分析了有障式和无障式泊车环境,参考我国汽车库建筑设计规范,建立了环境数值模型,为自动泊车控制策略的正确执行提供了背景。同时,建立了相关坐标系,实现了车辆在泊车环境中的定位,为泊车路径规划提供了基础。 引入了计算机图形学中曲线知识,使得车辆的路径规划由曲线规划层面下降到点的规划当中,简化了规划过程并且得到了平滑连续的泊车路径。针对有障和无障泊车环境,制定了不同的控制策略以完成泊车路径规划,实现自动泊车。通过应用蚁群算法相关知识,以有障环境栅格模型为对象,实现了车辆的避障过程,保证了车辆安全性。采用建立了虚拟整车模型,为自动泊车控制策略建立了被控对象。基于建立了无障平行泊车、无障垂向泊车和有障平行泊车模型,将控制引入到自动泊车系统路径跟踪当中,并通过虚拟 整车模型的联合仿真分析,验证了自动泊车控制策略的正确性。

论文首先对车辆的运动过程进行研究，建立车辆的运动学模型，推导车身各点与车 身参考点的几何关系，明确车身参考点以及整体轮廓在车速和方向盘输入下的运动规律。其次，基于传统路径研究单步平行泊车情况下的最小车位尺寸、允许车身偏转角范围和可行泊车起始区域，分析单步平行泊车情景的环境约束条件和车辆运动学约束条件，基于 B 样条曲线理论建立非线性约束单步平行泊车路径优化函数。在此基础上，结合泊车实际情况分别针对常规泊车初始位姿和倾斜泊车初始位姿进行 MATLAB 路径规划仿真，验证路径规划方法的合理性。接着，结合非时间参考路径跟踪控制和终端滑模控制方法，提出基于趋近律的非时间参考终端滑模路径跟踪控制方法：应用非时间量参考方法，避免车速控制量对车辆路径控制造成影响，降低车速控制要求；结合基于趋近律的终端滑模控制方法，控制车辆跟踪参考路径，降低跟踪误差并改善趋近品质，削弱抖振现象，通过跟踪正弦参考路径 Simulink 仿真验证设计控制器的效果。在此基础上通过 Simulink和 Carsim 软件联合仿真实验针对常规初始位姿和倾斜初始位姿进行路径规划和跟踪仿真。

本文的研究内容是基于定车速模糊控制算法的自动平行泊车的问题。对于 自动泊车要解决的三大问题：定位、路径规划、行为控制，本文都一一作了论 述。基于超声传感器的定位算法和基于模糊控制的路径规划是本文主要研究对 象，对于行为控制进行了方案性的论述。在建立基于定车速的模糊控制算法的 自动泊车模型后，进行仿真，得出前轮转角，反馈到方向盘，然后进行方向盘 控制。然后利用遗传算法对模糊控制器参数进行优化，得到更为理想的数据。 通过仿真，结果分析，可以看到模糊控制策略是比较有效的，为自动泊车 后继工作中的关键部分模糊控制器的搭建奠定了基础。

针对车辆低速倒车这一运动过程，建立了车辆数学模型。根据分析车辆数学 模型，得到能够满足多数情况下的泊车路径。由于自动泊车过程可分解为寻找最 佳泊车位置及从最佳泊车位置倒入停车位两个过程，针对这两个过程，分析了无 障碍式及有障碍式的泊车路径。针对有障碍式泊车路径中的寻找最佳泊车位这一 过程通过对群智能算法的比较，运用粒子群算法对其进行了路径规划。通过分析 模糊控制相关知识，针对从最佳泊车位置到停车位这一泊车过程，建立一种模糊 控制方法，通过 MATLAB 仿真实现了其泊车过程

为有效降低平行泊车入位过程中对车位长度的要求，对车辆多次泊车的入位状态和在车位内多次移动的运动规律进行了分析，以泊车位长度为基准构建泊车模型，利用迭代算法确定车辆出库时的车身姿态角，根据车辆参数和车位左前方障碍点的约束条件验证了出库过程的合理性。运用Matlab对一次和多次泊车入位过程进行了仿真，结果表明：在同等条件下，与一次泊车入位相比，多次泊车入位对车位长度的要求大幅降低

机器人路径规划MATLAB仿真，使用Q-Learning算法

AGV小车调度系统，可规划路径，自定义小车，站点，线路等。OpenTcs4.15

纯matlab 快速行进法用于路径规划，运行之前先运行mex 成功之后运行main

根据煤矿救援环境特点,采用人工鱼群算法对救援路径进行规划,在二维平面内建立环境模型,并采用威胁区域距离检测的方式处理优化约束条件。对不同数目参考点选取进行对比研究,增加参考点数目,路径长度增加,算法复杂程度提高,迭代时间延长,算法性能下降;参考点过少会导致路径规划成功率降低。仿真结果表明,设置合理的参考点数目,人工鱼群算法能在较短的迭代时间内成功规划得到最优路径。

我学习蚁群算法路径规划时，感觉比较非常有用的文档和matlab程序。 关于蚁群算法的参数设置研究.pdf 基于蚁群算法的机器人路径规划.pdf 蚁群算法在MATLAB中的实现.pdf 蚁群算法.m