Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Error mitigation algorithm based on bidirectional fitting method for collision avoidance of Unmanned Surface Vehicle

Tytuł:
Error mitigation algorithm based on bidirectional fitting method for collision avoidance of Unmanned Surface Vehicle
Autorzy:
Song, L.
Chen, Z.
Mao, Y.
Dong, Z.
Xiang, Z.
Powiązania:
https://bibliotekanauki.pl/articles/260298.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
Unmanned Surface Vehicle
position prediction
error mitigation
autoregressive model
particle swarm optimization (PSO)
Źródło:
Polish Maritime Research; 2018, 4; 13-20
1233-2585
Język:
angielski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 3.0 PL
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
Radars and sensors are essential devices for an Unmanned Surface Vehicle (USV) to detect obstacles. Their precision has improved significantly in recent years with relatively accurate capability to locate obstacles. However, small detection errors in the estimation and prediction of trajectories of obstacles may cause serious problems in accuracy, thereby damaging the judgment of USV and affecting the effectiveness of collision avoidance. In this study, the effect of radar errors on the prediction accuracy of obstacle position is studied on the basis of the autoregressive prediction model. The cause of radar error is also analyzed. Subsequently, a bidirectional adaptive filtering algorithm based on polynomial fitting and particle swarm optimization is proposed to eliminate the observed errors in vertical and abscissa coordinates. Then, simulations of obstacle tracking and prediction are carried out, and the results show the validity of the algorithm. Finally, the method is used to simulate the collision avoidance of USV, and the results show the validity and reliability of the algorithm.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies