基于模型预测控制算法的无人驾驶车辆路径识别与跟踪控制

发布时间：2020-04-25 00:17

【摘要】：随着计算机技术和传感器技术的发展,以及当今社会对汽车智能化需求的增加,人们对无人驾驶汽车的需求度也随之增加。然而准确且稳定的轨迹跟踪控制系统是无人驾驶车辆的必要基础。本课题研究的对象和问题是:装备摄像机的无人驾驶汽车,如何通过图像识别进行车道线检测,并对前轮转向控制实现在不同工况下精准地跟踪期望轨迹。在本文研究内容中,主要涉及以下问题:(1)车道识别:通过各类传感器对智能车周围环境主要是车道线进行识别、信息提取和处理,建立预期跟踪轨迹模型;(2)动作决策与路径规划:此部分在获得周遭环境信息后做出最为安全的决策,并制定相对应的路径规划;(3)轨迹跟踪控制:以3自由度车辆动力学模型为基础,应用模型预测控制算法,结合轮胎线性区域约束,设计基于线性时变模型预测控制器,通过控制前轮转向实现无人驾驶汽车的轨迹跟踪。其次,本文首先采用Udacity无人驾驶道路数据,应用MATLAB图像处理工具对其进行车道线识别,包括RGB转灰度处理、图像增强处理、动态兴趣区域提取、逆透视变换、霍夫直线检测等图像处理技术,进而采集到相关车道形状信息。建立三自由度动力学车辆模型和魔术轮胎模型,并结合两者得到状态空间方程。针对所提出的非线性系统,将其转换为线性时变系统,推导了线性时变模型预测控制(LTV MPC)算法公式,建立了模型预测相关约束条件,将LTV MPC最优问题转化为易于求解的标准二次规划问题。最后通过搭建Simulink/Carsim联合仿真平台,完成了图像识别所采集车道线进行轨迹跟踪控制算法的仿真验证。仿真结果表明,对预期轨迹跟踪效果良好,但所提出控制器性能无法在该工况中得到测试。因此设计更为复杂的双移线工况轨迹并对其进行轨迹跟踪仿真。仿真结果表明车辆轨迹跟踪效果和车辆稳定性受车速和路面附着系数影响,为提高系统控制精度和稳定性设计建立了模糊控制器,对前轮转角进行补偿优化,仿真结果表明较优化前位置误差减小43.21%,均方根误差减小82.5%。由于车辆行驶过程中存在障碍物或其他换道需求,本文针对换道工况设计了基于目标车道车况的换道策略和相关换道路径规划,结合利用前文所设计的模型预测控制器进行轨迹跟踪仿真,结果表明控制器显示出良好的鲁棒性和适应性。
【图文】：

博览会,南学,通用汽车,西雅图

1962 年通用汽车在西雅图 21 世纪博览会展示的 Fireirebird Ⅲ exhibited at Seattle 21ST world Exposition bMotors, in 1962图 1.2 Google 无人驾驶汽车Figure 1.2 Google Driverless Car无人驾驶研究发展较晚。“八五”期间，南学、浙江大学和国防科技大学联合研制的 AT

无人驾驶车辆,自动驾驶,无人驾驶,百度

图 1.2 Google 无人驾驶汽车Figure 1.2 Google Driverless Car国内方面，我国无人驾驶研究发展较晚。“八五”期间，，南京理工大学、北京理工大学、清华大学、浙江大学和国防科技大学联合研制的 ATB-1 无人驾驶车辆和“九五”期间的第二代无人驾驶车辆 ATB-2 系统，达到同一时期国内无人驾驶车辆技术研究领域的先进水平[8]。目前各大汽车制造厂商和科技公司正自主或合作研制无人驾驶汽车。2017 年 8 月 29 日，百度和江淮汽车对外首次透露清晰的合作规划，双方将于 2019 年推出自动驾驶量产车型，这也成为百度发布 Apollo 开放平台以来自动驾驶里程碑式事件之一。长安汽车进行了睿骋车型 2000Km 的 3 级自动驾驶测试；上汽乘用车与国内科技公司联合开发了搭载 AliOS 智能系统将于后期无人驾驶汽车进行融合。2018 年新兴汽车公司蔚来汽车对其搭载 NIO Pilot 的ES8 汽车在国内进行大量的道路测试，此外该公司无人驾驶汽车 EP9 在 2017 年 2月以 257 公里每小时的时速创造了无人驾驶时速世界纪录。另一方面，国家也颁布了相关的法律和政策对无人驾驶技术进行支持，2018 年 3 月 1 日，蔚来和上汽
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6

【参考文献】