【路径规划】基于模糊逻辑系统实现车辆的自主导航附matlab代码

2024-04-15 21:50:54

1 内容介绍

在过去的30年,用于城市地面交通工具中自动驾驶技术的开发已经得到了飞速的发展.目前,现代自主驾驶车辆已具备一定感知车辆周围环境的能力,比如根椐分类所分析对象的类型并进行检测;观测周身环境的变化并评估对象的移动可能性;在遵循交通法规的基础之上对复杂的交通现状进行车辆路径规划并分析障碍物的移动方向等.在这些复杂的情况下,这种自主导航能力是建立在很多学科(例如:计算机学,电子工程学,机器人技术和控制学等)的基础之上跨越并结合之后研发的.

2 仿真代码

%'LE' = 1, 'LV' = 2, 'VE'=3, 'RV'=4, 'RI'=5

function match=xpos(input,loc,delta)

if (loc==1) | (loc==5)

switch loc

case 1

%UMF

p=[0 20 70];

if (input<p(1))

disp('not a valid input');

match2=0;

elseif (input>=p(1)) & (input<=p(2))

match2=1;

elseif (input>p(2)) & (input<=p(3))

m=-1.0/(p(3)-p(2));

c=-m*p(3);

match2=m*input+c;

else

match2=0;

end

%LMF

m=-1.0/(p(3)-p(2));

p(3)=p(3)-delta;

c=-m*p(3);

y_level=m*p(2)+c;

if (input<p(1)) | (input>p(3))

match1=0;

elseif ((input>=p(1)) & (input<=p(2)))

match1=y_level;

else

match1=m*input+c;

end

case 5

%UMF

p=[130 180 200];

if (input>p(3))

disp('not a valid input');

match2=0;

elseif (input>=p(2)) & (input<=p(3))

match2=1;

elseif (input>p(1)) & (input<p(2))

m=1.0/(p(2)-p(1));

c=-m*p(1);

match2=m*input+c;

else

match2=0;

end

%LMF

m=1.0/(p(2)-p(1));

p(1)=p(1)+delta;

c=-m*p(1);

y_level=m*p(2)+c;

if (input<p(1)) | (input>p(3))

match1=0;

elseif ((input>=p(1)) & (input<=p(2)))

match1=m*input+c;

else

match1=y_level;

end

end

else

switch loc

case 2

p=[60 80 100];

case 3

p=[90 100 110];

case 4

p=[100 120 140];

end

%LMF

if (input<p(1)) | (input>p(3))

match1=0;

elseif (input>=p(1)) & (input<p(2))

m=1.0/(p(2)-p(1));

c=-m*p(1);

match1=m*input+c;

elseif (input>p(2)) & (input<=p(3))

m=1.0/(p(2)-p(3));;

c=-m*p(3);;

match1=m*input+c;

else

match1=1;

end

%UMF

p(4)=p(3)+delta;

p(3)=p(2)+delta;

p(2)=p(2)-delta;

p(1)=p(1)-delta;

if (input<=p(1)) | (input>=p(4))

match2=0;

elseif (input>p(1)) & (input<p(2))

m=1.0/(p(2)-p(1));

c=-m*p(1);

match2=m*input+c;

elseif (input>=p(2)) & (input<=p(3))

match2=1;

else

m=1.0/(p(3)-p(4));;

c=-m*p(4);;

match2=m*input+c;

end

end

match(1)=match1;

match(2)=match2;

3 运行结果

4 参考文献

[1]秦雅. 基于车辆模型辅助的旋转微惯性自主导航技术[D]. 南京航空航天大学, 2017.

[2]曲龙. 基于MATLAB的自动泊车系统仿真研究[D]. 沈阳理工大学, 2013.

[3]宫照新. 基于模糊逻辑的智能交通控制算法的研究[J]. 科学技术与工程, 2009(18):4.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

【路径规划】基于模糊逻辑系统实现车辆的自主导航附matlab代码相关推荐

基于YOLOv4的目标检测系统（附MATLAB代码+GUI实现）
摘要:本文介绍了一种MATLAB实现的目标检测系统代码,采用 YOLOv4 检测网络作为核心模型,用于训练和检测各种任务下的目标,并在GUI界面中对各种目标检测结果可视化.文章详细介绍了YOLOv4的 ...
Caputo 分数阶一维问题基于 L1 逼近的空间二阶方法(附Matlab代码)
Caputo 分数阶一维问题基于 L1 逼近的空间二阶方法 Caputo 分数阶一维问题基于 L1 逼近的快速差分方法(附Matlab程序) 文章目录 Caputo 分数阶一维问题基于 L1 逼近的空 ...
【路径规划】基于DWA实现机器人动态避障附matlab代码
1 内容介绍 DWA 算法是基于机器人运动学与动力学理论的一种局部避障算法,它将对机器人的位置控制转换为对机器人的速度控制.DWA 算法可以概括为三步:一是根据机器人自身的限制以及环境制约将速度的采样 ...
【图像检测】基于Itti模型实现图像显著性检测附matlab代码
1 简介视觉显著性计算模型以心理学.神经科学.认知理论等领域的研究成果或假说为前提,建立数学模型来模拟人类视觉系统指引注意力分配和视觉认知的过程,通过模拟和仿真人类视觉感知机理,将存在待检测目标的人 ...
【优化求解】基于蝗虫算法求解单目标问题附matlab代码
1 简介蝗虫算法( Grasshopper Optimization Algorithm,GOA ) 是由 Saremi 等[1]于2017 年提出的一种元启发式仿生优化算法.具体原理如下: 2 ...
【图像增强】基于萤火虫算法实现图像对比度增强附matlab代码
1 内容介绍由于图像本身的复杂性和数据量大,传统的图像处理和分析技术常存在计算复杂度高的问题,因此基于进化算法的图像处理方法得到广泛研究和关注.萤火虫算法(Firefly Algorithm,FA) ...
【图像分割】基于麻雀算法优化Kmeans实现图像分割附Matlab代码
1 内容介绍提出一种基于K-Means聚类的麻雀算法,该算法利用麻雀算法鲁棒性较强且不易陷入局部最优值的特点,动态的确定了聚类的数目和中心,解决了K-Means聚类初始点选择不稳定的缺陷,在此两种算 ...
【樽海鞘算法】基于樽海鞘算法求解单目标问题附matlab代码(Salp Swarm Algorithm,SSA)
1 简介 2 部分代码 %_________________________________________________________________________________% Salp ...
【WSN通信】基于注水算法实现宽带无线通信资源分配附matlab代码
1 简介功率分配技术能有效提高认知网络传输链路的信道容量,而注水算法利用凸优化的思想能实现功率分配最优化.针对认知网络中使用注水算法分配信道功率时未考虑邻近认知信道干扰的情况,对认知网络中邻近认知信 ...
【回归预测】基于粒子滤波实现锂离子电池寿命预测附matlab代码
1 内容介绍随着现代生产生活对系统设备可靠性.安全性要求的提高,从成本.可靠性的角度考虑,电子系统正逐步由原来的定期维修变成视情维修(CBM, Condition Based Maintenanc ...

最新文章

热门文章