基于CNN算法的井下无人驾驶无轨胶轮车避障方法

为了避免无人驾驶无轨胶轮车在井下有限空间内发生碰撞,提出了一种基于卷积神经网络(CNN算法)的无人驾驶无轨胶轮车运动避障控制方法。采用改进卷积神经网络的光栅地图,显示特定时间内无人驾驶无轨胶轮车周围环境状况,获取车辆位置、障碍物位置信息。通过信号传输途径和通道损失对数—正态分配模式,构建无人驾驶无轨胶轮车运动学方程,通过分析各分立点的位置信息、车辆尺寸信息和巷道边界情况,实现无人驾驶无轨胶轮车运动避障。由实验结果可知,该方法在弯道、直行和路口3种模拟场景下,设计的运动避障控制系统能够预测这3种类型碰撞点,使无人驾驶无轨胶轮车沿着重新规划后的轨迹行驶,对比实验也显示所研究方法与理想轨迹贴近,避障控制效果较好。

资料为PDF文档格式.

本文档关键词:胶轮,算法,井下,无轨,无人驾驶