IMM算法在车辆机动目标跟踪中的应用

针对高速公路车辆的机动目标跟踪问题,采用交互多模型算法(IMM)中的2个模型分别表示车辆的匀速运动状态和匀加速运动状态,并结合目标运动模型对目标当前加速度和其方差进行蒙特卡洛仿真.仿真结果表明该算法不仅可以在匀速运动时将关键测量噪声减低,而且在机动模型中保证状态估计量比未滤波的雷达测量值精确,同时可以对运动模型进行准确的识别,从而改善路面机动目标的跟踪性能,提高车辆的安全性和可靠性.因此,交互多模型算法可以满足高速车辆机动目标跟踪的要求.     

智能车辆避障路径规划方法研究

为解决车辆在避障时由于路径曲率不连续易发生原地转向的问题，该文对比探究智能车辆避障路径规划方法，开展了五次贝塞尔曲线、三次贝塞尔曲线、五次样条曲线和三次样条曲线避障路径研究。首先，确定控制点分别拟合出五次贝塞尔曲线、三次贝塞尔曲线、五次样条曲线和三次样条曲线的避障路径；其次，采用Matlab和Carsim联合仿真分析的方法对该四种避障路径的曲率进行对比分析；最后，基于无人驾驶平台，采用纯跟踪预瞄模型开展实车试验，以此探究四种避障路径的工程实用性。结果表明：采用样条曲线和贝塞尔曲线进行避障规划，车辆的横向超调量为0;相比于三次曲线避障方法，五次曲线避障方法所规划的路径曲率更连续；相比于样条曲线避障方法，贝塞尔曲线避障方法车辆的转向更稳定。