智能车辆自主避障算法研究

发布时间：2020-10-27 21:17

　　 作为移动机器人的分支,因当今世界的非自然死亡率的提高,智能车辆近年来发展迅速。对于移动机器人来说,避障和路径规划是需要解决的首要问题,对于智能车辆来说也是一样。路径规划直接关系到智能车辆的智能化程度。目前国内外许多学者已经提出了多种路径规划方法,并通过仿真和实验取得了较好的实验效果。本文对智能车辆进行了研究,从汽车的发展史出发,叙述了智能车辆的发展及所需技术的发展,阐述了智能车辆的研究方向以及路径规划对于智能车辆重要性,并详细介绍了智能车辆和智能算法的研究现状。首先介绍了自主避障系统的基础知识以及收集信息的方式,通过基本信息的描述,对智能车辆的避障系统有了初步的了解。使用栅格法建立静态障碍物模型,详细分析了基本蚁群算法和A*算法的基本原理,针对这两个算法进行仿真,分析了两者的优缺点。其次对蚁群算法进行改进,即通过引用加权系数C的思想,引入启发函数中,加入蚁群算法的每次寻优迭代的过程中。有效的提高了蚁群算法的快速收敛和局部最优,并且在不同的环境规模中验证了改进蚁群算法的有效性。此外,本文不仅分析比较了各个算法在静态环境中的应用,而且还把改进后的蚁群算法引入到动态环境信息中,验证了改进后的蚁群算法是否能够实现动态避障效果。通过在不同模型,以及相同起点和终点的情况下,分别对基本蚁群算法、改进的算法进行仿真分析和比较,验证了改进的蚁群算法的适用性,改进后的算法具有相对最短路径长度和相对最快收敛速度,充分体现了算法的全局搜索和快速收敛性。通过仿真分析表明了改进的蚁群算法的可行性及其优势。
【学位单位】：沈阳工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6
【部分图文】：

沈阳工业大学硕士学位论文月 2 日，深圳福田保税区 4 辆全电动公交车在开放道路上首发试运行，这是中国乃至世界首次在开放道路上进行的“无人驾驶公交车”试运行[25]。这些公交车装有先进的雷达系统，能够实时对路况信息进行反馈，它具有工作条件适应性强、反应速度快、控制精度高等优点且自主避障能力强。如图 1.1 所示。在此基础上，我国还不断的对车辆控制器深入研究，并应用在各个领域中，为我国能更好的开发智能车辆奠定了坚实的基础。

第 2 章 自主避障的基础知识障碍处置提供位置信息。预测目标检测传感器包括视觉传感器、激光传感器和雷达感器。目标检测传感器主要对数据关联起着重要的作用并给数据融合传感器提供信由数字地图生成的驾驶轨迹经过轨迹规划、速度规划最后和数据融合后进行障碍后信息传送到障碍处置中，生成期望运动，进而控制车辆[39]。如图 2.1 所示。

沈阳工业大学硕士学位论文n 到目标状态的距离，那么 h (n)的选取大目标状态的实际距离，这种情况下，搜索优解。即距离估计 h (n)等于最短距离，那么搜索最高的。搜索的点数少，搜索范围小，效率高，但不模型建立及仿真分析立 A*算法的模型，首先建立 A*算法的流
【参考文献】

相关期刊论文 前8条

1 梁晓琳;陈丽;靳晨聪;;智能网联汽车发展前景、瓶颈及建议[J];邢台职业技术学院学报;2017年03期

2 浩宝;;汽车文化趣谈[J];上海企业;2017年05期

3 苑广会;苑广展;李凯;;基于单片机的超声波测距系统设计[J];云南水力发电;2017年02期

4 ;汽车工业增长的新动力-智能汽车[J];汽车实用技术;2016年02期

5 冯若愚;高芳芳;;基于单片机的汽车防盗报警系统设计[J];漯河职业技术学院学报;2013年05期

6 熊波;曲仕茹;;基于模糊控制的智能车辆自主行驶方法研究[J];交通运输系统工程与信息;2010年02期

7 郑志强;;ABU Robocon用自主机器人技术综述[J];机器人技术与应用;2009年05期

8 邓文;李实;郑攀;;基于蚁群算法的路径规划问题研究[J];物流技术;2008年10期

相关博士学位论文 前5条

1 辛煜;无人驾驶车辆运动障碍物检测、预测和避撞方法研究[D];中国科学技术大学;2014年

2 汪明磊;智能车辆自主导航中避障路径规划与跟踪控制研究[D];合肥工业大学;2013年

3 周勇;智能车辆中的几个关键技术研究[D];上海交通大学;2007年

4 杨剑峰;蚁群算法及其应用研究[D];浙江大学;2007年

5 史恩秀;轮式移动机器人的运动控制及定位方法研究[D];西安理工大学;2006年

相关硕士学位论文 前10条

1 荀燕琴;基于群体智能优化的AGV路径规划算法研究[D];吉林大学;2017年

2 翟林静;基于Kinect的小车自主行驶系统的设计与实现[D];西安科技大学;2016年

3 吕丹丹;适用于小型智能车的行驶路况评价及自主避障控制研究[D];北京交通大学;2016年

4 高昕源;基于计算机视觉的交通流量智能监测技术研究[D];兰州大学;2016年

5 谢辉;基于NAO机器人的路径规划研究[D];西安电子科技大学;2015年

6 王云飞;基于蚁群算法的武警巡逻路径优化问题研究[D];国防科学技术大学;2014年

7 罗永为;嵌入式智能机车安全控制系统研究[D];昆明理工大学;2014年

8 程力;4WS智能小车运动控制系统研究[D];重庆交通大学;2013年

9 徐跃;基于超声波测距的机器人定位与避障[D];齐鲁工业大学;2013年

10 张双喜;基于雷达与相机的无人驾驶智能车障碍物检测技术研究[D];长安大学;2013年

本文编号：2859076