chuàng)建智能車輛可識別的環(huán)境地圖，所以首先要對下載好的瓦片地圖信息進行預(yù)處理，本文擬采用地理學(xué)遙感技術(shù)對下載的地

第2章越野路面環(huán)境建模21,′=(,++1,++1,+1+,+1)/4…………….（2-3）在全局路徑規(guī)劃中，車輛行駛過程不考慮具體的車輛運動約束，而是將車輛看作質(zhì)點并引入“窗口移動法”[61]對行駛路徑進行規(guī)劃。所以本文中考慮的坡度信息以相鄰格網(wǎng)間的坡度大小和坡向這兩個指標為主。參考汽車的動力性指標，汽車的最大爬坡度imax通常指汽車I檔的爬坡能力，一般車輛的imax在30%即16.7°左右，而越野輪式車輛通常在壞路或無路條件下行駛，所以imax相對較大，在60%即31°左右，所以設(shè)定車輛通行最大坡度為30°，當(dāng)車輛通行到下一格網(wǎng)時，需要依據(jù)tabu表確定兩個格網(wǎng)是否可以通行。在地理學(xué)科中，基于DEM數(shù)據(jù)提取坡度和坡向的方法眾多，李天文等[62]基于規(guī)則格網(wǎng)DEM坡度坡向做了一系列比較分析，這里是基于3×3的“窗口移動法”進行計算，如圖2.4所示。本文選取三階不帶權(quán)差分模型進行坡度計算。假定當(dāng)前車輛處于高程值為Z5的格網(wǎng)處時，具體算法及公式如下：圖2.3提取高程信息點圖2.4移動格網(wǎng)=(71+82+93)/6………………（2-4）=(31+64+97)/6………………（2-5）其中：Zi為所處的格網(wǎng)的高程值，g為格網(wǎng)間距即格網(wǎng)的單元格長度，單位米，隨著DEM數(shù)據(jù)分辨率的不同而不同。fx、fy分別是南北方向和東西方向的高程變化率。然后計算坡度S和坡向A：=√2+2………………………（2-6）=270°+()90°/||…………….（2-7）本文設(shè)定的坡度閾值為30°，即S弧度值的取值范圍為[-0.524,0.524]，最后Z7Z8Z9Z6Z5Z4Z1Z2Z3

【參考文獻】：
期刊論文
[1]關(guān)鍵節(jié)點和平滑處理的PRM路徑優(yōu)化方法[J]. 魏念巍,姜媛媛,劉延彬,辛元芳,洪炎.  計算機工程與應(yīng)用. 2020(16)
[2]基于動態(tài)T-S模糊控制的視覺目標跟隨[J]. 鄭晶翔,曹博,畢樹生,楊東升.  哈爾濱工業(yè)大學(xué)學(xué)報. 2019(01)
[3]基于wMPS和模糊控制的AGV路徑規(guī)劃控制[J]. 任永杰,趙顯,郭思陽,王金旺,鄧俊.  光學(xué)學(xué)報. 2019(03)
[4]自治水下機器人的自主啟發(fā)式生物啟發(fā)神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃算法[J]. 朱大奇,劉雨,孫兵,劉清沁.  控制理論與應(yīng)用. 2019(02)
[5]Rotated hyperbola model for smooth support vector machine for classification[J]. Wang En.  The Journal of China Universities of Posts and Telecommunications. 2018(04)
[6]預(yù)瞄跟隨駕駛員模型的復(fù)合校正[J]. 管欣,陳永尚,賈鑫,詹軍.  汽車工程. 2018(03)
[7]基于最小距離法的面向?qū)ο筮b感影像分類[J]. 黨濤,李亞妮,羅軍凱,任建平.  測繪與空間地理信息. 2017(10)
[8]解決路徑規(guī)劃局部極小問題的勢場柵格法[J]. 朱愛斌,劉洋洋,何大勇,何勝利.  機械設(shè)計與研究. 2017(05)
[9]無人駕駛汽車研究綜述與發(fā)展展望[J]. 潘福全,亓榮杰,張璇,張麗霞.  科技創(chuàng)新與應(yīng)用. 2017(02)
[10]基于拓撲地圖的田間機器人路徑規(guī)劃和控制[J]. 竇文豪,朱凱,梁盛好,文偉松,郭緣,譚彧.  中國科技論文. 2016(22)

博士論文
[1]越野無人駕駛車輛超聲測障技術(shù)研究[D]. 崔慧海.國防科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]BP神經(jīng)網(wǎng)絡(luò)算法在衛(wèi)星遙感影像地物分類中的應(yīng)用[D]. 公濱南.東北農(nóng)業(yè)大學(xué) 2019
[2]智能汽車路徑規(guī)劃與跟蹤控制仿真研究[D]. 張思遠.吉林大學(xué) 2018
[3]基于支持向量機的遙感影像道路提取[D]. 孫沖.吉林大學(xué) 2018
[4]校園智能車軌跡跟隨控制研究[D]. 李文博.重慶理工大學(xué) 2018
[5]面向越野環(huán)境的無人車自主導(dǎo)航方法研究[D]. 袁偉.上海交通大學(xué) 2017
[6]自主行駛資源勘探車輛路徑規(guī)劃算法研究[D]. 劉神.吉林大學(xué) 2016
[7]智能汽車的軌跡跟隨控制研究[D]. 明廷友.吉林大學(xué) 2016
[8]智能車輛越野環(huán)境路徑規(guī)劃[D]. 蔣鍵.北京理工大學(xué) 2016
[9]真實DEM地圖下一種航跡規(guī)劃算法的研究和應(yīng)用[D]. 唐龍偉.電子科技大學(xué) 2014
[10]基于環(huán)境地圖的機器人全局路徑規(guī)劃的研究[D]. 劉杰.武漢理工大學(xué) 2013



本文編號：3338914