智能駕駛汽車規(guī)劃控制算法及仿真應(yīng)用

目錄
**部分 基礎(chǔ)知識篇
第1章 緒論 3
1.1 智能駕駛汽車概述 3
1.1.1 智能駕駛汽車的發(fā)展 3
1.1.2 智能駕駛汽車分級 4
1.1.3 智能駕駛汽車關(guān)鍵技術(shù) 4
1.2 規(guī)劃決策系統(tǒng)概述 6
1.2.1 術(shù)語概念 6
1.2.2 全局路徑規(guī)劃 9
1.2.3 局部路徑規(guī)劃 11
1.2.4 速度規(guī)劃 13
1.3 控制執(zhí)行系統(tǒng)概述 13
1.3.1 橫向控制與縱向控制 13
1.3.2 路徑跟蹤控制與軌跡跟蹤控制 14
1.3.3 分層控制 14
1.3.4 反饋控制 14
第2章 MATLAB基礎(chǔ)操作指南 16
2.1 MATLAB編程技巧 16
2.1.1 數(shù)據(jù)類型的選擇 16
2.1.2 矩陣操作技巧 18
2.1.3 MATLAB常用庫函數(shù) 19
2.2 MATLAB自動駕駛工具箱 20
2.2.1 駕駛場景設(shè)計器 21
2.2.2 自動駕駛函數(shù)庫 22
2.2.3 自動駕駛場景案例 23
第二部分 全局路徑規(guī)劃算法篇
第3章 基于拓?fù)鋱D的全局路徑規(guī)劃算法 29
3.1 術(shù)語概念 29
3.1.1 算法的復(fù)雜度 29
3.1.2 拓?fù)鋱D簡介 30
3.1.3 廣度優(yōu)先搜索和深度優(yōu)先搜索 31
3.2 Dijkstra算法 34
3.2.1 Dijkstra算法簡介 34
3.2.2 偽代碼及分析 35
3.2.3 案例精講 36
3.2.4 MATLAB仿真 37
3.3 Floyd算法 39
3.3.1 Floyd算法簡介 39
3.3.2 偽代碼及分析 40
3.3.3 案例精講 41
3.3.4 MATLAB仿真 43
3.4 基于拓?fù)鋱D的路徑規(guī)劃實戰(zhàn)案例 44
3.4.1 路段行程時間的周期相似性 44
3.4.2 傳統(tǒng)路徑規(guī)劃思想的缺陷 45
3.4.3 路網(wǎng)建模仿真及數(shù)據(jù)庫建立 47
3.4.4 動態(tài)路網(wǎng)的全局*優(yōu)路徑規(guī)劃思想 49
3.4.5 全局*優(yōu)路徑規(guī)劃思想的仿真試驗驗證 51
第4章 基于柵格圖的全局路徑規(guī)劃算法 54
4.1 術(shù)語概念 54
4.1.1 柵格圖簡介 54
4.1.2 啟發(fā)式搜索和增量式搜索 56
4.2 A*算法 56
4.2.1 A*算法簡介 56
4.2.2 偽代碼及分析 56
4.2.3 案例精講 58
4.2.4 MATLAB仿真 60
4.3 D*算法 65
4.3.1 D*算法簡介 65
4.3.2 偽代碼及分析 65
4.3.3 案例精講 68
4.3.4 MATLAB仿真 69
4.4 LPA*算法 71
4.4.1 LPA*算法簡介 71
4.4.2 偽代碼及分析 72
4.4.3 案例精講 74
4.4.4 MATLAB仿真 76
4.5 D*Lite算法 78
4.5.1 D*Lite算法簡介 78
4.5.2 偽代碼及分析 79
4.5.3 案例精講 82
4.5.4 MATLAB仿真 84
4.6 四種柵格圖路徑規(guī)劃算法對比分析 86
第5章 基于采樣的全局路徑規(guī)劃算法 88
5.1 術(shù)語概念 88
5.1.1 采樣算法 88
5.1.2 算法的完備性與*優(yōu)性 88
5.1.3 路徑與障礙物的碰撞檢測方法 89
5.2 PRM算法 92
5.2.1 PRM算法簡介 92
5.2.2 偽代碼及分析 92
5.2.3 案例精講 93
5.2.4 MATLAB仿真 94
5.3 RRT算法 100
5.3.1 算法簡介 100
5.3.2 偽代碼及分析 100
5.3.3 案例精講 101
5.3.4 MATLAB仿真 102
5.4 基于RRT的幾種改進(jìn)算法 105
5.4.1 RRT-Connect算法 105
5.4.2 RRT*算法 109
5.4.3 Informed RRT*算法 113
第三部分 局部路徑規(guī)劃算法篇
第6章 基于參數(shù)*線的局部路徑規(guī)劃算法 119
6.1 術(shù)語概念 119
6.1.1 車輛運動學(xué)約束的基本概念 119
6.1.2 控制點、型值點和插值點 120
6.1.3 *率的三種計算方式 120
6.1.4 基于三點求外接圓*率與基于參數(shù)方程求*率方法的對比 125
6.2 五次多項式*線 126
6.2.1 算法簡介 126
6.2.2 五次多項式*線路徑 127
6.2.3 五次多項式*線軌跡 130
6.2.4 五次多項式螺旋*線路徑 132
6.3 Dubins*線 134
6.3.1 算法簡介 134
6.3.2 Dubins*線分類 135
6.3.3 Dubins*線切點計算 136
6.3.4 CSC類型和CCC類型的Dubins*線計算 137
6.3.5 MATLAB仿真 138
6.4 貝塞爾*線 140
6.4.1 算法簡介 140
6.4.2 貝塞爾*線的數(shù)學(xué)推導(dǎo) 141
6.4.3 貝塞爾*線的性質(zhì) 144
6.4.4 案例精講與MATLAB仿真 145
6.5 B樣條*線 147
6.5.1 算法簡介 147
6.5.2 B樣條*線理論介紹 147
6.5.3 B樣條*線分類 149
6.5.4 B樣條*線的性質(zhì) 150
6.5.5 基于控制點的B樣條*線路徑規(guī)劃 151
6.5.6 基于型值點的B樣條*線路徑規(guī)劃 154
6.6 三次樣條*線 156
6.6.1 龍格現(xiàn)象及樣條插值 156
6.6.2 分段三次樣條插值推導(dǎo) 157
6.6.3 案例精講與MATLAB仿真 159
第7章 基于數(shù)學(xué)優(yōu)化的局部路徑規(guī)劃算法 161
7.1 術(shù)語概念 161
7.1.1 數(shù)學(xué)優(yōu)化與智能優(yōu)化 161
7.1.2 橫縱向解耦規(guī)劃 162
7.1.3 笛卡兒坐標(biāo)系與Frenet坐標(biāo)系 163
7.1.4 二次型、正定矩陣、雅可比矩陣和海塞矩陣 164
7.2 動態(tài)規(guī)劃算法 166
7.2.1 算法簡介 166
7.2.2 偽代碼及分析 167
7.2.3 案例精講 168
7.3 二次規(guī)劃算法 171
7.3.1 算法簡介 171
7.3.2 算法理論介紹 171
7.4 動態(tài)規(guī)劃算法和B樣條*線法在路徑規(guī)劃中的應(yīng)用 174
7.4.1 構(gòu)建自動駕駛場景 174
7.4.2 撒點采樣 174
7.4.3 利用動態(tài)規(guī)劃算法初步規(guī)劃路徑 177
7.4.4 利用B樣條*線法平滑路徑 180
7.5 動態(tài)規(guī)劃算法和二次規(guī)劃算法在速度規(guī)劃中的應(yīng)用 181
7.5.1 生成ST圖 182
7.5.2 撒點采樣 184
7.5.3 利用動態(tài)規(guī)劃算法初步規(guī)劃速度*線 185
7.5.4 利用二次規(guī)劃算法平滑速度*線 186
第8章 基于智能優(yōu)化的局部路徑規(guī)劃算法 194
8.1 術(shù)語概念 194
8.1.1 群智能算法概述 194
8.1.2 全局*優(yōu)與局部*優(yōu) 195
8.1.3 參數(shù)與超參數(shù) 195
8.2 遺傳算法 196
8.2.1 算法簡介 196
8.2.2 遺傳算法的建模思想 197
8.2.3 案例精講 199
8.2.4 MATLAB仿真 201
8.3 粒子群算法 206
8.3.1 算法簡介 206
8.3.2 粒子群算法的建模思想 207
8.3.3 案例精講 210
8.3.4 MATLAB仿真 211
8.4 蟻群算法 213
8.4.1 算法簡介 213
8.4.2 蟻群算法的建模思想 214
8.4.3 在拓?fù)涞貓D中的應(yīng)用 216
8.4.4 在旅行商問題中的應(yīng)用 220
8.5 其他群智能優(yōu)化算法 222
8.5.1 人工魚群算法 222
8.5.2 人工蜂群算法 225
8.5.3 狼群算法 228
第9章 其他常用路徑規(guī)劃算法 231
9.1 Q學(xué)習(xí)算法 231
9.1.1 機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)與深度學(xué)習(xí)的概念 231
9.1.2 Q學(xué)習(xí)算法原理介紹 232
9.1.3 MATLAB仿真 232
9.2 人工勢場法 236
9.2.1 人工勢場法簡介 236
9.2.2 算法推導(dǎo) 236
9.2.3 算法缺陷分析及改進(jìn) 240
9.2.4 MATLAB仿真 242
9.3 動態(tài)窗口法 245
9.3.1 算法簡介 245
9.3.2 運動學(xué)模型及速度采樣 245
9.3.3 構(gòu)造評價函數(shù)篩選*優(yōu)軌跡 247
9.3.4 MATLAB仿真 247
第四部分 控制算法篇
第10章 軌跡跟蹤控制的基本概念 253
10.1 軌跡跟蹤控制的橫向誤差 253
10.2 車輛運動學(xué)模型 255
10.2.1 阿克曼轉(zhuǎn)向原理 256
10.2.2 二自由度車輛運動學(xué)模型 257
10.2.3 基于跟蹤誤差的運動學(xué)模型離散狀態(tài)空間方程 258
10.3 車輛動力學(xué)模型 260
10.3.1 航向角、質(zhì)心側(cè)偏角與橫擺角 260
10.3.2 車輛二自由度動力學(xué)模型 261
10.3.3 基于跟蹤誤差的動力學(xué)模型離散狀態(tài)空間方程 263
10.4 李雅普諾夫穩(wěn)定性理論 265
第11章 基于車輛運動模型的軌跡跟蹤控制算法 268
11.1 PID控制算法 268
11.1.1 算法簡介 268
11.1.2 PID控制算法理論 268
11.1.3 MATLAB仿真 270
11.1.4 PID參數(shù)整定 272
11.2 純跟蹤控制算法 275
11.2.1 算法簡介 275
11.2.2 算法理論介紹 276
11.2.3 MATLAB仿真 277
11.3 前輪反饋控制算法(Stanley算法) 279
11.3.1 算法簡介 279
11.3.2 算法理論介紹 279
11.3.3 MATLAB仿真 281
11.4 后輪反饋控制算法 282
11.4.1 算法簡介 282
11.4.2 算法理論介紹 283
11.4.3 MATLAB仿真 284
11.5 模糊控制算法 286
11.5.1 算法簡介 286
11.5.2 基于李雅普諾夫反演法的控制律推導(dǎo) 286
11.5.3 模糊控制器設(shè)計 289
11.5.4 MATLAB仿真 293
第12章 基于狀態(tài)空間方程的軌跡跟蹤控制算法 296
12.1 線性二次型調(diào)節(jié)器(LQR)算法 296
12.1.1 算法簡介 296
12.1.2 LQR理論介紹 296
12.1.3 基于運動學(xué)模型的MATLAB仿真 299
12.1.4 基于動力學(xué)模型的MATLAB仿真 302
12.2 模型預(yù)測控制(MPC)算法 304
12.2.1 算法簡介 304
1