空地協(xié)同下的全局路徑規(guī)劃方法.pdf

1、自主車(chē)輛在未知復(fù)雜環(huán)境下的自主導(dǎo)航已成為智能控制領(lǐng)域的研究熱點(diǎn)，然而自主車(chē)輛搭載的傳感器對(duì)大范圍環(huán)境信息的感知能力有限，無(wú)法獲取全局的環(huán)境信息，嚴(yán)重制約了自主車(chē)輛的自主導(dǎo)航能力。鑒于此，提出構(gòu)建空地協(xié)同系統(tǒng)，即借助無(wú)人機(jī)的空中優(yōu)勢(shì)，為自主車(chē)輛提供所需的大范圍環(huán)境信息，以彌補(bǔ)自主車(chē)輛的環(huán)境感知能力的不足，進(jìn)而保證和提高其自主導(dǎo)航能力。
　　針對(duì)無(wú)人機(jī)自身慣性對(duì)航向的影響，采用基于狀態(tài)預(yù)測(cè)的無(wú)人機(jī)航向控制方法。該方法可使無(wú)人機(jī)更好地跟

2、隨設(shè)定的航線，確保無(wú)人機(jī)對(duì)自主車(chē)輛所需全局環(huán)境實(shí)現(xiàn)更加有效的圖像采集。而后，利用SIFT圖像拼接算法對(duì)無(wú)人機(jī)采集的圖像序列進(jìn)行拼接，并通過(guò)RANSAC算法剔除圖像拼接過(guò)程中的誤匹配，從而完成自主車(chē)輛所需全局環(huán)境信息的構(gòu)建。在此基礎(chǔ)上，運(yùn)用K-means聚類分割和形態(tài)學(xué)算法對(duì)全局環(huán)境信息中的道路信息進(jìn)行提取，實(shí)驗(yàn)表明該方法可以實(shí)現(xiàn)對(duì)自主車(chē)輛所需全局環(huán)境中道路的精確提取。
　　路徑規(guī)劃是自主車(chē)輛實(shí)現(xiàn)自主導(dǎo)航的重要保證，本文針對(duì)自主車(chē)輛

3、常用路徑規(guī)劃算法所存在的局部極小、平滑性及安全性等問(wèn)題，提出引入 Fast Marching Square（FM2）算法對(duì)自主車(chē)輛進(jìn)行路徑規(guī)劃。實(shí)驗(yàn)表明，該算法能夠有效利用通過(guò)無(wú)人機(jī)采集的全局環(huán)境信息，從而得到一條適合自主車(chē)輛跟隨的全局最優(yōu)路徑。
　　本文的主要特色及創(chuàng)新包括：
　　1、針對(duì)地面移動(dòng)機(jī)器人自身傳感器的限制，提出構(gòu)建空地協(xié)同，借助無(wú)人機(jī)的空中優(yōu)勢(shì)，彌補(bǔ)無(wú)人駕駛車(chē)輛環(huán)境感知能力的不足。
　　2、提出基于Fa