-
公开(公告)号：CN116610109A
公开(公告)日：2023-08-18
申请号：CN202310222602.0
申请日：2023-03-09
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于梯度的前向蚁群算法无人车路径规划方法，包括以下步骤：步骤S1：初始化无人车状态参数，生成栅格地图，并设置起始点和目标点信息；步骤S2：以八个领域扩展的方式向周为扩展节点，获取可行的扩展节点；步骤S3：结合动态规划与Dijkstra算法分别计算可行的扩展节点的总代价值,并生成动态规划地图；步骤S4：采用前向蚁群算法节点选择策略，获取最优路径；步骤S5：判断新扩展的节点是否为目标点，若不是，则返回步骤S2；步骤S6：对最优路径进行二次优化，得到关键节点；步骤S7：对相邻的关键节点进行等距离插值；步骤S8：构建目标函数，并采用梯度下降法进行求解；步骤S9：对路径三次样条插值，获取最终的最优路径。
-
公开(公告)号：CN115808925A
公开(公告)日：2023-03-17
申请号：CN202211136113.5
申请日：2022-09-19
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于动态障碍物碰撞评估窗口缩减的动态窗口法，具体为一种针对阿克曼智能车利用动态窗口法(DWA)进行局部路径规划时，面对动态障碍物通过性差的解决方法。针对阿克曼转向模型，首先将最小转弯半径约束条件融合至DWA算法的速度‑角速度约束中；之后基于速度障碍法，当智能车与动态障碍物之间距离小于危险距离，进行危险状态的评定。若智能车被判定处于危险状态，进行基于模拟轨迹、智能车与障碍物的速度信息的未来碰撞预测评估，该过程会剔除碰撞风险较大的速度‑角速度组合，缩小原DWA算法所确定的速度角速度窗口，使得智能车最快脱离危险状态，从而达到安全躲避动态障碍物目的。
-
公开(公告)号：CN115542733A
公开(公告)日：2022-12-30
申请号：CN202211163167.0
申请日：2022-09-23
Applicant: 福州大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于深度强化学习的自适应动态窗口法，首先构建面向DWA算法的深度强化学习模型，具体包括智能体、环境、动作与状态空间、奖励函数、网络架构等要素；之后根据DWA算法原理，模拟智能车在随机生成的障碍物地图中运动，以获得用于神经网络梯度下降的训练集；随后根据近端策略优化(PPO)算法思想进行梯度下降以最大化强化学习奖励；训练最终结果得到一个收敛的神经网络，将该神经网络与DWA算法评价函数融合，完成自适应DWA算法的构建。
-
公开(公告)号：CN113805597A
公开(公告)日：2021-12-17
申请号：CN202111146883.3
申请日：2021-09-28
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明提出一种基于粒子群算法的障碍物自我保护人工势场法局部路径规划方法，引入粒子群算法，并结合智能车在转弯过程中存在最小转弯半径的转弯约束，即在优化过程中加入最大转向角的约束，对初步规划的路线进行曲线优化，并建立相应适应度函数，进一步采用粒子群算法限制寻优范围并找到符合智能车转向特性的航向角，通过粒子不断迭代得到最优的航向角度，从而建立粒子群障碍物自我保护人工势场法避开障碍物，找到符合智能车转向约束的最优路径。
-
公开(公告)号：CN115542733B
公开(公告)日：2025-01-10
申请号：CN202211163167.0
申请日：2022-09-23
Applicant: 福州大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于深度强化学习的自适应动态窗口法，首先构建面向DWA算法的深度强化学习模型，具体包括智能体、环境、动作与状态空间、奖励函数、网络架构等要素；之后根据DWA算法原理，模拟智能车在随机生成的障碍物地图中运动，以获得用于神经网络梯度下降的训练集；随后根据近端策略优化(PPO)算法思想进行梯度下降以最大化强化学习奖励；训练最终结果得到一个收敛的神经网络，将该神经网络与DWA算法评价函数融合，完成自适应DWA算法的构建。
-
Patent Agency Ranking
公开(公告)号：CN113848914B
公开(公告)日：2024-04-26
申请号：CN202111141815.8
申请日：2021-09-28
Applicant: 福州大学
IPC: G05D1/43 , G05D1/242 , G05D1/65 , G05D1/633 , G05D105/22
Abstract: 本发明提出一种动态环境下碰撞系数人工势场法局部路径规划方法，针对动态障碍物，设计了根据碰撞角判断障碍物类型的避障策略，建立速度势场函数模型，根据车辆自身速度、制动减速度与障碍物的相对速度建立动态速度势场影响范围，计算动态障碍物与速度势场影响范围相交面积得到碰撞系数，进而建立不同的斥力函数模型，使智能车行驶更加安全，并且在动态规划中加入车辆动力学约束，使规划出来的轨迹更加符合车辆特性。并在MATLAB中对无人驾驶在有道路边界和动态障碍物的环境下行驶进行仿真，仿真结果验证了速度势场函数人工势场法的有效性。
-
公开(公告)号：CN116774247A
公开(公告)日：2023-09-19
申请号：CN202310587734.3
申请日：2023-05-23
Applicant: 福州大学
Abstract: 本发明针对激光雷达前端子图构建中扫描匹配依赖初始值问题，提出了基于拓展卡尔曼滤波的多源信息融合算法。并把EKF融合了轮边编码器和IMU预积分，基于此得到的里程位姿(位置+姿态)，进而获得融合之后的位姿以及协方差矩阵，并将融合位姿进行四元数球面插值去除激光雷达运动畸变；本发明还针对激光雷达帧间匹配需要较多特征点的问题，使用当前激光雷达数据帧与局部地图相关扫描匹配的策略改进了帧与子图匹配之间的匹配策略；同时融合位姿作为激光雷达迭代的初值，优化了迭代的时间，提高了定位精度。最后通过gazebo平台进行仿真，验证了方法的有效性。
-
公开(公告)号：CN113848914A
公开(公告)日：2021-12-28
申请号：CN202111141815.8
申请日：2021-09-28
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明提出一种动态环境下碰撞系数人工势场法局部路径规划方法，针对动态障碍物，设计了根据碰撞角判断障碍物类型的避障策略，建立速度势场函数模型，根据车辆自身速度、制动减速度与障碍物的相对速度建立动态速度势场影响范围，计算动态障碍物与速度势场影响范围相交面积得到碰撞系数，进而建立不同的斥力函数模型，使智能车行驶更加安全，并且在动态规划中加入车辆动力学约束，使规划出来的轨迹更加符合车辆特性。并在MATLAB中对无人驾驶在有道路边界和动态障碍物的环境下行驶进行仿真，仿真结果验证了速度势场函数人工势场法的有效性。
-
公开(公告)号：CN115454083B
公开(公告)日：2024-11-29
申请号：CN202211170487.9
申请日：2022-09-23
Applicant: 福州大学
Abstract: 本发明提出一种基于快速扩展随机树与动态窗口法的双层路径规划方法，先对地图内的障碍物进行处理，包括安全距离设定和障碍物填充，然后利用快速扩展随机树算法对已处理的地图进行初步规划，其中，提出模仿植物生长的趋光性的仿生设计。以无障碍物最远的规则取得局部目标点，进一步采用动态窗口法以局部目标点为指引向其运行，当智能车到达局部目标点一定范围内时，转而向下一个目标点运行，循环上述步骤，直到到达最终的全局目标点。应用本技术方案可实现将无人车的运动学约束融入到路径规划过程中，使算法规划出的路径符合无人车的行驶要求。
-
公开(公告)号：CN116466719A
公开(公告)日：2023-07-21
申请号：CN202310426324.0
申请日：2023-04-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于目标引导的偏向搜索的后端优化方法。通过实验论证其在匹配质量及匹配速度上都优于传统的暴力枚举匹配算法。其次本发明还提出了一种基于斜率差的角点特征回环方法，把斜率差、角点的斜率和角点相邻两点的斜率的特征作为一个角点的描述，并在两次观测中，把上述三个因素都能匹配成功作为回环成功的标志，减少了错误的回环。然后基于后端优化方法中的海塞矩阵的稀疏性，进行了稀疏姿态调整方法（Sparse Pose Adjustment，简称SPA）优化，从而简化了后端非线性优化的流程，减少了后端优化时间。最后通过gazebo平台进行仿真，验证了方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.074 seconds)
