智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性,切换到模糊控制律。采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明:该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

智能车辆自主导航神经网络控制器设计

针对自主设计、制造的智能车辆，提出了设计新的神经网络控制器来实现对车辆导航路径的自主跟踪控制。分析了神经网络导向控制器的设计方法，选择了神经网络导向控制器的输入、输出变量，并建立了神经网络导向控制器的结构。在此基础上，采用人工驾车采集的数据对控制器进行了训练。完成了计算机仿真和实际路径跟踪控制试验，试验结果表明该神经网络控制器能够很好地实现对导航路径的自主跟踪控制。     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性, 切换到模糊控制律。 采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明：该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

基于单目视觉的前方车辆探测方法

介绍了采用单目视觉技术获取前方车辆多元信息的方法。利用单帧图像识别出的路径标线建立初始感兴趣区 ,并对目标进行初步探测 ;建立识别感兴趣区 ,应用对称性测度确认前方车辆是否存在 ,并寻找出前方车辆的对称轴 ;在连续序列图像中 ,利用 Kalm an预估器进行目标跟踪 ;建立基于静态图像处理和摄像机内部参数标定的单目视觉测距方法并进行相关试验验证。     

车辆导航立体视觉测量技术特征点匹配方法

车辆跟踪定位中的立体视觉算法,特征点匹配计算量大,误匹配概率高,实时性不强。对特征点匹配技术进行了研究,通过分析传统特征点提取方法的不足,提出了基于四边形约束的彩色标示特征点的匹配方法。试验表明,该方法匹配的准确率为100%,计算速度快、适应性强。     

区域交通智能车辆导航控制技术

通过系统辨识实验得到车辆转向系统动态特性方程，结合车辆预瞄运动学模型和二自由度转向动力学模型建立基于视觉预瞄的转向动力学控制数学模型，根据线性二次型最优控制理论设计的最优控制器能稳定跟踪直线路径。采用模糊控制快速跟踪弧线导航路径，结合车辆转向系统当前状态和最快动态响应能力建立车辆弧线跟踪时的变结构控制输出集。针对JLUIV-V型区域交通智能车辆部分状态变量的不可测性，根据Kalman滤波理论构造状态观测器。仿真和试验结果表明：该控制技术在区域交通智能车辆户外路径跟踪过程中平稳、可靠。     

基于双目视觉的智能车辆障碍物探测技术研究

鉴于障碍物探测是越野智能车辆自主导航的关键环节,为此针对越野环境光照多变、地形复杂的特点,提出了一种适用于越野环境的双目视觉障碍物检测技术,即首先对系统进行标定和坐标变换,以抵消地形的影响;然后采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,以削弱噪声、光照和对比度的影响;接着在特征匹配部分,用提取的图像的亚像素级Harris角点特征参与匹配;同时基于RANSAC方法估计基础矩阵,再通过对极几何约束匹配来提高系统的实时性,并采用连续性约束消除误匹配,最终获取环境的3维信息;在障碍物提取部分,则通过线性插值来构建车前环境的高程图像;最后通过边缘提取和形态学处理来最终检测障碍物。此外还通过不同环境中的检测实验,验证了该算法的可行性及有效性。