详情

原文传递无人驾驶系统的多目标跟踪与车辆转向控制研究

论文题名：	无人驾驶系统的多目标跟踪与车辆转向控制研究
关键词：	无人驾驶系统;多目标跟踪;线控转向;容错控制
摘要：	随着人们生活水平的日益提高和汽车产业的迅猛发展，汽车数量在不断增加，随之而来的交通事故也频频发生，其中大部分交通事故是由于驾驶员操作不当导致。无人驾驶系统的研究目的是取代驾驶员的功能，将驾驶员从车辆驾驶这一危险且枯燥的行为中解脱出来，并减少交通事故发生的可能性。多目标跟踪与车辆线控转向作为无人驾驶系统的重要组成部分，可以使无人驾驶汽车在检测与跟踪车辆周围目标的同时获取目标的轨迹，并对目标下一步的运动进行预测，无人驾驶汽车根据目标轨迹规划行车轨迹，并在必要时按照行车轨迹的期望转角转向，以保证安全行驶。因此，深入研究无人驾驶系统的多目标跟踪与线控转向技术具有重要的理论意义及应用价值。　　实践证明，DeepSort算法与滑模控制分别是解决多目标跟踪与线控转向问题的有效手段。但是如何提高多目标跟踪的性能，改善跟踪过程中目标ID(Identity)发生变化的问题，以及保证车辆转向控制的准确性和转向动力传递的可靠性成为了有待深入研究和解决的问题。本文对无人驾驶系统的多目标跟踪与车辆线控转向控制进行研究，取得了如下成果: 　　(1)多目标跟踪对输入的实时性与精度要求较高，针对此问题，本文的目标检测器采用YOLOv4网络，其具有检测精度高、检测速度快的特点。使用数据集对基于YOLOv4网络的目标检测器进行训练，训练与测试结果表明该目标检测器能够满足预期的性能要求。　　(2)针对传统DeepSort算法在跟踪过程中目标ID变化的问题，本文利用卡尔曼平滑算法对目标估计轨迹进行修正;加入目标相对运动网络模型对被遮挡的目标进行处理;使用SIOA(SumofIntersectionoverTargetArea)匹配算法替代IOU(IntersectionoverUnion)匹配算法提高匹配的性能;在MOT16数据集上进行跟踪性能测试,结果表明改进的DeepSort算法改善了目标ID变化的问题，提升了跟踪性能。最后在校园中进行多目标跟踪实验，结果证明改进的DeepSort算法具有较好的跟踪性能和实用性。　　(3)根据跟踪目标的轨迹及其运动预测结果，本文利用人工势场法规划得到行车参考轨迹，并设计滑模控制方法使车辆按照参考轨迹的期望角度转向。此外，针对基于车辆线控转向系统动力学构造的控制方法在实际应用中难以获取满意的控制性能的问题,本文设计了自适应模糊高阶滑模控制策略，利用模糊逻辑系统逼近线控转向系统函数,利用高阶滑模技术有效衰减了抖振现象。通过李亚普诺夫稳定性分析以及仿真与实验对比证明了本文设计的自适应模糊高阶滑模控制方法在无人驾驶汽车线控转向中应用的合理性与优越性。　　(4)当执行器发生故障时，转向电机在期望转向角上不能产生足够的转矩驱动前轮。针对此问题，本文设计了基于自适应滑模的容错控制器，采用自适应模糊系统逼近线控转向系统的摩擦力矩和回转力矩，通过滑模控制的鲁棒项，减小了执行器故障、建模误差、外部扰动对控制性能的负面影响，此外，滑模控制的不连续切换函数只出现在控制信号的时间导数上，消除了抖振现象，在设计控制器时不再需要增加滑模变量的高阶时间导数。通过理论分析证明了所设计的方法能够实现线控转向系统的稳定。最后通过仿真和实验证明了该方法的有效性和实用性。
作者：	毕铭泽
专业：	车辆工程
导师：	王永富
授予学位：	硕士
授予学位单位：	东北大学
学位年度：	2021