无人轮式车辆越野路面全局路径规划与轨迹跟踪
发布时间：2021-08-12 19:18
越野车辆自动驾驶技术在军事、农业、消防等领域有广泛用途,本文面向无人轮式车辆在越野环境下的非结构化路面的自动驾驶,开展越野环境下的全局路径规划与轨迹跟踪算法研究。目前在非结构化道路上栅格地图中的全局路径规划算法较多,而一般栅格地图不考虑每个格网的具体高程或地面类型差异,同时非结构化道路一般考虑为平整空旷道路上,越野环境中多为地形起伏的颠簸路面,同时地貌复杂,地物类别多样。本文针对典型越野路面开展了无人越野汽车的路径规划与轨迹跟踪方法研究。首先选择长春周边的实验地区,通过土地监督分析及DEM信息进行环境建模,然后依次采用全局、局部路径规划算法进行仿真,得到越野汽车参考的轨迹离散点集。最后基于预瞄控制进行轨迹跟踪,验证了局部路径规划算法的有效性。本文的主要内容包括:（1）越野路面环境建模越野路面环境建模流程及方法,包括采用BP神经网络进行土地监督分类,采用DEM高程数据计算坡度坡向信息。将分类结果通过栅格法进行建模,得到车辆可以识别的越野栅格地图。（2）路径规划算法仿真在越野栅格地图中采用改进A*算法和改进蚁群算法进行全局路径规划,并将两者仿真结果进行对比。其中改进A*算法路径通行时间更短...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：111 页
【学位级别】：硕士
【部分图文】：
Navlab112004年至今，DARPA举办的地面无人平台越野挑战赛（AnUnmannedGround
第1章绪论3不仅存在战壕、水沟等静态障碍，同时存在动态阻断区域以考验车辆的路径重规划能力，这一挑战赛对无人越野车的感知、规划、决策、控制的能力进行综合考察，军事交通学院的猛狮车队在比赛第一年获得冠军，如图1.2所示为冠军车辆。图1.2军事交通学院猛狮1号一般智能驾驶车辆应包括环境感知系统、动态决策能力、自主规划道路及行为控制能力。无人地面车辆的主要目标是实现平稳安全的自主驾驶，包括自主选择一条从起点到终点的非完整约束的行驶路径。与此同时，无人车需要在地图中明确自身的坐标位置，并实时感知地面环境信息以实现准确的行驶决策。在越野环境下，地表类型多样，地面属性复杂，所以对车辆的行驶有较多阻碍，同时地形多起伏不定，若不事先对越野车辆行驶路径进行规划，会严重的影响汽车在指定区域的通行速度，同时在实车通行演练过程中总结经验，对人力物力财力的消耗较大，在行驶安全性上也无法保障驾驶人员及试验车辆。所以综上所述，研究一种满足越野路面的路径规划方法，对我国农业发展、森林消防、军事行动等多个领域上有指导价值的。所以本文重点考虑无人轮式越野车的路径规划及底层控制能力，使车辆在越野路面上可以规划出一条从起点到终点的最优路线并完成轨迹跟随控制，考验车辆是否具有安全平稳通行越野路面的能力。1.2面向自动驾驶的全局越野地图生成方法在进行全局路径规划之前，需要创建智能车辆可识别的环境地图，所以首先要对下载好的瓦片地图信息进行预处理，本文拟采用地理学遥感技术对下载的地
第2章越野路面环境建模21,′=(,++1,++1,+1+,+1)/4…………….（2-3）在全局路径规划中，车辆行驶过程不考虑具体的车辆运动约束，而是将车辆看作质点并引入“窗口移动法”[61]对行驶路径进行规划。所以本文中考虑的坡度信息以相邻格网间的坡度大小和坡向这两个指标为主。参考汽车的动力性指标，汽车的最大爬坡度imax通常指汽车I档的爬坡能力，一般车辆的imax在30%即16.7°左右，而越野轮式车辆通常在坏路或无路条件下行驶，所以imax相对较大，在60%即31°左右，所以设定车辆通行最大坡度为30°，当车辆通行到下一格网时，需要依据tabu表确定两个格网是否可以通行。在地理学科中，基于DEM数据提取坡度和坡向的方法众多，李天文等[62]基于规则格网DEM坡度坡向做了一系列比较分析，这里是基于3×3的“窗口移动法”进行计算，如图2.4所示。本文选取三阶不带权差分模型进行坡度计算。假定当前车辆处于高程值为Z5的格网处时，具体算法及公式如下：图2.3提取高程信息点图2.4移动格网=(71+82+93)/6………………（2-4）=(31+64+97)/6………………（2-5）其中：Zi为所处的格网的高程值，g为格网间距即格网的单元格长度，单位米，随着DEM数据分辨率的不同而不同。fx、fy分别是南北方向和东西方向的高程变化率。然后计算坡度S和坡向A：=√2+2………………………（2-6）=270°+()90°/||…………….（2-7）本文设定的坡度阈值为30°，即S弧度值的取值范围为[-0.524,0.524]，最后Z7Z8Z9Z6Z5Z4Z1Z2Z3
【参考文献】：
期刊论文
[1]关键节点和平滑处理的PRM路径优化方法[J]. 魏念巍,姜媛媛,刘延彬,辛元芳,洪炎. 计算机工程与应用. 2020(16)
[2]基于动态T-S模糊控制的视觉目标跟随[J]. 郑晶翔,曹博,毕树生,杨东升. 哈尔滨工业大学学报. 2019(01)
[3]基于wMPS和模糊控制的AGV路径规划控制[J]. 任永杰,赵显,郭思阳,王金旺,邓俊. 光学学报. 2019(03)
[4]自治水下机器人的自主启发式生物启发神经网络路径规划算法[J]. 朱大奇,刘雨,孙兵,刘清沁. 控制理论与应用. 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]预瞄跟随驾驶员模型的复合校正[J]. 管欣,陈永尚,贾鑫,詹军. 汽车工程. 2018(03)
[7]基于最小距离法的面向对象遥感影像分类[J]. 党涛,李亚妮,罗军凯,任建平. 测绘与空间地理信息. 2017(10)
[8]解决路径规划局部极小问题的势场栅格法[J]. 朱爱斌,刘洋洋,何大勇,何胜利. 机械设计与研究. 2017(05)
[9]无人驾驶汽车研究综述与发展展望[J]. 潘福全,亓荣杰,张璇,张丽霞. 科技创新与应用. 2017(02)
[10]基于拓扑地图的田间机器人路径规划和控制[J]. 窦文豪,朱凯,梁盛好,文伟松,郭缘,谭彧. 中国科技论文. 2016(22)
博士论文
[1]越野无人驾驶车辆超声测障技术研究[D]. 崔慧海.国防科学技术大学 2016
硕士论文
[1]BP神经网络算法在卫星遥感影像地物分类中的应用[D]. 公滨南.东北农业大学 2019
[2]智能汽车路径规划与跟踪控制仿真研究[D]. 张思远.吉林大学 2018
[3]基于支持向量机的遥感影像道路提取[D]. 孙冲.吉林大学 2018
[4]校园智能车轨迹跟随控制研究[D]. 李文博.重庆理工大学 2018
[5]面向越野环境的无人车自主导航方法研究[D]. 袁伟.上海交通大学 2017
[6]自主行驶资源勘探车辆路径规划算法研究[D]. 刘神.吉林大学 2016
[7]智能汽车的轨迹跟随控制研究[D]. 明廷友.吉林大学 2016
[8]智能车辆越野环境路径规划[D]. 蒋键.北京理工大学 2016
[9]真实DEM地图下一种航迹规划算法的研究和应用[D]. 唐龙伟.电子科技大学 2014
[10]基于环境地图的机器人全局路径规划的研究[D]. 刘杰.武汉理工大学 2013
本文编号：3338914
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：111 页
【学位级别】：硕士
【部分图文】：
Navlab112004年至今，DARPA举办的地面无人平台越野挑战赛（AnUnmannedGround
第1章绪论3不仅存在战壕、水沟等静态障碍，同时存在动态阻断区域以考验车辆的路径重规划能力，这一挑战赛对无人越野车的感知、规划、决策、控制的能力进行综合考察，军事交通学院的猛狮车队在比赛第一年获得冠军，如图1.2所示为冠军车辆。图1.2军事交通学院猛狮1号一般智能驾驶车辆应包括环境感知系统、动态决策能力、自主规划道路及行为控制能力。无人地面车辆的主要目标是实现平稳安全的自主驾驶，包括自主选择一条从起点到终点的非完整约束的行驶路径。与此同时，无人车需要在地图中明确自身的坐标位置，并实时感知地面环境信息以实现准确的行驶决策。在越野环境下，地表类型多样，地面属性复杂，所以对车辆的行驶有较多阻碍，同时地形多起伏不定，若不事先对越野车辆行驶路径进行规划，会严重的影响汽车在指定区域的通行速度，同时在实车通行演练过程中总结经验，对人力物力财力的消耗较大，在行驶安全性上也无法保障驾驶人员及试验车辆。所以综上所述，研究一种满足越野路面的路径规划方法，对我国农业发展、森林消防、军事行动等多个领域上有指导价值的。所以本文重点考虑无人轮式越野车的路径规划及底层控制能力，使车辆在越野路面上可以规划出一条从起点到终点的最优路线并完成轨迹跟随控制，考验车辆是否具有安全平稳通行越野路面的能力。1.2面向自动驾驶的全局越野地图生成方法在进行全局路径规划之前，需要创建智能车辆可识别的环境地图，所以首先要对下载好的瓦片地图信息进行预处理，本文拟采用地理学遥感技术对下载的地
第2章越野路面环境建模21,′=(,++1,++1,+1+,+1)/4…………….（2-3）在全局路径规划中，车辆行驶过程不考虑具体的车辆运动约束，而是将车辆看作质点并引入“窗口移动法”[61]对行驶路径进行规划。所以本文中考虑的坡度信息以相邻格网间的坡度大小和坡向这两个指标为主。参考汽车的动力性指标，汽车的最大爬坡度imax通常指汽车I档的爬坡能力，一般车辆的imax在30%即16.7°左右，而越野轮式车辆通常在坏路或无路条件下行驶，所以imax相对较大，在60%即31°左右，所以设定车辆通行最大坡度为30°，当车辆通行到下一格网时，需要依据tabu表确定两个格网是否可以通行。在地理学科中，基于DEM数据提取坡度和坡向的方法众多，李天文等[62]基于规则格网DEM坡度坡向做了一系列比较分析，这里是基于3×3的“窗口移动法”进行计算，如图2.4所示。本文选取三阶不带权差分模型进行坡度计算。假定当前车辆处于高程值为Z5的格网处时，具体算法及公式如下：图2.3提取高程信息点图2.4移动格网=(71+82+93)/6………………（2-4）=(31+64+97)/6………………（2-5）其中：Zi为所处的格网的高程值，g为格网间距即格网的单元格长度，单位米，随着DEM数据分辨率的不同而不同。fx、fy分别是南北方向和东西方向的高程变化率。然后计算坡度S和坡向A：=√2+2………………………（2-6）=270°+()90°/||…………….（2-7）本文设定的坡度阈值为30°，即S弧度值的取值范围为[-0.524,0.524]，最后Z7Z8Z9Z6Z5Z4Z1Z2Z3
【参考文献】：
期刊论文
[1]关键节点和平滑处理的PRM路径优化方法[J]. 魏念巍,姜媛媛,刘延彬,辛元芳,洪炎. 计算机工程与应用. 2020(16)
[2]基于动态T-S模糊控制的视觉目标跟随[J]. 郑晶翔,曹博,毕树生,杨东升. 哈尔滨工业大学学报. 2019(01)
[3]基于wMPS和模糊控制的AGV路径规划控制[J]. 任永杰,赵显,郭思阳,王金旺,邓俊. 光学学报. 2019(03)
[4]自治水下机器人的自主启发式生物启发神经网络路径规划算法[J]. 朱大奇,刘雨,孙兵,刘清沁. 控制理论与应用. 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]预瞄跟随驾驶员模型的复合校正[J]. 管欣,陈永尚,贾鑫,詹军. 汽车工程. 2018(03)
[7]基于最小距离法的面向对象遥感影像分类[J]. 党涛,李亚妮,罗军凯,任建平. 测绘与空间地理信息. 2017(10)
[8]解决路径规划局部极小问题的势场栅格法[J]. 朱爱斌,刘洋洋,何大勇,何胜利. 机械设计与研究. 2017(05)
[9]无人驾驶汽车研究综述与发展展望[J]. 潘福全,亓荣杰,张璇,张丽霞. 科技创新与应用. 2017(02)
[10]基于拓扑地图的田间机器人路径规划和控制[J]. 窦文豪,朱凯,梁盛好,文伟松,郭缘,谭彧. 中国科技论文. 2016(22)
博士论文
[1]越野无人驾驶车辆超声测障技术研究[D]. 崔慧海.国防科学技术大学 2016
硕士论文
[1]BP神经网络算法在卫星遥感影像地物分类中的应用[D]. 公滨南.东北农业大学 2019
[2]智能汽车路径规划与跟踪控制仿真研究[D]. 张思远.吉林大学 2018
[3]基于支持向量机的遥感影像道路提取[D]. 孙冲.吉林大学 2018
[4]校园智能车轨迹跟随控制研究[D]. 李文博.重庆理工大学 2018
[5]面向越野环境的无人车自主导航方法研究[D]. 袁伟.上海交通大学 2017
[6]自主行驶资源勘探车辆路径规划算法研究[D]. 刘神.吉林大学 2016
[7]智能汽车的轨迹跟随控制研究[D]. 明廷友.吉林大学 2016
[8]智能车辆越野环境路径规划[D]. 蒋键.北京理工大学 2016
[9]真实DEM地图下一种航迹规划算法的研究和应用[D]. 唐龙伟.电子科技大学 2014
[10]基于环境地图的机器人全局路径规划的研究[D]. 刘杰.武汉理工大学 2013
本文编号：3338914
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3338914.html
