|
|
人机协同控制系统下的势场驱动模型预测控制器参数效应研究
论文作者:Mingjun Li, Chao Jiang, Xiaolin Song & Haotian Cao
|
|
|
本文研究了势场驱动的模型预测控制方法(PF-MPC)在避障期间共享控制系统中的参数影响。文中构建了势场和模型预测控制方法,设计了一个具有自主驾驶和共享控制功能的PF-MPC控制器,其中考虑了驾驶员-车辆动力学和驾驶员相关因素。通过调整势场参数,探索了PF-MPC控制器的不同运动规划结果,以期减少驾驶员-自动驾驶冲突。此外,还通过两个案例研究,讨论了不同框架和参数对共享控制系统的影响。研究结果表明,与单独的控制框架相比,考虑了驾驶员-车辆动态和驾驶员相关因素的共享控制框架在驾驶员-自动驾驶冲突管理和驾驶安全方面表现得更好。此外,在共享控制系统中,潜在场参数中的纵向归一化常数会影响驾驶员与自动驾驶系统之间的冲突管理和驾驶安全性能。
|
|
关键词:PF-MPC方法,势场,参数效应,驾驶员与自动驾驶冲突
本文是湖南大学姜潮教授团队开展的研究,引用词条如下:
Li, M., Jiang, C., Song, X. et al.: Parameter effects of the potential-field-driven model predictive controller for shared control. Automot. Innov. 6(1), 48–61 (2023)
|
|
阅读全文>>
|
|
|
|
聚类算法综述及其在车辆系统中的应用
论文作者:Caizhi Zhang, Weifeng Huang, Tong Niu, Zhitao Liu, Guofa Li & Dongpu Cao
|
|
|
本文是关于聚类的综述,阐述了聚类的概念和原理。聚类是一种无监督的学习技术,通过根据相似性措施将信息(观察值或数据集)分组。对传统和现代聚类算法进行了总结,介绍了20种传统算法和4种现代算法的原理、优点和缺点。同时,还介绍了聚类的核心要素,如相似度量和评价指标,并介绍了聚类算法在车辆中的一些具体应用,以及大数据时代聚类的未来发展。本文旨在帮助读者了解各种聚类算法,尤其是在车辆工程领域的应用。
|
|
关键词:无监督学习,聚类,相似性测量,车辆
本文是重庆大学张财志团队研究成果,引用词条如下:
Zhang, C., Huang, W., Niu, T. et al.: Review of clustering technology and its application in coordinating vehicle subsystems. Automot. Innov. 6(1), 89–115 (2023)
|
|
阅读全文>>
|
|
|
|
基于密度的道路分割算法在路侧激光雷达采集点云中的应用
论文作者:Yang He, Lisheng Jin, Baicang Guo, Zhen Huo, Huanhuan Wang & Qiukun Jin
|
|
|
本文提出了一种基于密度的道路分割算法,该算法可以从路侧激光雷达(LiDAR)采集的点云数据中实时提取地面点云。首先,通过对原始点云数据进行滤波和栅格化处理,以提高算法的实时性能。然后,计算点云在水平面上的密度,并根据密度统计直方图和95%的位点,选择密度的阈值来提取低密度区域点云。最后,将低密度区域点云作为初始地面种子进行地面参数迭代优化,通过拟合地面模型提取地面点云,实现道路点云提取。在真实场景中采集的1055帧连续数据的试验结果表明,所提方法的平均耗时为0.11 s,平均分割精度为92.48%。这表明,基于密度的道路分割算法可以减少地面参数拟合过程中的点云遍历时间,在保证地面提取精度的前提下提高算法的实时性。
|
|
关键词:智能交通系统,点云分割,地面提取,点云密度
本文是金立生教授团队研究成果,引用词条如下:
He, Y., Jin, L., Guo, B. et al.: Density-based road segmentation algorithm for point cloud collected by roadside LiDAR. Automot. Innov. 6(1), 116–130 (2023)
|
|
阅读全文>>
|
|
|