原文传递
基于组合定位技术的多智能车辆合作编队仿真技术研究
| 论文题名： | 基于组合定位技术的多智能车辆合作编队仿真技术研究 |
| 关键词： | 智能车辆;编队控制;中心差分粒子滤波器算法;合同网协议;全球定位系统;航位推算系统;组合定位 |
| 摘要： | 在当今智能车研发领域，多智能车通过个体间的相互协作可以完成单一智能车无法完成的复杂任务，其中多智能车编队技术是多智能车系统的一个重要研究方向。智能车在执行一些复杂任务过程中，如安全巡逻、护卫等，保持某种队形具有重要意义。因此，在研究编队控制中如何让智能车根据要完成的目标，形成指定的队形，具有重要的理论研究意义和实用价值。其中定位技术是编队的基础和关键技术之一。全球定位系统GPS（Global Position System）长期误差小，但短时误差较大，航位推算DR(DeadReckoning)系统短期精度好，但长期精度较差，存在误差漂移。车载GPS-DR组合定位技术可以通过数据融合提供高精度和高频率以及高可靠性的定位数据。但由于使用GPS的局限性，本文通过将视觉数据和激光测距数据引入到GPS-DR组合定位技术中，研究出了一种新的组合定位方法，其基本思想是利用视觉传感器和激光测距传感器感知环境创建环境地图、建立避障路径规划、进行GPS/DR定位，利用已经创建的环境地图校正基于运动模型的车辆位姿估计误差，提高定位精度;同时根据车辆可靠的位姿，创建出精度更高的地图。 本文在传统的组合定位基础上，提出了一种基于迭代测量更新的中心差分粒子滤波器算法来代替其中的扩展卡尔曼滤波器(EKF)，并迭代融合新的观测数据使提议分布更加接近后验概率分布，而能够精确估计智能车辆的位姿，进而更新特征地图的位置。该算法在保证车辆定位精度的同时减少了计算的复杂度，提高了系统的估计性能，增加了迭代算法的稳定性。仿真实验的结果验证了方法的有效性。本文所提出的方法为智能车辆在室外未知环境下的定位与地图创建提供了一种新思路。 本文针对传统合同网协议在多智能车编队领域中动态多任务分配问题时开销大、速度慢、无法适应环境的动态变化等缺点，通过对Agent的能力进行量化描述，综合了Agent的性格特征、他信度和熟人度，并利用CBR技术对投标对象进行了限制，利用虚拟Leader为编队车辆设计所需要的目标点，并采用匈牙利算法将这些目标点最优分配给各个编队车辆，通过将社会势场力作为MotorScheme的一种行为，设计了动态环境下基于拍卖理论的多智能车辆合作编队控制方法，实现了多个智能车之间采用合适的策略协调合作形成各种不同的编队队形，并且在所设计的多智能车协作编队仿真系统平台上进行了验证与分析。 仿真实验证明了本文所提算法的可行性和有效性。 |
| 作者： | 钱臻 |
| 专业： | 载运工具运用工程 |
| 导师： | 齐英杰 |
| 授予学位： | 博士 |
| 授予学位单位： | 东北林业大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
