智能駕駛汽車規劃控制算法及模擬應用
胡明輝,黎萬洪
相關主題
商品描述
本書立足於國家智能網聯汽車重大戰略發展方向，以智能駕駛汽車規劃控制算法作為研究對象，從算法原理、偽代碼分析、理論推導、模擬案例等多個方面詳細闡述34種規劃控制算法，有助於推動我國智能汽車產業及行業人才事業的蓬勃發展。
目錄大綱
目錄
第一部分 基礎知識篇
第1章 緒論 3
1.1 智能駕駛汽車概述 3
1.1.1 智能駕駛汽車的發展 3
1.1.2 智能駕駛汽車分級 4
1.1.3 智能駕駛汽車關鍵技術 4
1.2 規劃決策系統概述 6
1.2.1 術語概念 6
1.2.2 全局路徑規劃 9
1.2.3 局部路徑規劃 11
1.2.4 速度規劃 13
1.3 控制執行系統概述 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基礎操作指南 16
2.1 MATLAB編程技巧 16
2.1.1 數據類型的選擇 16
2.1.2 矩陣操作技巧 18
2.1.3 MATLAB常用庫函數 19
2.2 MATLAB自動駕駛工具箱 20
2.2.1 駕駛場景設計器 21
2.2.2 自動駕駛函數庫 22
2.2.3 自動駕駛場景案例 23
第二部分 全局路徑規劃算法篇
第3章 基於拓撲圖的全局路徑規劃算法 29
3.1 術語概念 29
3.1.1 算法的復雜度 29
3.1.2 拓撲圖簡介 30
3.1.3 廣度優先搜索和深度優先搜索 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模擬 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模擬 43
3.4 基於拓撲圖的路徑規劃實戰案例 44
3.4.1 路段行程時間的周期相似性 44
3.4.2 傳統路徑規劃思想的缺陷 45
3.4.3 路網建模模擬及數據庫建立 47
3.4.4 動態路網的全局最優路徑規劃思想 49
3.4.5 全局最優路徑規劃思想的模擬試驗驗證 51
第4章 基於柵格圖的全局路徑規劃算法 54
4.1 術語概念 54
4.1.1 柵格圖簡介 54
4.1.2 啟發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模擬 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模擬 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模擬 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模擬 84
4.6 四種柵格圖路徑規劃算法對比分析 86
第5章 基於採樣的全局路徑規劃算法 88
5.1 術語概念 88
5.1.1 採樣算法 88
5.1.2 算法的完備性與最優性 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模擬 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模擬 102
5.4 基於RRT的幾種改進算法 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 局部路徑規劃算法篇
第6章 基於參數曲線的局部路徑規劃算法 119
6.1 術語概念 119
6.1.1 車輛運動學約束的基本概念 119
6.1.2 控制點、型值點和插值點 120
6.1.3 曲率的三種計算方式 120
6.1.4 基於三點求外接圓曲率與基於參數方程求曲率方法的對比 125
6.2 五次多項式曲線 126
6.2.1 算法簡介 126
6.2.2 五次多項式曲線路徑 127
6.2.3 五次多項式曲線軌跡 130
6.2.4 五次多項式螺旋曲線路徑 132
6.3 Dubins曲線 134
6.3.1 算法簡介 134
6.3.2 Dubins曲線分類 135
6.3.3 Dubins曲線切點計算 136
6.3.4 CSC類型和CCC類型的Dubins曲線計算 137
6.3.5 MATLAB模擬 138
6.4 貝塞爾曲線 140
6.4.1 算法簡介 140
6.4.2 貝塞爾曲線的數學推導 141
6.4.3 貝塞爾曲線的性質 144
6.4.4 案例精講與MATLAB模擬 145
6.5 B樣條曲線 147
6.5.1 算法簡介 147
6.5.2 B樣條曲線理論介紹 147
6.5.3 B樣條曲線分類 149
6.5.4 B樣條曲線的性質 150
6.5.5 基於控制點的B樣條曲線路徑規劃 151
6.5.6 基於型值點的B樣條曲線路徑規劃 154
6.6 三次樣條曲線 156
6.6.1 龍格現象及樣條插值 156
6.6.2 分段三次樣條插值推導 157
6.6.3 案例精講與MATLAB模擬 159
第7章 基於數學優化的局部路徑規劃算法 161
7.1 術語概念 161
7.1.1 數學優化與智能優化 161
7.1.2 橫縱向解耦規劃 162
7.1.3 笛卡兒坐標系與Frenet坐標系 163
7.1.4 二次型、正定矩陣、雅可比矩陣和海塞矩陣 164
7.2 動態規劃算法 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 動態規劃算法和B樣條曲線法在路徑規劃中的應用 174
7.4.1 構建自動駕駛場景 174
7.4.2 撒點採樣 174
7.4.3 利用動態規劃算法初步規劃路徑 177
7.4.4 利用B樣條曲線法平滑路徑 180
7.5 動態規劃算法和二次規劃算法在速度規劃中的應用 181
7.5.1 生成ST圖 182
7.5.2 撒點採樣 184
7.5.3 利用動態規劃算法初步規劃速度曲線 185
7.5.4 利用二次規劃算法平滑速度曲線 186
第8章 基於智能優化的局部路徑規劃算法 194
8.1 術語概念 194
8.1.1 群智能算法概述 194
8.1.2 全局最優與局部最優 195
8.1.3 參數與超參數 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模擬 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模擬 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 在拓撲地圖中的應用 216
8.4.4 在旅行商問題中的應用 220
8.5 其他群智能優化算法 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 其他常用路徑規劃算法 231
9.1 Q學習算法 231
9.1.1 機器學習、強化學習與深度學習的概念 231
9.1.2 Q學習算法原理介紹 232
9.1.3 MATLAB模擬 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 236
9.2.3 算法缺陷分析及改進 240
9.2.4 MATLAB模擬 242
9.3 動態窗口法 245
9.3.1 算法簡介 245
9.3.2 運動學模型及速度採樣 245
9.3.3 構造評價函數篩選最優軌跡 247
9.3.4 MATLAB模擬 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 車輛運動學模型 255
10.2.1 阿克曼轉向原理 256
10.2.2 二自由度車輛運動學模型 257
10.2.3 基於跟蹤誤差的運動學模型離散狀態空間方程 258
10.3 車輛動力學模型 260
10.3.1 航向角、質心側偏角與橫擺角 260
10.3.2 車輛二自由度動力學模型 261
10.3.3 基於跟蹤誤差的動力學模型離散狀態空間方程 263
10.4 李雅普諾夫穩定性理論 265
第11章 基於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模擬 270
11.1.4 PID參數整定 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模擬 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模擬 281
11.4 後輪反饋控制算法 282
11.4.1 算法簡介 282
11.4.2 算法理論介紹 283
11.4.3 MATLAB模擬 284
11.5 模糊控制算法 286
11.5.1 算法簡介 286
11.5.2 基於李雅普諾夫反演法的控制律推導 286
11.5.3 模糊控制器設計 289
11.5.4 MATLAB模擬 293
第12章 基於狀態空間方程的軌跡跟蹤控制算法 296
12.1 線性二次型調節器(LQR)算法 296
12.1.1 算法簡介 296
12.1.2 LQR理論介紹 296
12.1.3 基於運動學模型的MATLAB模擬 299
12.1.4 基於動力學模型的MATLAB模擬 302
12.2 模型預測控制(MPC)算法 304
12.2.1 算法簡介 304
12.2.2 MPC算法理論介紹 305
12.2.3 基於運動學模型的MATLAB模擬 310
12.2.4 基於動力學模型的MATLAB模擬 315
12.3 MPC算法與LQR算法的異同 317
參考文獻 319
彩色圖版 322
第一部分 基礎知識篇
第1章 緒論 3
1.1 智能駕駛汽車概述 3
1.1.1 智能駕駛汽車的發展 3
1.1.2 智能駕駛汽車分級 4
1.1.3 智能駕駛汽車關鍵技術 4
1.2 規劃決策系統概述 6
1.2.1 術語概念 6
1.2.2 全局路徑規劃 9
1.2.3 局部路徑規劃 11
1.2.4 速度規劃 13
1.3 控制執行系統概述 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基礎操作指南 16
2.1 MATLAB編程技巧 16
2.1.1 數據類型的選擇 16
2.1.2 矩陣操作技巧 18
2.1.3 MATLAB常用庫函數 19
2.2 MATLAB自動駕駛工具箱 20
2.2.1 駕駛場景設計器 21
2.2.2 自動駕駛函數庫 22
2.2.3 自動駕駛場景案例 23
第二部分 全局路徑規劃算法篇
第3章 基於拓撲圖的全局路徑規劃算法 29
3.1 術語概念 29
3.1.1 算法的復雜度 29
3.1.2 拓撲圖簡介 30
3.1.3 廣度優先搜索和深度優先搜索 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模擬 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模擬 43
3.4 基於拓撲圖的路徑規劃實戰案例 44
3.4.1 路段行程時間的周期相似性 44
3.4.2 傳統路徑規劃思想的缺陷 45
3.4.3 路網建模模擬及數據庫建立 47
3.4.4 動態路網的全局最優路徑規劃思想 49
3.4.5 全局最優路徑規劃思想的模擬試驗驗證 51
第4章 基於柵格圖的全局路徑規劃算法 54
4.1 術語概念 54
4.1.1 柵格圖簡介 54
4.1.2 啟發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模擬 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模擬 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模擬 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模擬 84
4.6 四種柵格圖路徑規劃算法對比分析 86
第5章 基於採樣的全局路徑規劃算法 88
5.1 術語概念 88
5.1.1 採樣算法 88
5.1.2 算法的完備性與最優性 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模擬 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模擬 102
5.4 基於RRT的幾種改進算法 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 局部路徑規劃算法篇
第6章 基於參數曲線的局部路徑規劃算法 119
6.1 術語概念 119
6.1.1 車輛運動學約束的基本概念 119
6.1.2 控制點、型值點和插值點 120
6.1.3 曲率的三種計算方式 120
6.1.4 基於三點求外接圓曲率與基於參數方程求曲率方法的對比 125
6.2 五次多項式曲線 126
6.2.1 算法簡介 126
6.2.2 五次多項式曲線路徑 127
6.2.3 五次多項式曲線軌跡 130
6.2.4 五次多項式螺旋曲線路徑 132
6.3 Dubins曲線 134
6.3.1 算法簡介 134
6.3.2 Dubins曲線分類 135
6.3.3 Dubins曲線切點計算 136
6.3.4 CSC類型和CCC類型的Dubins曲線計算 137
6.3.5 MATLAB模擬 138
6.4 貝塞爾曲線 140
6.4.1 算法簡介 140
6.4.2 貝塞爾曲線的數學推導 141
6.4.3 貝塞爾曲線的性質 144
6.4.4 案例精講與MATLAB模擬 145
6.5 B樣條曲線 147
6.5.1 算法簡介 147
6.5.2 B樣條曲線理論介紹 147
6.5.3 B樣條曲線分類 149
6.5.4 B樣條曲線的性質 150
6.5.5 基於控制點的B樣條曲線路徑規劃 151
6.5.6 基於型值點的B樣條曲線路徑規劃 154
6.6 三次樣條曲線 156
6.6.1 龍格現象及樣條插值 156
6.6.2 分段三次樣條插值推導 157
6.6.3 案例精講與MATLAB模擬 159
第7章 基於數學優化的局部路徑規劃算法 161
7.1 術語概念 161
7.1.1 數學優化與智能優化 161
7.1.2 橫縱向解耦規劃 162
7.1.3 笛卡兒坐標系與Frenet坐標系 163
7.1.4 二次型、正定矩陣、雅可比矩陣和海塞矩陣 164
7.2 動態規劃算法 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 動態規劃算法和B樣條曲線法在路徑規劃中的應用 174
7.4.1 構建自動駕駛場景 174
7.4.2 撒點採樣 174
7.4.3 利用動態規劃算法初步規劃路徑 177
7.4.4 利用B樣條曲線法平滑路徑 180
7.5 動態規劃算法和二次規劃算法在速度規劃中的應用 181
7.5.1 生成ST圖 182
7.5.2 撒點採樣 184
7.5.3 利用動態規劃算法初步規劃速度曲線 185
7.5.4 利用二次規劃算法平滑速度曲線 186
第8章 基於智能優化的局部路徑規劃算法 194
8.1 術語概念 194
8.1.1 群智能算法概述 194
8.1.2 全局最優與局部最優 195
8.1.3 參數與超參數 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模擬 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模擬 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 在拓撲地圖中的應用 216
8.4.4 在旅行商問題中的應用 220
8.5 其他群智能優化算法 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 其他常用路徑規劃算法 231
9.1 Q學習算法 231
9.1.1 機器學習、強化學習與深度學習的概念 231
9.1.2 Q學習算法原理介紹 232
9.1.3 MATLAB模擬 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 236
9.2.3 算法缺陷分析及改進 240
9.2.4 MATLAB模擬 242
9.3 動態窗口法 245
9.3.1 算法簡介 245
9.3.2 運動學模型及速度採樣 245
9.3.3 構造評價函數篩選最優軌跡 247
9.3.4 MATLAB模擬 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 車輛運動學模型 255
10.2.1 阿克曼轉向原理 256
10.2.2 二自由度車輛運動學模型 257
10.2.3 基於跟蹤誤差的運動學模型離散狀態空間方程 258
10.3 車輛動力學模型 260
10.3.1 航向角、質心側偏角與橫擺角 260
10.3.2 車輛二自由度動力學模型 261
10.3.3 基於跟蹤誤差的動力學模型離散狀態空間方程 263
10.4 李雅普諾夫穩定性理論 265
第11章 基於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模擬 270
11.1.4 PID參數整定 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模擬 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模擬 281
11.4 後輪反饋控制算法 282
11.4.1 算法簡介 282
11.4.2 算法理論介紹 283
11.4.3 MATLAB模擬 284
11.5 模糊控制算法 286
11.5.1 算法簡介 286
11.5.2 基於李雅普諾夫反演法的控制律推導 286
11.5.3 模糊控制器設計 289
11.5.4 MATLAB模擬 293
第12章 基於狀態空間方程的軌跡跟蹤控制算法 296
12.1 線性二次型調節器(LQR)算法 296
12.1.1 算法簡介 296
12.1.2 LQR理論介紹 296
12.1.3 基於運動學模型的MATLAB模擬 299
12.1.4 基於動力學模型的MATLAB模擬 302
12.2 模型預測控制(MPC)算法 304
12.2.1 算法簡介 304
12.2.2 MPC算法理論介紹 305
12.2.3 基於運動學模型的MATLAB模擬 310
12.2.4 基於動力學模型的MATLAB模擬 315
12.3 MPC算法與LQR算法的異同 317
參考文獻 319
彩色圖版 322
