摘要：自主定位是自动驾驶车辆的一项基本能力,全球导航卫星系统(GNSS)可在开阔环境提供定位解决方案,然而在封闭园区环境如港口或工业园区等,高密度的植被和建筑等环境因素会导致GNSS信号不稳定,从而影响定位精度,对自动驾驶系统的安全造成严重威胁。为解决这一问题,本文中提出融合激光雷达(LiDAR)和惯性测量单元(IMU)的自动驾驶定位方法,通过引入车辆运动学模型以约束车辆位姿优化方向,同时采用模块化设计思路构建系统残差并基于紧耦合方法联合优化获得车辆准确位姿。试验结果表明,所提出的方法能够提高弱GNSS信号环境中自动驾驶车辆的定位精度和鲁棒性。

摘要：提出了一种联网智能车运动学仿真基础环境构建方法,该方法无需任何第三方交通仿真软件的协助,能够实现对联网智能车运动学相关功能的仿真验证.采用交叉口节点作为路网关键元素实现对仿真路网的描述,定义了交叉口和车辆属性,设计了车辆运动学模型在仿真环境中的实现方法,给出了基于高斯分布的车辆定位误差、基于平均分布和Rayleigh分布的通信延误在仿真中的运行机制,构建了仿真环境.仿真结果表明:该方法可靠性好;采用该方法构建的仿真环境得到的车辆延误与HCM 1994车辆延误模型结果保持一致;在危险跟驰预警场景中,预警时刻两车间距的变化规律与论文提出的定位误差模型和通信延误模型保持一致.最后,通过对交叉口车辆间隙控制方法进行仿真,进一步证明了该方法对联网智能车运动学方面功能验证的支持.

摘要：车辆弯道保持控制在实现车辆的智能控制中具有重要的作用,其运动过程受车载、路况、车体运动状态、环境变化等诸多因素影响,这使得基于模型的控制方法很难达到期望控制效果,无法获得良好的控制性能。针对车辆弯道保持控制和传统模型控制的特点,采用无模型自适应控制方法(Model-Free Adaptive Control,简称MFAC)对车辆的弯道保持控制进行研究,通过分析车辆运动状态,构建车辆动态目标位置模型,基于MFAC实现车辆弯道保持控制器的设计。仿真结果验证,较需人工整定的PID方法,采用MFAC控制方法对车辆弯道保持系统进行轨迹跟踪控制,能够获得更好的控制性能,泛化能力更强,参数调节难度更低。