基于組合定位技術的多智能車輛合作編隊仿真技術研究.pdf

1、在當今智能車研發(fā)領域，多智能車通過個體間的相互協(xié)作可以完成單一智能車無法完成的復雜任務，其中多智能車編隊技術是多智能車系統(tǒng)的一個重要研究方向。智能車在執(zhí)行一些復雜任務過程中，如安全巡邏、護衛(wèi)等，保持某種隊形具有重要意義。因此，在研究編隊控制中如何讓智能車根據(jù)要完成的目標，形成指定的隊形，具有重要的理論研究意義和實用價值。其中定位技術是編隊的基礎和關鍵技術之一。全球定位系統(tǒng)GPS（Global Position System）長期誤差小，

2、但短時誤差較大，航位推算DR(DeadReckoning)系統(tǒng)短期精度好，但長期精度較差，存在誤差漂移。車載GPS-DR組合定位技術可以通過數(shù)據(jù)融合提供高精度和高頻率以及高可靠性的定位數(shù)據(jù)。但由于使用GPS的局限性，本文通過將視覺數(shù)據(jù)和激光測距數(shù)據(jù)引入到GPS-DR組合定位技術中，研究出了一種新的組合定位方法，其基本思想是利用視覺傳感器和激光測距傳感器感知環(huán)境創(chuàng)建環(huán)境地圖、建立避障路徑規(guī)劃、進行GPS/DR定位，利用已經(jīng)創(chuàng)建的環(huán)境地圖校

3、正基于運動模型的車輛位姿估計誤差，提高定位精度;同時根據(jù)車輛可靠的位姿，創(chuàng)建出精度更高的地圖。
　　本文在傳統(tǒng)的組合定位基礎上，提出了一種基于迭代測量更新的中心差分粒子濾波器算法來代替其中的擴展卡爾曼濾波器(EKF)，并迭代融合新的觀測數(shù)據(jù)使提議分布更加接近后驗概率分布，而能夠精確估計智能車輛的位姿，進而更新特征地圖的位置。該算法在保證車輛定位精度的同時減少了計算的復雜度，提高了系統(tǒng)的估計性能，增加了迭代算法的穩(wěn)定性。仿真實驗的結(jié)

4、果驗證了方法的有效性。本文所提出的方法為智能車輛在室外未知環(huán)境下的定位與地圖創(chuàng)建提供了一種新思路。
　　本文針對傳統(tǒng)合同網(wǎng)協(xié)議在多智能車編隊領域中動態(tài)多任務分配問題時開銷大、速度慢、無法適應環(huán)境的動態(tài)變化等缺點，通過對Agent的能力進行量化描述，綜合了Agent的性格特征、他信度和熟人度，并利用CBR技術對投標對象進行了限制，利用虛擬Leader為編隊車輛設計所需要的目標點，并采用匈牙利算法將這些目標點最優(yōu)分配給各個編隊車輛，通