基于仿生鱼群算法的航行汽车动态避障方法、系统及车辆与流程
本发明涉及智能航行汽车的安全避障,尤其涉及基于仿生鱼群算法的航行汽车动态避障方法、系统及车辆。
背景技术:
1、随着自动驾驶与智能移动平台的发展,航行汽车作为未来城市立体交通的重要组成部分,需要在其面临复杂的静态障碍与动态目标时实现安全避障。
2、现有技术中,一类方案依赖激光雷达点云信息进行障碍物感知与路径规划,在潮湿、雨雾环境中信号衰减严重,且未解决多车协同避障问题;另一类方案采用多维度传感器融合结合深度学习模型进行障碍物识别与风险评估,但系统复杂度高、成本大,且仍依赖视觉传感器,在强光、雨雾等极端环境下性能受限,同样缺乏多智能体协同避障机制。
3、因此,现有技术感知维度单一,难以在恶劣天气下稳定工作;决策僵化,无法应对高速变化的多动态障碍场景;缺乏群体协同思维,在多车交汇区域易引发拥堵和连锁碰撞。
技术实现思路
1、为克服上述现有技术的不足,本发明提供了基于仿生鱼群算法的航行汽车动态避障方法、系统及车辆,旨在提升航行汽车在复杂水域或混合交通环境下的自主感知、协同决策与高效避障能力,具有高度智能化和环境适应性。
2、为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
3、第一方面,本发明提供了基于仿生鱼群算法的航行汽车动态避障方法,包括:
4、获取航行汽车周边环境的感知数据,基于滤波后的感知数据构建局部障碍地图;
5、基于局部障碍地图,通过改进型鱼群行为模型计算各类行为力,结合障碍物威胁等级评估函数动态调整各类行为力权重,最终得到合成导向矢量;
6、基于合成导向矢量得到期望航向角与目标速度,基于期望航向角与目标速度,控制执行相应避障动作。
7、进一步的技术方案,基于滤波后的感知数据构建局部障碍地图,具体包括:
8、对周边环境进行轮询扫描,得到原始感知数据;
9、对原始感知数据进行双级滤波,得到滤波后的感知数据;
10、基于滤波后的感知数据,构建局部障碍地图。
11、进一步的技术方案,在所述局部障碍地图中,对于连续多帧均无回波的方向,标记为可通行区域,对于滤波后障碍物距离低于安全距离阈值的方向,标记为危险区域。
12、进一步的技术方案,最终得到合成导向矢量,具体包括:
13、基于感知半径从局部障碍地图中筛选所有有效目标;
14、通过障碍物威胁等级评估函数评估有效目标的威胁等级,并动态调节分离力权重;
15、基于调节后的分离力权重,计算航行汽车的分离力、对齐力和聚集力;
16、将分离力、对齐力和聚集力按照合成系数加权求和,得到合成导向矢量。
17、进一步的技术方案,所述威胁等级评估函数为滤波后有效目标的接近速率与车辆和有效目标之间距离的平方的比值。
18、进一步的技术方案,计算航行汽车的分离力、对齐力和聚集力之后,对航行汽车前方进行通道分裂检测,当判定为通道分裂场景后,计算相邻障碍物的坐标中点作为通道分裂点;基于通道分裂点与航行汽车的当前坐标,判断航行汽车通行侧,进而生成虚拟引导鱼目标点;将虚拟引导鱼目标点叠加至聚集力,进而生成合成导向矢量。
19、进一步的技术方案,控制执行相应避障动作,具体包括:基于期望航向角和目标速度计算航向偏差和速度偏差;基于航向偏差判断执行模式并进行分级控制。
20、第二方面,本发明提供了基于仿生鱼群算法的航行汽车动态避障系统,包括:
21、数据感知模块,其被配置为:获取航行汽车周边环境的感知数据,基于滤波后的感知数据构建局部障碍地图;
22、导向生成模块,其被配置为:基于局部障碍地图,通过改进型鱼群行为模型计算各类行为力,结合障碍物威胁等级评估函数动态调整各类行为力权重,最终得到合成导向矢量;
23、控制执行模块,其被配置为:基于合成导向矢量得到期望航向角与目标速度,基于期望航向角与目标速度,控制执行相应避障动作。
24、第三方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的基于仿生鱼群算法的航行汽车动态避障方法中的步骤。
25、第四方面,本发明提供了一种车辆,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述的基于仿生鱼群算法的航行汽车动态避障方法中的步骤。
26、以上一个或多个技术方案存在以下有益效果:
27、本发明通过超声波雷达的精准测距能力与仿生鱼群互动原理的结合,使航行汽车能够实时感知周围环境信息并做出快速、准确的避障决策,从而增强行驶安全性。
28、本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
1.基于仿生鱼群算法的航行汽车动态避障方法,其特征在于,包括:
2.如权利要求1所述的基于仿生鱼群算法的航行汽车动态避障方法,其特征在于,基于滤波后的感知数据构建局部障碍地图,具体包括:
3.如权利要求2所述的基于仿生鱼群算法的航行汽车动态避障方法,其特征在于,在所述局部障碍地图中,对于连续多帧均无回波的方向,标记为可通行区域,对于滤波后障碍物距离低于安全距离阈值的方向,标记为危险区域。
4.如权利要求1所述的基于仿生鱼群算法的航行汽车动态避障方法,其特征在于,最终得到合成导向矢量,具体包括:
5.如权利要求4所述的基于仿生鱼群算法的航行汽车动态避障方法,其特征在于,所述威胁等级评估函数为滤波后有效目标的接近速率与车辆和有效目标之间距离的平方的比值。
6.如权利要求4所述的基于仿生鱼群算法的航行汽车动态避障方法,其特征在于,计算航行汽车的分离力、对齐力和聚集力之后,对航行汽车前方进行通道分裂检测,当判定为通道分裂场景后,计算相邻障碍物的坐标中点作为通道分裂点;基于通道分裂点与航行汽车的当前坐标,判断航行汽车通行侧,进而生成虚拟引导鱼目标点;将虚拟引导鱼目标点叠加至聚集力,进而生成合成导向矢量。
7.如权利要求1所述的基于仿生鱼群算法的航行汽车动态避障方法,其特征在于,控制执行相应避障动作,具体包括:基于期望航向角和目标速度计算航向偏差和速度偏差;基于航向偏差判断执行模式并进行分级控制。
8.基于仿生鱼群算法的航行汽车动态避障系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的基于仿生鱼群算法的航行汽车动态避障方法中的步骤。
10.一种车辆,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于仿生鱼群算法的航行汽车动态避障方法中的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com