基于Dubins路径的智能车辆路径规划算法

路径规划是车辆智能化的核心问题之一,而所有路径均可分解为简单的Dubins路径。在Dubins路径的思想下对智能车辆的行驶路径进行分段研究,并利用经典PID控制对该算法的执行性能进行检验。研究表明:算法能计算出车辆行驶的最短路径,减少了车辆行驶的路径长度,缩短了行驶时间,减少了控制系统的计算量,提高了车辆执行系统的执行力度,降低了执行误差,对最优路径具有较好的选择性。     

智能车自主导航的神经网络转向控制算法

针对智能车模型,提出了基于机器视觉的神经网络转向控制算法.该算法的输入为一张道路图的黑线位置值,输出为前轮转角.试验结果表明,这种算法能够很好地学习操作员给定的控制策略,具有较好的稳定性和鲁棒性.     

基于混合算法的局部路径规划

人工势场法是一种常用的具有算法简单和便于实时控制的局部路径规划方法,但存在容易产生局部极小值的问题。基于模糊逻辑的局部路径规划法具有环境适应性强等优点,它在连续论域内采用模糊路径规划时,计算量比较大。提出了一种将人工势场法和模糊逻辑法相结合进行局部路径规划的混合算法。具体方法是在一般情况下采用人工势场法进行局部路径规划,当产生局部极小值时,采用模糊逻辑法进行局部路径规划。仿真结果表明,该方法能有效地解决局部极小值问题,给智能车规划出光滑的路径。