如果核武器从“地道”攻击……

英国媒体称，目前，世界上有8个国家公开表示拥有核武器，但人们有理由怀疑一些国家私下拥有核武器或正尝试研发核武器。核走私早已成为令国际原子能机构头疼的问题。为应对可能由核武器主导战场而导致的战争，美国的媒体近日披露了一项由美国空军主导的攻击系统——“末日地铁”。与繁忙的民用地铁线路不同，“末日地铁”与数个发射井配合使用。无人驾驶的车辆将搭载核武器，随时准备接受攻击命令，将核武器由发射井发射升空。     

无末姿态要求下Reeds-Shepp车的最优路径导航

Reeds-Shepp路径的计算受末姿态的影响,无法直接在无末姿态要求的导航场景中应用。文章对Reeds-Shepp路径的规划应用进行研究,提出在无姿态要求下Reeds-Shepp车的最优路径导航方法,以及对应控制方案的生成规则。仿真数据证明了其在各种情形下的最优特性。利用该路径对导航方案进行设计能够有效降低自动驾驶车辆的行驶时间与运行成本,可广泛应用于军事工业以及民用的无人车、无人机、无人船等自动驾驶交通工具的导航系统,以实现控制其按最优路径行驶的目的。     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

苹果试水汽车：意在移动大产业链

近年来,坊间关于苹果造车的消息一直不绝于耳:从神秘测试车曝光到无人驾驶计划;从空壳公司绝密厂房到Titan智能电动车项目;从挖角奔驰北美研发中心总裁兼CEO约翰·诸维尔特到与宝马"眉目传情"……苹果造车的消息不断被?更有业内专家指出:苹果正加紧研制计划于2020年发售的电动汽车,或将与特斯拉、通用等厂商展开正面竞争。     

未来的学校

正哎呀,糟啦!已经7:50了,上学要迟到了,怎么办呢?哈哈,有办法了,打一个电话,学校就会专门派一架无人驾驶的直升飞机来接你。匆匆洗漱之后,直升机就来了,上面有个按钮写着"学校",只要你一按,五分钟后直升机就能到达学校。一进教室,轻松悦耳的音乐响了起来,给你带来一种轻松惬意的感觉。哇,教室的黑板不见了,已经改用电子白板了。如果老师写错了字,不用急,也不需要白板擦,只要老师拿出配套     

基于支持向量机的车辆换道决策模型研究

车辆换道行为是微观交通流中的典型驾驶行为之一。研究车辆换道决策模型,可以帮助无人驾驶车辆正确进行换道决策。以NGSIM数据集为依据,采用SG滤波器对NGSIM数据集进行平滑处理,筛选平滑处理后的数据得到训练集和测试集;选择影响车辆换道决策的7个因素作为模型输入,建立基于粒子群优化算法的支持向量机(PSO-SVM)车辆换道决策模型和标准支持向量机(标准SVM)车辆换道决策模型;对训练集和测试集进行归一化处理,利用归一化处理的数据进行模型的训练和测试。测试集数据分类验证结果表明,建立的PSO-SVM车辆换道决策模型的决策准确率为94.67%,相比于标准SVM车辆换道决策模型提高6%,能有效实现无人驾驶车辆的换道决策。     

考虑道路曲率的多约束高速无人驾驶汽车横向跟踪控制方法

为了提高模型预测控制(model predictive control, MPC)方法在高速无人驾驶汽车横向跟踪中的有效稳定控制,建立考虑横摆、侧滑和曲率等因素的高速车辆动力学模型,提出基于三次贝塞尔曲线的连续自适应分段拟合法以获取道路曲率,然后设计考虑车辆滑移稳定性约束、道路环境约束和轮胎纵横向耦合力约束,以车辆高速跟踪过程中的航向偏差、横向偏差以及滑移率等二次型最优为目标进行求解的MPC控制器。仿真案例基于MPC方法,搭建CarSim/SimuLink联合仿真模型,研究高附着路面恒定高速和低附着路面变速2种仿真工况。研究结果表明：车辆在恒定高速工况下以不同的车速在不同曲率的道路行驶时横向跟踪误差在0.6 m以内,优化的前轮转向角最大值为0.1 rad,横摆角速度-横向速度相平面也在包络线之内,车辆在大曲率路径跟踪时,平均横向跟踪误差0.221 9 m,平均横摆角速度为0.180 8 rad/s,较不考虑道路曲率/滑移稳定性约束的跟踪效果显著提升;低附着路面小曲率/大曲率路径变速工况下,车辆考虑轮胎耦合力的前轮转向角约束较未考虑时的横向跟踪误差显著减小(其中低附着路面小曲率路径工况的...     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

基于动态区域搜索框及K_Means聚类的三车道检测算法

为解决现有车道线检测方法在弯曲道路上识别准确率较差及Hough检测方法耗时较长的问题,提出一种基于动态搜索框及K-means聚类的三车道检测算法。首先,根据逆透视变换(IPM)将感兴趣区域内部转化成鸟瞰图的形式,利用大津法(OTSU)将单帧图像分成前景和背景两部分区域,然后,在图像底部规定区域内进行直方图分析,得到车道线基准点建立初始搜索框,并在其内部使用K-means算法聚类得到车道线候选点,根据建立的车道线直线模型迭代生成搜索框;最后,将得到的车道线候选点根据贝塞尔曲线对其进行拟合得到检测车道线。实验结果表明算法可以很好地检测车道线弯曲部分,算法单帧处理时间达到30 ms,在包含障碍干扰的路况下识别准确率为90. 1%。