论文部分内容阅读
自主循迹是实现无人驾驶的基础,也是智能车辆研究的核心技术。在无人驾驶系统中普遍采用GPS技术,利用差分GPS进行自主循迹具有定位精度高、成本低等优势。实现车辆自主循迹的核心内容包括如下三个方面:差分GPS与车辆状态信息的同步采集与存储;将采集的差分GPS信息及车辆行驶数据融合建模以形成目标轨迹;根据目标轨迹设计自主循迹算法实现智能车辆的自主行驶。本文研究的主要内容如下:(1)利用BD930接收机作为基准站接收机,BD982接收机作为流动站接收机对智能车辆的定位信号和航向信号进行采集。通过遍历相关指令中分隔符的个数对所需位置与姿态信息进行提取存储。对车辆的CAN报文进行解析,并建立两个线程以及设计相关算法对GPS数据与车辆状态信息进行匹配存储,得到GPS数据与车辆状态信息的同步存储表,从而保证GPS信息和车辆状态信息的同步关联。(2)采用高斯投影的方式对BD982接收机接收的定位数据进行坐标转换,并对转换后的数据进行建模。为满足GPS定位数据的连续性,本文在对比了最小二乘拟合法、Bezier曲线拟合法、B样条拟合法等经典方法后,决定采用B样条拟合法进行拟合得到车辆的运行轨迹。针对运行轨迹上的插值点并未关联车辆状态信息的问题,采用卡尔曼滤波法对运行轨迹曲线上各插值点的状态值进行准确预估,从而保证车辆行驶状态与GPS曲线的数据融合。(3)基于预瞄跟随模型,提出了一种新的预瞄点模型和求解预瞄点的循环迭代法,该模型保证了预瞄点选取的有效性。运用改进后的预瞄跟随模型,设计了无人驾驶状态下车辆的转向控制和速度控制的方法,进而实现车辆的自主循迹。(4)搭建了实车实验平台,进行了自主循迹的实车实验。通过自主循迹时车辆的运行轨迹与目标轨迹之间的对比,验证了本文提出的自主循迹算法的有效性。本文研究的成果在2017年中国智能汽车大赛中得到了应用验证,为本文所依托的国家自然基金重点项目的研究奠定了一定的基础。