喷浆机械手时间最优与脉动最优轨迹规划

为提高喷浆机械手的作业效率,减小机械手的振动,基于三次样条函数插值法,提出一种用于机械手的最优轨迹规划方法,对喷浆机械手轨迹进行规划.采用加权系数法定义目标函数,同时考虑关节速度、加速度、脉动以及动作时间等约束条件,使机械手运动过程中的动作时间和脉动在某种程度上达到综合最优.采用序列二次规划算法求解最优运动的时间,规划出满足要求的最优轨迹.研究结果表明:采用此方法对喷浆机械手进行轨迹规划是合理的和有效的;该方法可以解决时间最优轨迹脉动较大和脉动最优轨迹动作时间过长的问题,为非线性约束条件下机械手时间与脉动综合最优轨迹规划问题提供了一种解决方案.     

自主挖掘的时间最优轨迹规划

为了使挖掘轨迹更接近规划路径,提出一种新的挖掘机轨迹规划方法,即在关节空间内交叉使用三次插值多项式与五次插值多项式。其中三次多项式的系数仅通过关节角位移确定,利用五次插值多项式保证三次插值多项式轨迹之间的角速度、角加速度连续且整条轨迹首末角速度及角加速度为0。以某型液压挖掘机为例,分析其正运动学及工作空间,利用粒子群算法求解逆运动学的数值解。选取工作空间内的一条轨迹,以角速度、角加速度作为限定条件,采用活跃粒子群算法对插值时间进行优化,得到轨迹最短时间及关节最优角度曲线。在相同条件下与4-3-3-3-4多项式插值方法进行比较,最大误差减少26.1%,平均误差减少30.0%,结果表明交叉插值方法得到的末端曲线更贴合期望曲线,证明了有效性。     

基于超冗余度机械臂动力学的时间最优轨迹规划

基于超冗余度机械臂的动力学方程，提出了一种超冗余度机械臂同时受速度和力矩约束的时间最优轨迹规划方法，它首先采用B样条曲线拟合无碰撞墩散路径，得到由伪位移参数s表示的超冗余度机械臂连续，光滑运动路径，然后对动力学方程和约束方程进行数学变换，得到由s表示的动力学方程和约束方程，最后以s和伪速度s分别作为动态规划的阶段变量和状态变量，对超冗余度机械臂进行时间最优轨迹规划，仿真结果表明，所给出的时间最优轨迹规划算法是正确的，所采取的解决方法是可行的。     

自主车辆路径规划算法研究

在自主车辆的路径规划是否经过特定点的两种实际情况下,提出了不同的解决方案。当车辆不需要经过特定点时,引入A*算法,较传统算法将启发函数改为欧几里得函数(Euclidean Distance),并引入一个权值以降低启发函数的权重。当车辆需要经过特定点时,应用Hopfield神经网络思想优化算法,以达到理想的路径规划。仿真实验表明,改进后的算法使得路径规划寻优得到明显提高,并验证了算法的有效性。     

喷漆机器人喷枪最优轨迹规划的研究

研究了喷漆机器人枪最优轨迹的规划,该规则的目的是要确定一条命名得工件表面涂层厚度差异达到最小的喷枪最优轨迹。文中首先对喷枪最优轨迹规划问题建立了数学模型,然后确定了具体的算法,对工件表面为正方形平面的情况进行仿真,得出优化仿真结果,论证该方法的可毛,生最后分别对工件表面为圆锥面的情况和一般情况提出基本构想。     

基于可达性分析的网联自主车辆换道安全轨迹规划与仿真

为解决网联自主车辆在换道时前车向目标车道紧急变道所引发的交通安全问题。通过考虑车道线与道路边界约束以及网联自主车辆与障碍车辆的碰撞风险,建立了换道临界碰撞模型。综合考虑换道临界模型与多项式规划方法,规划带安全约束的换道轨迹。进一步为降低网联车辆紧急避障的反应时间,提高避让轨迹的动态响应效果,采用可达性分析方法搜索出安全区域,使用多项式规划安全避让轨迹。最后针对具体的实际交通场景,使用MATLAB对规划轨迹进行数值仿真分析,仿真结果表明换道轨迹满足安全性、舒适性以及换道效率的约束,所规划的避让轨迹在牺牲部分舒适性的前提下能够满足安全性的要求,降低车辆面对突发情况的安全风险。     

一种面向泊车场景智能车辆轨迹规划方法

局部轨迹规划是自主代客泊车系统的关键技术之一,在该场景下,现有智能车辆的局部轨迹规划方法存在规划耗时长、曲率不连续、安全性不足等问题.针对该类问题,提出一种面向泊车场景的智能车辆轨迹规划方法.该方法通过改进混合A^*算法的解析扩展以及引入风险函数,提升了初始路径搜索的实时性和安全性.进一步,结合初始路径以及二次规划方法实现路径平滑和速度规划,最终完成轨迹生成.仿真实验表明,所提方法能够提升智能车辆轨迹规划实时性、平滑性以及安全性,并且在实车试验上验证所提方法在实际泊车场景的可行性.     

高速并联机械手抓放操作时间最优轨迹规划

提出了一种两平动自由度高速并联机械手——Diamond机构的时间最优轨迹规划方法．首先分析得到3次样条规律的操作空间轨迹误差与关节空间插扑节点间距的4次方成正比，然后确定出典型抓放操作轨迹各段的最大插补间距并获得抓放轨迹上一组最少轨迹点序列，有效提高了计算效率。 在此基础上，以关节速度、加速度和其变化率，以及关节驱动转矩为约束条件，以抓放时间最短为目标，采用复合型优化法计算出电池分选操作的最大和最小单程运行时间分别为0．21S和0．13S，平均分选速度超过100次／min。该方法已成功应用于由4台Diamond机械手构成的高性能锂离子电池分选系统。     

一种新的机器人轨迹规划方法

本文针对机器人最小时间轨迹规划问题提出了一种二次规划的优化方法，根据轨迹作预规划，在经基础上用机器人关节速度及驱动务矩的约束条件作修正规划，得到了最小时间轨迹的优化解。该规划方法简单实用，对跟踪路径无特殊要求。     

笛卡儿空间机器人轨迹规划方法

提出了笛卡儿空间机器人连续路径(CP)轨迹规划方法,移动轨迹在笛卡儿坐标系中由1组参数方程说明.时间间隔[0,T]分为m段,在每个时间段,多项式的系数可以用递归的形式求出.     

基于Transformer的自动驾驶交互感知轨迹预测

针对自动驾驶运动规划中预测周围交通参与者(如车辆、自行车、行人)未来轨迹的问题,提出了一个基于Transformer的轨迹预测模型(Trajectory Prediction Transformer,TPT)来帮助自动驾驶车辆预测周围交通参与者的未来运动轨迹。首先,为了有效地考虑交通参与者和交通环境之间的交互信息,将交通参与者建模为交通智能体。并将交通智能体的历史运动轨迹和周围交通环境信息编码为多通道图,作为模型的输入。然后,利用改进的Transformer对交通环境进行建模,并捕捉交通智能体与交通环境之间值得关注的交互信息,预测其未来运动轨迹。最后,在大规模自动驾驶数据集Lyft进行的实验表明,TPT模型能够在不同预测时长下取得优于其他对比模型的预测结果,且用时更短。     

面向自动驾驶的驾驶环境视觉感知复杂度量化评估方法

为优选自动驾驶汽车开放测试、示范道路并支撑其驾驶环境的优化,提出面向自动驾驶的驾驶环境视觉感知复杂度量化评估方法。以百度街景地图作为驾驶环境数据源,运用脚本文件以及截图工具PicPick搭建自动化街景图像数据提取平台,并在不同区域、不同道路等级下采集上海市50条典型道路的驾驶环境数据;从行人、交通标志、交通标线、红绿灯、车辆5方面出发,构建驾驶环境要素感知平台,并开展感知精度的量化评估;在单要素感知准确率的基础上,采用熵权法确定多维感知要素权重,计算各道路综合感知准确率,并应用轮廓系数法与K-means++聚类算法进行视觉感知复杂度分级。结果表明,上海市典型道路的驾驶环境视觉感知复杂度分为三级,大部分道路的视觉感知复杂度属于2级;对比不同等级道路发现,支路的视觉感知复杂度总体上低于主干路。     

机器人yoyo轨迹规划与控制

以机器人yoyo运动控制为例,提出了一种针对周期性动态系统进行轨迹规划的通用方法.把yoyo达到底端时机器人机械臂的高度作为中间状态,通过逐个循环逐个阶段求解该最优问题,可得机器人的参考轨迹和名义控制,同时也可以得到被控对象相应的返回映射.该方法也可用于其他类似的周期性动态系统.     

多车环境下智能货车的紧急转向决策及轨迹规划

决策与规划是实现自动驾驶的关键技术,针对自动驾驶货车在紧急转向避障时需要考虑换道时目标车道的安全性和规划出最优避障轨迹的问题,采用将换道时左右车道上的车辆与自车的相对距离和换道的最小安全距离的差值分别建立模糊关系的方法,通过比较模糊规则推理设计的安全值,选择更安全的车道进行转向避障,为了迅速规划出最优避障轨迹,采用三阶贝塞尔曲线,通过设计4个控制点坐标形成避障曲线,为了防止转向时横向加速度过大导致货车发生侧翻和速度过快与前车发生碰撞,设计车辆的稳定性边界和碰撞边界对控制点进行约束,使用MATLAB中的函数求解出不同车速下的最优换道轨迹,最后使用仿真软件进行仿真验证,结果表明设计出的避障决策和轨迹规划可以安全、有效地避开障碍。     

高速公路弯道换道决策及运动规划优化

弯道换道决策及运动规划算法主要影响自动驾驶汽车的安全性和操纵稳定性。针对高速公路弯道换道场景决策的安全性和行驶效率不够高的问题,提出新的基于主车相对前车的驾驶不满意度的决策算法。为了提高运动规划算法实时性,采用路径-速度解耦框架进行主车换道轨迹规划。对于路径规划,选择五次多项式曲线,采用考虑安全、舒适和高效性的4个换道路径评价指标,实现最优路径规划。对于速度规划,结合动态规划与二次规划优化获取平滑速度规划曲线。仿真结果表明基于驾驶不满意度的换道决策模型能选择更高效和安全的行驶方式。在典型的主车换道场景,主车最大质心侧偏角,最大横摆角速度的数值均小,表明换道轨迹规划算法能确保主车换道的安全性和操纵稳定性。     

面向自动驾驶的多模态信息融合动态目标识别

研究提出一种面向自动驾驶的多模态信息融合的目标识别方法,旨在解决自动驾驶环境下车辆和行人检测问题。该方法首先对ResNet50网络进行改进,引入基于空间注意力机制和混合空洞卷积,通过选择核卷积替换部分卷积层,使网络能够根据特征尺寸动态调整感受野的大小;然后,卷积层中使用锯齿状混合空洞卷积,捕获多尺度上下文信息,提高网络特征提取能力。改用GIoU损失函数替代YOLOv3中的定位损失函数,GIoU损失函数在实际应用中具有较好操作性;最后,提出了基于数据融合的人车目标分类识别算法,有效提高目标检测的准确率。实验结果表明,该方法与OFTNet、VoxelNet和FasterRCNN网络相比,在mAP指标白天提升幅度最高可达0.05,晚上可达0.09,收敛效果好。     

考虑交互轨迹预测的自动驾驶运动规划算法

针对自动驾驶汽车运动规划中预测周围交通态势的问题,提出一种考虑周围车辆间交互轨迹预测的运动规划算法.首先,针对结构化道路信息,构建改进社会力模型,对自动驾驶汽车周围的车辆行驶轨迹进行预测.其次,在Frenet坐标系下采样生成轨迹集合,将轨迹集合和预测轨迹投影到时空占用图上,计算投影点之间的最短距离进行碰撞检查,并结合加速度、曲率检查对轨迹进行筛选以得到候选轨迹.然后,构建代价函数对筛选过的候选轨迹进行评估得到最优运动轨迹.最后,不同行驶场景中的仿真结果表明,该运动规划算法能提前决策驾驶行为,规划出的速度曲线更加平稳,运动轨迹的安全性、舒适性和行驶效率更高.     

自动驾驶自动紧急制动关键场景测试案例提取研究

为提取自动驾驶自动紧急制动(autonomous emergency braking system,AEB)关键场景测试案例,依据不同抽象程度依次重构符合自然驾驶规律的功能场景、逻辑场景、具体场景,进而对AEB系统展开测试并求解其关键场景。从自然驾驶数据集NGSIM筛选出车辆跟随实例构建出功能场景,基于场景要素构建功能场景,提取出该场景的关键字要素,采用高斯混合模型拟合自然驾驶数据,获得具有概率密度分布的逻辑场景,基于Gibbs抽样的蒙特卡洛方法生成具体测试实例,并通过重要性抽样方法生成关键场景。最后对生成到的关键场景聚类加速场景生成,并对其AEB系统在Prescan仿真软件进行测试。结果表明,AEB系统可对生成的关键场景实现避免碰撞。     

基于SegNet的非结构道路可行驶区域语义分割

为了增强自动驾驶车辆对非结构化道路中可行驶区域的场景理解能力,基于SegNet深度学习网络结构,提出了一种针对非结构道路的可行驶区域语义分割方法。在传统的卷积神经网络基础上,构建编码-解码深度卷积神经网络,用于自动习得图片中非结构化道路的特征,通过在数据集上进行训练和学习,得到图像语义分割模型,可直接用该模型预测非结构道路中的可行驶区域,实现自动驾驶车辆在非结构道路中行驶时的环境感知。实验结果表明,研究方法分割效果和精确度提升明显,Dice相似度和Jaccard相似系数均可达80%以上。     

机械手圆周运动的轨迹规划与实现

研究机器人跟踪由任意不共线空间三点所决定的外接圆曲线,提出了机器人圆周运动的一种笛卡尔空间的轨迹规划方法.该方法通过坐标变化将三维空间内的圆周轨迹规划问题简化到二维平面上进行研究,由此简化了轨迹规划问题;为了保证机器人圆周运动较好的插补精度和圆周轮廓,提出了一种可控插补精度的圆周插补算法.根据坐标变化以及插补算法给出了轨迹规划的算法步骤,将该规划方法用于微操作机械手,完成了机械手的圆周涂胶作业,实际应用表明该方法能够满足实时性和精度指标要求.