【摘 要】
：
近年来,无人驾驶技术发展迅猛,成为了当下研究的热点和难点,无人驾驶技术具体又可以细分为感知、决策和规划三大模块,而规划则是其中的重点和难点,规划模块的任务是基于车辆当前所处的环境信息和状态信息规划出一条从起始点到目标点的最优路径,此外,需要考虑车辆行驶的安全性,保证车辆行驶过程的无碰撞,无人车避障路径的优劣将直接影响车辆的安全性和实效性。常见的路径规划算法有遗传算法,A*算法,快速随机搜索树算法（
论文部分内容阅读
近年来,无人驾驶技术发展迅猛,成为了当下研究的热点和难点,无人驾驶技术具体又可以细分为感知、决策和规划三大模块,而规划则是其中的重点和难点,规划模块的任务是基于车辆当前所处的环境信息和状态信息规划出一条从起始点到目标点的最优路径,此外,需要考虑车辆行驶的安全性,保证车辆行驶过程的无碰撞,无人车避障路径的优劣将直接影响车辆的安全性和实效性。常见的路径规划算法有遗传算法,A*算法,快速随机搜索树算法（RRT算法）,人工势场法（APF算法）,蚁群算法等等。针对路径规划过程中搜索路径质量不高,搜索效率差的问题,本文分别对APF算法和RRT算法进行分析和优化,并提出了APF引导的RRT算法,具体内容如下:介绍分析经典的APF算法,并对其势力场建模,分析车辆在势力场中的受力,针对人工势场法规划过程中会陷入局部最优解及避障实时性不高的问题,提出了一个两层避障网络:其中,第一层为预筛选网络,通过该层对路面目标进行筛选,剔除对行驶没有影响的目标,提高计算效率;第二层对经典的人工势场法进行改进,添加局部时变的切向力势场,解决其会陷入局部最优及目标不可达的问题。分析介绍经典的RRT算法,RRT算法的核心是建立一棵随机树,通过随机采样的方式扩张随机树的枝干,最终生成一条无碰的路径。其主要存在的问题是搜索路径质量不高且非最优,搜索代价过大,迭代效率慢等问题。针对这样的问题,本文提出了改进的RRT算法,通过建立约束范围内的父节点重选策略和随机树剪枝方法,并基于三角形原理和最小转弯半径约束对路径进行优化,改进后的RRT算法可以在降低搜索代价的同时规划出路径更短更平滑的安全路径。最后,对两种算法的融合策略的可行性进行分析,并进行仿真建模,验证APF引导RRT算法的实际效果。实验结果表明,APF引导RRT算法规划出的路径优化效果显著,在有效解决了两个算法自身存在的缺陷的基础上了,可以规划出路径质量更高的路径,同时保持更高的搜索效率。
其他文献
中密度纤维板（Medium Density Fiberboard,MDF）材质精良且具备良好的加工性能,同时具有较低的生产成本,因而在板材市场中拥有较高的占有率。在MDF生产过程中,板坯厚度是影响产品最终质量的关键要素。因此,实现连续热压电液伺服系统对位置信号稳定准确且快速的跟踪,从而确保MDF的成品质量,成为MDF制造业中的关键课题。然而,MDF连续热压电液伺服系统在工作过程中始终受到其固有物理
随着我国社会经济的发展和人民生活方式的改变,汽车保有量和居民消费水平迅速上升,但同时交通环境压力、生活压力也逐渐增加,由驾驶人危险情绪变化引发的交通恶性事故常见报端。目前国内外相关学者已对驾驶人情绪变化识别开展了大量研究工作,但大多仅局限于单模态的情绪变化识别,且鲜有文献从面部表情和驾驶行为多模态融合的角度设计驾驶人情绪变化识别模型。因此,如何对驾驶人情绪变化进行准确有效的识别,是目前应对危险驾驶
植被资源作为人类赖以生存的物质基础,为人类的生产、生活提供必要的生态系统服务功能,对地表植被资源进行分类是充分监测和科学管理的重要先决条件。目前,高光谱遥感影像因具有分辨率高、信息量丰富、获取时效快等优势,已成为地物信息统计的主要数据源,深度学习算法能够自动的从遥感影像中提取具有判别力的高级语义特征,得到较好的分类效果。但深度学习方法在对高维遥感数据进行植被分类时往往存在计算效率低、耗时较长的问题
随着人民生活水平的不断提高,对农产品的需求量与日俱增,进而使得农产品物流需求量逐渐增大,而农产品物流作为农民增收、农村发展的“助力器”,是国民经济的重要组成部分。但当前我国农产品物流企业具有“小、散、乱”的特点,无法有效整合社会上分散的农产品物流资源并提供高质量的农产品物流服务,而引入农产品物流服务供应链则可有效解决这一问题,其通过整合供应链中各节点企业的农产品物流资源,可为客户提供个性化和定制化
蒙古栎是中国东北林区主要的次生林树种,其坚硬耐腐,常作为结构木材。抗弯弹性模量是主要的木材力学性能之一,代表了木材力学性能的综合情况,是实现木材应用和分级的重要参数和依据。传统的木材力学检测方法为破坏性实验法,易造成浪费且操作复杂,无法满足实际工程需要。常见的近红外光谱无损检测方法是一种可靠无污染的分析方法,可对木材力学性质进行快速、准确地测定,然而由于传统的一维线性光谱往往存在过宽和重叠现象,无
木制品的出厂检测是提高木材利用率,避免造成隐形浪费的必要过程。随着保护环境的力度不断加大,实木等天然材料的使用率逐渐降低,木制品在人们的日常生活中的地位是不可替代的。木制品是最常见的家居组件,而针对木制品变形方面的检测,当前的方法比较繁琐和不便,并且在现阶段也无法统一标准。为应对与解决这些问题,利用新技术形式对木制品检测进行新方法、新装置的研究是非常必要的,同时也可以大大地降低人工成本,物资成本,
现阶段完全自动驾驶技术尚未实现,人机共驾作为一种有效过渡方法,其接管过程中的安全问题成了众多学者研究的目标。本研究在揭示相关变量对接管时间影响的基础上,对智能汽车接管时间及碰撞事故风险做出预测,对于提高接管安全有重要意义。多数学者对智能汽车接管时间及事故风险进行探索,但仍存在以下问题:周边车流对接管时间的影响尚不明确;现有的接管时间预测模型不能很好的捕捉变量的时空特征;目前对事故风险的研究不能体现
橡胶衬套作为悬架中广泛使用的连接件,其力学特性直接影响悬架性能,进而影响操纵稳定性和平顺性。因此,高精度橡胶衬套模型下的悬架性能分析及衬套影响下的悬架性能合理优化匹配是当前研究的热点。针对当前悬架模型中将橡胶衬套简化为线性模型而导致悬架性能分析不全面,和衬套刚度匹配中悬架操纵稳定性（K＆C特性）和平顺性矛盾的问题,本文以麦弗逊悬架下摆臂橡胶衬套为研究对象,提出了基于自适应混沌粒子群算法（ACPSO
在木材生长和加工过程中产生的缺陷会影响单板的视觉和机械性能,进而影响由单板制成的木制产品的质量,因此处理单板缺陷成为木材产品加工过程中非常重要的一环。研究者们进行了大量的相关研究,但主要集中在木材缺陷检测识别的方法,没有实现损失率最小化的目标,未真正有效提高木材利用率。本文研究基于对抗生成网络（GAN）的单板表面纹理重建的方法,通过生成器和判别器的对抗博弈训练模型,最终重建单板缺陷区域表面纹理。该
换道行为作为车辆驾驶的基本操作行为之一,车辆在执行过程中会对道路交通安全产生直接影响,因而近年来有关换道研究也逐渐成为交通和车辆领域内的热点。为了减少危险换道行为的发生,提前识别出换道行为的潜在风险尤为重要。本文基于换道执行机理的分析以及交通冲突特性的分析,提出了一种换道风险综合评估方法,该方法集成了换道行为识别模型和换道风险评估模型。针对换道行为风险评估的有效探索,这对于保障道路的行车安全、优化