科学研究

科学研究

 

1. 无人驾驶车辆自主定位、路径规划算法研究

 

环境感知中的定位系统是实现无人驾驶车辆自主运行的基本条件之一,高精度的定位结果决定着车辆在环境中的位置,为决策规划系统提供关键信息,例如计算障碍物的位置和提供全局路径信息。

 

基于双层2D地图的智能车辆自主定位算法研究

 

路沿作为道路的固有特征之一,它的空间特征不易受到诸如天气光照等因素的影响。此外,城市环境中普遍存在路沿。因此,首先将路沿作为定位特征,利用路沿检测算法获取路面的显著特征路沿;其次从3D点云截取2D截面来建立顶层地图,包含环境主要特征;然后利用惯性元件(IMU)测量的车辆动态参数(速度和角速度)融合多帧激光点云数据,将多帧最新的历史数据转换到当前车辆坐标系下,获得车辆周围丰富的环境轮廓;最后利用蒙特卡洛定位算法获得车辆定位信息。

 

基于车辆模型的视觉ORB-SLAM 算法研究

 

地下车库等室内场景经常存在GPS卫星信号较差甚至丢失的情况,传统卫星定位算法应用范围受到约束。提出基于车辆模型的单目视SLAM,融合了车辆模型与视觉传感器信息,并用二维码提升原算法的精度。该算法能够使无人驾驶车辆在GPS丢失、低光照以及少特征的车库和隧道中正常工作。

 

 

 

无人驾驶车辆路径规划算法研究

 

考虑给定参考路径被障碍物占据的情况,设计无人驾驶车辆路径规划算法,使得无人驾驶车辆在跟踪给定路径的同时,在有障碍情况下实时规划新的局部路径。通过定位系统记录得到全局路径,跟踪全局规划层输出的参考轨迹,同时基于输入的环境信息,有效地避开障碍物。

 


2. 无线传感器网络滤波技术

 

考虑网络诱导时滞、数据包丢失、网络受到欺骗攻击等情况,设计有效的滤波器以抵御攻击信号,获得有效地滤波信号。考虑传感器能量消耗,引入事件触发机制,能够在保证估计效果的前提下有效地节省传感器的能量,延长传感器的使用寿命,实现目标定位。

 

3. 多智能体系统协同控制

 

多智能体系统在单个层面上只需要每个智能体具有较简单的传感、计算和通信能力,在群体层面需要智能体之间相互协调配合实现各种复杂、危险或高精度的任务,衍生出如编队控制、一致性控制、聚散控制等相关问题。对于同一项复杂任务,单个智能体功能失效不会影响整体任务的完成;多智能体系统能为实际中大规模且个体之间关系复杂的系统提供现成的建模方式;研究多智能体协同控制算法,并应用于多机器人编队、智慧交通系统、分布式微电网系统等情景。

 

版权所有:同济大学智能车辆与多智能体协同控制实验室
地址:上海市嘉定区曹安公路4800号同济大学电子与信息工程学院 邮编:201804