XiaoMi-AI文件搜索系统
World File Search System避障
高效路径规划和边缘动态避障，确保 USV 安全航行
摘要 — 无人水面舰艇 (USV) 凭借其自主性优势被广泛应用于各个领域，而路径规划是实现自主性的关键技术。然而，单独使用全局路径规划无法避开移动障碍物，而单独使用局部路径规划可能陷入局部极小值而无法到达目标。因此，本文提出了动态目标人工势场 (DTAPF) 方法，以跟随 A* 算法生成的全局路径的动态点作为人工势场 (APF) 的目标点。此外，为了提高传统集中式路径规划方法的 USV 导航响应时间和安全性，我们提出了用于全局路径规划的边缘计算架构和偏移制导方法以避开移动障碍物并符合碰撞规则 (CORLEG)。实验结果表明，采用本文提出的方法，无人艇在存在移动障碍物的环境中能够以较高的概率（约99.4%）到达目标，与传统APF算法相比，在平均路径长度和平均航行时间几乎没有增加的情况下，碰撞概率降低了71%，且计算时延远低于本地计算，也低于云计算。
高度自动化汽车中的避障 - 南特 - LS2N
方法来协助驾驶员控制车辆。目前，该方法正在考虑用于制定手动和自动驾驶模式之间平稳过渡的策略。本文有两个目标。首先，它提出采用现有的触觉共享控制策略来实现手动和自动驾驶模式之间的转换，并在驾驶模拟器上对真实驾驶员评估这种方法。其次，它提出在避障环境中评估四种不同的过渡曲线。第一个曲线是从自动驾驶模式逐渐过渡到共享控制模式，然后在越过障碍物后从共享控制模式再次过渡到自动驾驶模式。第二个曲线是从自动驾驶模式逐渐过渡到手动模式。第三个曲线是从自动驾驶模式到手动模式的二元过渡。最后，在第四种条件下，驾驶员超越自动驾驶模式。这些过渡曲线在驾驶模拟器上以曲线和直线进行评估。结果首先验证了使用触觉共享控制策略来执行手动和自动驾驶模式之间的转换。自动化系统和驾驶员提供的扭矩分配与预期共享水平的进展相对应。其次，无论是在转向性能还是主观评价方面，渐进式过渡都比二元过渡和自动驾驶模式的覆盖更具优势。
使用基于 AI 的避障技术实现无人机安全着陆
摘要 — 随着第四次工业革命的进行，许多关于无人机的研究工作已经积极开展。目前，无人机技术最重要的部分之一是飞行过程中障碍物的自主识别和避障。通常情况下，无人机依靠 GPS 信号按照飞行前指定的航路点飞行。然而，当无人机接近指定着陆点时，可能会出现障碍物和不可预见的物体，这些障碍物和物体可能会严重危及无人机的安全着陆。因此，无人机的安全着陆成为一个非常重要的问题。在这方面，本研究探讨了将人工智能 (AI) 技术应用于无人机的可能性，以提高安全性。通过将图像传感器、支持 AI 的物体识别和无人机飞行控制计算机集成在一起，无人机可以更安全地着陆，而不必担心在飞行着陆阶段因意外障碍物而翻倒或严重损坏。 索引术语 — 着陆平台跟踪、避障、图像分割、人工智能、二维坐标、飞行控制
无人地面车辆的传感器融合和避障
本论文 - 开放获取由 Scholarly Commons 免费提供给您，供您开放获取。它已被 Scholarly Commons 的授权管理员接受并纳入学位论文和论文。如需更多信息，请联系 commons@erau.edu 。