基于多传感器数据融合的无人车避障导航研究

• 作 者: 张煜
• 出 处: 西安工业大学
• 发表日期: 2015年期
• 关键词: 多传感器数据融合 避障导航算法 无人车 A~*VFF 模糊神经网络

近年来工业领域科技的发展促使了高性能传感器的诞生,因而多传感器的数据融合技术被应用在了工业控制的各个领域。而汽车的快速普及、汽车电子行业的快速发展,使得无人车智能驾驶技术应运而生,然而无人车导航与避障是一项富有挑战性的研究工作,是人工智能和智能控制领域的研究热点。对多传感器数据融合技术、无人车避障导航算法进行了深入研究,结合无人车导航避障系统的应用需求,将多传感器数据融合技术应用于无人车避障导航控制系统中,改进了一种基于模糊神经网络的A*VFF避障导航算法,最后通过构建仿真实验平台,完成了无人车避障导航的仿真实验,在较为复杂的环境下为无人车规划出一条较优的路线,实现了无人车的自主导航及避障功能。首先,对基于多传感器数据融合的无人车避障导航课题的研究背景、研究意义、国内外发展的现状以及将来的发展趋势进行了详细介绍和说明,并重点分析了基于多传感器数据融合的避障导航的技术的优势。然后,从避障导航传感器的数学模型、避障导航传感器坐标转换、多传感器数据融合原理及多传感器数据融合算法等方面进行深入分析和研究。重点研究了联合卡尔曼数据融合和人工神经网络数据融合两种数据融合算法。对无人车避障导航进行分析,给出了无人车定位的概念,从全局避障导航算法和局部避障导航算法两个方面,对Dijkstra算法、A*启发式搜索算法、遗传算法和虚拟力场法进行了深入分析,给出了A*启发式搜索算法的仿真结果。针对局部避障导航算法,从遗传算法和虚拟力场法入手,分析研究了虚拟力场方法存在的几个问题及其局限性。最后,结合多传感器融合技术和避障导航算法,采用了一种基于模糊神经网络的A* VFF无人车避障导航方法,并通过构建仿真实验平台,对无人车避障导航进行模拟实验,进行相应分析。