基于路径规划算法的自动泊车系统研究
发布时间：2021-11-21 22:12
伴随着人工智能、大数据等前沿技术的兴起,自动驾驶开始飞速发展,一些高级辅助驾驶功能已逐步量产于各类车型之上,其中自动泊车功能因其便捷性受到众多用户的喜爱。自动泊车技术不仅能够切实有效地解决由于泊车空间小、时间紧张等环境问题,也能替很多有需要的驾驶者解决泊车烦恼。路径规划作为自动泊车当中的重要一环,其算法的好坏直接决定了泊车效果如何,而规划路线的适应性强弱也会直接影响到自动泊车的成功率。本文针对现有的自动泊车路径规划方法中对于车辆初始位姿及泊车环境等限制要求较多的问题,研究了满足车辆运动学约束和避障约束的泊车路径规划方法。同时,基于规划所得的路径,搭建了跟踪系统并进行了仿真验证。首先,对自动泊车的车位检测进行研究,选取超声波传感器来感知车位及障碍物信息,并实际开展了检测试验来验证其效果与精度。同时,根据阿克曼转向原理建立了车辆运动学模型,分析计算得出泊车时的低速运动方程。其次,针对泊车环境存在较多限制的各种复杂场景及不同的泊车方式展开路径规划研究。明确规划模块的整个设计流程,并对其中一些基础原理和前提条件做预处理以便于之后的说明。详细阐述了规划算法中的两个重要的子算法:简单连接算法及路径...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
三角定位法使用单个超声波传感器可以获取障碍物的距离，使用多个传感器便能够确定障碍物2-112
华南理工大学硕士学位论文10图2-2超声波车位检测示意图如图2-2所示，超声波传感器检测到其右方的第一辆车，并记到该车外侧的距离为1，然后传感器检测到第一辆车的前端边缘（即A点处），传感器测距数值发生跳变，此时传感器到墙壁或者路沿的距离记为2；车辆继续向前行驶，当到达B点时，传感器测距数值又发生跳变并且又保持一段距离。这样，中间A点到B点的长度即为车位长度，这一段距离可以通过里程计在两次传感器数值发生跳变期间的记录来得到，而侧向距离2和1之间的差值为车位宽度。如果检测到的车位长宽满足后续规划要求的尺寸，则该车位为可泊车位。考虑到车辆障碍物轮廓并不完全是规则的，如图2-3所示，可以用离散的车身轮廓点集来描述它，从而得到准确的边缘处判断。因为轮廓的不规则性，可能很难直接得到前后两次探测距离跳变的一次回波点，但是可以使用一次探测相邻回波探测距离跳变的多次回波点来替代，将跳变判断范围扩大，把这一个范围都当作车辆障碍物的边缘来考虑。图2-3车辆障碍物轮廓描述2.1.3车位检测试验本节车位检测试验所使用的超声波传感器属性如表2-2所示。
第二章车位检测及泊车运动学研究11表2-2某超声波传感器参数表主要参数数值最小量程(m)0.22最大量程(m)6.00测量精度(m)0.03波束角(°)10探测角(°)80测量周期(ms)50图2-4超声波车位检测试验车位的测试场地是如图2-4所示的地下停车场，右侧的黑色车为装载超声波传感器的试验车，检测区域由四个有停放车辆的车位、一个未停放车辆的空车位以及中间一个柱子障碍物组成（图中未显示全）。在完成车位检测试验场地之后，根据现场用卷尺实际测量的真实尺寸，将检测区域简化为图2-5所示的平面图。其中下方数字为对应的车辆或柱子边缘距离起始位置的实际长度，共计十个参照点作为后面超声波数据的对比（单位：mm）。图2-5车位检测试验简化图
【参考文献】：
期刊论文
[1]智能汽车自动驾驶技术的发展与挑战[J]. 来飞,黄超群,胡博. 西南大学学报(自然科学版). 2019(08)
[2]基于改进UKF的自动泊车车辆位姿估计算法研究[J]. 谢有浩,赵林峰,张锐陈,张澄宇,辛鑫. 汽车技术. 2019(03)
[3]基于视觉和车辆动力学的库位跟踪算法研究[J]. 余卓平,许明煜,张培志,熊璐,黄禹尧. 汽车技术. 2019(02)
[4]自动泊车方案的设计[J]. 张羽英,王超,杜忠明,付子昂,崔龙岩. 兵工自动化. 2019(01)
[5]基于滑模控制的自动泊车系统路径跟踪研究[J]. 姜立标,杨杰. 农业机械学报. 2019(02)
[6]基于Simulink和VR的平行泊车控制系统设计与仿真[J]. 赵耕云,王佳,朱有地,张志勋. 兰州工业学院学报. 2018(04)
[7]无人驾驶汽车的现状及发展趋势[J]. 张耀丹. 汽车实用技术. 2018(06)
[8]基于线控转向系统的无人驾驶技术发展[J]. 李时雨. 汽车工程师. 2018(03)
[9]基于遗传算法优化的双向垂直泊车路径规划[J]. 陈无畏,方玉杰,魏振亚. 汽车工程. 2017(11)
[10]基于双匀速轨迹的自动泊车路径规划研究[J]. 李攀,黄江,杨浩,韩中海. 重庆理工大学学报(自然科学). 2017(09)
博士论文
[1]汽车在两种转向工况下的路径规划与路径跟踪研究[D]. 王健.南京航空航天大学 2015
[2]自动泊车系统路径规划与跟踪控制研究[D]. 李红.湖南大学 2014
[3]自动平行泊车系统转向控制策略的研究[D]. 姜辉.吉林大学 2010
硕士论文
[1]自动泊车路径决策规划与车辆控制算法研究[D]. 张城瑞.中北大学 2019
[2]基于高斯伪谱法的智能车局部路径规划研究[D]. 郭泉成.华南理工大学 2018
[3]基于多传感器信息融合的自动泊车系统研究[D]. 沈峥楠.江苏大学 2017
[4]基于超声测距的自动泊车系统研究[D]. 张莉莉.长安大学 2017
[5]基于EPS的自动泊车路径规划及跟踪控制研究[D]. 徐磊.合肥工业大学 2017
[6]基于多传感器数据融合的智能泊车控制系统设计与实现[D]. 姜金山.哈尔滨工业大学 2016
[7]全景泊车辅助系统的研究与实现[D]. 蔡声群.华南理工大学 2016
[8]基于模型的车辆状态参数估计研究[D]. 佘国芹.武汉科技大学 2016
[9]汽车自动泊车系统关键技术研究[D]. 王龙.重庆交通大学 2016
[10]自动垂直泊车系统转向控制策略的研究[D]. 孙思.清华大学 2015
本文编号：3510346
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
三角定位法使用单个超声波传感器可以获取障碍物的距离，使用多个传感器便能够确定障碍物2-112
华南理工大学硕士学位论文10图2-2超声波车位检测示意图如图2-2所示，超声波传感器检测到其右方的第一辆车，并记到该车外侧的距离为1，然后传感器检测到第一辆车的前端边缘（即A点处），传感器测距数值发生跳变，此时传感器到墙壁或者路沿的距离记为2；车辆继续向前行驶，当到达B点时，传感器测距数值又发生跳变并且又保持一段距离。这样，中间A点到B点的长度即为车位长度，这一段距离可以通过里程计在两次传感器数值发生跳变期间的记录来得到，而侧向距离2和1之间的差值为车位宽度。如果检测到的车位长宽满足后续规划要求的尺寸，则该车位为可泊车位。考虑到车辆障碍物轮廓并不完全是规则的，如图2-3所示，可以用离散的车身轮廓点集来描述它，从而得到准确的边缘处判断。因为轮廓的不规则性，可能很难直接得到前后两次探测距离跳变的一次回波点，但是可以使用一次探测相邻回波探测距离跳变的多次回波点来替代，将跳变判断范围扩大，把这一个范围都当作车辆障碍物的边缘来考虑。图2-3车辆障碍物轮廓描述2.1.3车位检测试验本节车位检测试验所使用的超声波传感器属性如表2-2所示。
第二章车位检测及泊车运动学研究11表2-2某超声波传感器参数表主要参数数值最小量程(m)0.22最大量程(m)6.00测量精度(m)0.03波束角(°)10探测角(°)80测量周期(ms)50图2-4超声波车位检测试验车位的测试场地是如图2-4所示的地下停车场，右侧的黑色车为装载超声波传感器的试验车，检测区域由四个有停放车辆的车位、一个未停放车辆的空车位以及中间一个柱子障碍物组成（图中未显示全）。在完成车位检测试验场地之后，根据现场用卷尺实际测量的真实尺寸，将检测区域简化为图2-5所示的平面图。其中下方数字为对应的车辆或柱子边缘距离起始位置的实际长度，共计十个参照点作为后面超声波数据的对比（单位：mm）。图2-5车位检测试验简化图
【参考文献】：
期刊论文
[1]智能汽车自动驾驶技术的发展与挑战[J]. 来飞,黄超群,胡博. 西南大学学报(自然科学版). 2019(08)
[2]基于改进UKF的自动泊车车辆位姿估计算法研究[J]. 谢有浩,赵林峰,张锐陈,张澄宇,辛鑫. 汽车技术. 2019(03)
[3]基于视觉和车辆动力学的库位跟踪算法研究[J]. 余卓平,许明煜,张培志,熊璐,黄禹尧. 汽车技术. 2019(02)
[4]自动泊车方案的设计[J]. 张羽英,王超,杜忠明,付子昂,崔龙岩. 兵工自动化. 2019(01)
[5]基于滑模控制的自动泊车系统路径跟踪研究[J]. 姜立标,杨杰. 农业机械学报. 2019(02)
[6]基于Simulink和VR的平行泊车控制系统设计与仿真[J]. 赵耕云,王佳,朱有地,张志勋. 兰州工业学院学报. 2018(04)
[7]无人驾驶汽车的现状及发展趋势[J]. 张耀丹. 汽车实用技术. 2018(06)
[8]基于线控转向系统的无人驾驶技术发展[J]. 李时雨. 汽车工程师. 2018(03)
[9]基于遗传算法优化的双向垂直泊车路径规划[J]. 陈无畏,方玉杰,魏振亚. 汽车工程. 2017(11)
[10]基于双匀速轨迹的自动泊车路径规划研究[J]. 李攀,黄江,杨浩,韩中海. 重庆理工大学学报(自然科学). 2017(09)
博士论文
[1]汽车在两种转向工况下的路径规划与路径跟踪研究[D]. 王健.南京航空航天大学 2015
[2]自动泊车系统路径规划与跟踪控制研究[D]. 李红.湖南大学 2014
[3]自动平行泊车系统转向控制策略的研究[D]. 姜辉.吉林大学 2010
硕士论文
[1]自动泊车路径决策规划与车辆控制算法研究[D]. 张城瑞.中北大学 2019
[2]基于高斯伪谱法的智能车局部路径规划研究[D]. 郭泉成.华南理工大学 2018
[3]基于多传感器信息融合的自动泊车系统研究[D]. 沈峥楠.江苏大学 2017
[4]基于超声测距的自动泊车系统研究[D]. 张莉莉.长安大学 2017
[5]基于EPS的自动泊车路径规划及跟踪控制研究[D]. 徐磊.合肥工业大学 2017
[6]基于多传感器数据融合的智能泊车控制系统设计与实现[D]. 姜金山.哈尔滨工业大学 2016
[7]全景泊车辅助系统的研究与实现[D]. 蔡声群.华南理工大学 2016
[8]基于模型的车辆状态参数估计研究[D]. 佘国芹.武汉科技大学 2016
[9]汽车自动泊车系统关键技术研究[D]. 王龙.重庆交通大学 2016
[10]自动垂直泊车系统转向控制策略的研究[D]. 孙思.清华大学 2015
本文编号：3510346
本文链接：https://www.wllwen.com/kejilunwen/qiche/3510346.html
