-
公开(公告)号：CN118310514A
公开(公告)日：2024-07-09
申请号：CN202410409727.9
申请日：2024-04-07
Applicant: 长安大学
Abstract: 本发明提供了一种弱GNSS环境下车辆定位方法和系统，该方法包括：对自动驾驶车辆的系统运行数据信息进行预处理，其中系统运行数据信息包括从GNSS系统获取的经纬度数据和从INS系统获取的三轴加速度、三轴角速度及航向信息；将预处理后的从INS系统获取系统运行数据信息训练位置预测网络，最终输出预测网络的监督信息；根据步骤S2中的监督信息以及预处理后系统运行数据信息和位置修正网络的监督信息训练位置修正网络；最终输出预测值进行修正；在弱GNSS环境或GNSS中断情况下，通过位置预测网络和位置修正网络，输出最终预测值。以解决如何在不增加额外传感器的前提下，仅利用GNSS/INS组合导航系统的数据，提升GNSS/INS组合导航系统在弱GNSS条件下的车辆定位性能的问题。
-
公开(公告)号：CN117518121A
公开(公告)日：2024-02-06
申请号：CN202311437884.2
申请日：2023-10-31
Applicant: 长安大学
Abstract: 本发明公开了一种车辆位置重识别方法及系统，通过对车辆的激光雷达数据进行预处理获取车辆激光雷达的点云结果；利用获取的点云结果进行环境描述符构建；根据获取车辆的激光雷达数据的激光雷达传感器的种类和测量环境计算动态过滤策略阈值；根据构建的环境描述符以及得到的动态过滤策略阈值，与历史数据库中点云数据进行比对，获取车辆的位置信息，本发明能够提高位置重识别的准确率和效率，本发明考虑不同激光雷达的角分辨率和测量范围，提出了动态阈值过滤策略，提高了本方法对多种型号传感器的泛化能力，本发明分离激光雷达测量的地面点与非地面点，融合地面点高度信息和非地面点强度信息构建描述符，提高了描述符对环境的表达能力。
-
公开(公告)号：CN118397854A
公开(公告)日：2024-07-26
申请号：CN202410522965.0
申请日：2024-04-28
Applicant: 长安大学 , 中移(上海)信息通信科技有限公司
Abstract: 本发明属于智能交通技术领域，涉及一种无信号交叉口场景下智能网联汽车协同控制方法及装置，该方法包括使用GA‑MADDPG算法训练的无信号交叉口车辆协同控制网络模型，将控制区域内的智能体i的状态信息输入至所述无信号交叉口车辆协同控制网络模型，所述无信号交叉口车辆协同控制网络模型输出为各个智能体i的最优调度方案#imgabs0#将所述最优调度方案tt输入到安全检验模块，若存在安全风险，则对At进行修正，否则输出最终调度方案#imgabs1#将所述最终调度方案#imgabs2#传输给各个智能体i并执行，有效解决现有机器学习方法无法高效、稳定地实现复杂无信号交叉口场景下车辆协同控制的技术问题。
-
公开(公告)号：CN118366120A
公开(公告)日：2024-07-19
申请号：CN202410436499.4
申请日：2024-04-11
Applicant: 长安大学
IPC: G06V20/58 , G06V10/25 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/09 , G06V10/94 , H04W4/46 , G06N3/048
Abstract: 本发明提供了一种考虑通信延迟的车辆协同感知方法及装置，该方法包括：获取自车和协同车辆各自的点云数据；根据自车和协同车辆点云数据提取自车和协同车辆的感知特征；对自车和协同车辆感知特征分别计算注意力权重，得到加权自车和协同车辆的感知特征；将加权协同车辆的感知特征与加权自车的感知特征进行融合，得到融合特征；根据融合特征最终感知输出自车周围车辆的位置，大小及类别。以解消除自动驾驶过程因信号延迟或信号丢失，导致周围目标检测不准确的技术问题，以及如何避免预测结果级联误差，提高确估计精准度。
-
公开(公告)号：CN117008621A
公开(公告)日：2023-11-07
申请号：CN202311084199.6
申请日：2023-08-25
Applicant: 长安大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于深度强化学习的车辆队列控制方法及系统，根据车辆的动力学模型构建车辆队列运行的运动仿真模型；基于车辆队列运行的运动仿真模型和车辆运行状态，使用恒定时间间距策略，获取车辆队列控制的状态空间和动作空间；基于车辆队列控制的状态空间和动作空间建立DDPG网络，并利用奖励函数机制对DDPG网络进行训练，直至训练过程中每个回合获得的总奖励不再增加时停止训练，得到训练好的控制策略网络，利用训练好的控制策略网络进行队列控制；本发明考虑多种因素实现队列的控制，并且该队列控制方法的控制策略训练完成后，不需要在执行过程中进行复杂计算，控制效率非常高，并且可以当前场景的不同状况下保持控制效果，不需要更换参数。
-
Patent Agency Ranking
公开(公告)号：CN119975359A
公开(公告)日：2025-05-13
申请号：CN202510326979.X
申请日：2025-03-19
Applicant: 长安大学
Abstract: 本发明基于多智能体的多车道匝道合流区车辆控制方法及系统，该车辆控制方法包括：构建多车道混合交通流匝道合流区的仿真系统；基于多车道混合交通流匝道合流区的仿真系统获取智能体运动状态；基于多智能体深度确定性策略梯度MADDPG算法，调整智能体在混合交通匝道合流区运动状态；基于二次神经元的Actor网络，构建基于二次神经元的多智能体深度策略性梯度BQ‑MADDPG算法；基于二次神经元的多智能体深度策略性梯度BQ‑MADDPG算法中，调整智能体在多车道匝道合流区运动状态，直至智能体完全驶离多车道匝道合流区，用以解决现有多智能体深度强化学习MADRL算法在训练中难以达到稳定状态导致模型收敛困难，无法高效解决混合交通下多车道匝道合流区场景的车辆汇入决策控制问题。
-
公开(公告)号：CN114299477B
公开(公告)日：2025-04-18
申请号：CN202111453011.1
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种车辆视觉定位方法、系统、设备及可读存储介质，通过将车辆运动过程中的旋转矩阵参数化为角度变化量，将车辆运动过程中的平移向量参数化为平移分量以图论概念表示，基于鲁棒特征点AKAZE的特征检测算法，以及结合零均值归一化互相关与多策略的特征点匹配算法保证了特征点提取和特征点关联的精确性，改进的RANSAC算法的外点去除算法去除了噪声点和错误匹配点，保证了运动计算的精确性，通过非线性加权最小二乘法解算车辆运动信息以及基于Sigma点的滤波处理技术进一步优化运动结果，定位精度高，基于初始值估计的改进RANSAC算法降低了外点去除的复杂性，保证了算法的实时性，减少了特征点数目，从而降低了算法复杂度，保证了整个算法的实时性。
-
公开(公告)号：CN116524735A
公开(公告)日：2023-08-01
申请号：CN202211731238.2
申请日：2022-12-30
Applicant: 长安大学 , 河南交投郑辉高速公路有限公司
Abstract: 本发明公开了一种快速路入口匝道合流区双层优化控制方法及系统，根据进入快速路入口匝道合流控制区域车辆的初始状态信息，使用基于图的最短路径算法确定最优合并序列并分配各车辆到达时间，根据分配的最优合并序列和各车辆到达时间，进行轨迹规划并发送至各车辆，使用有向图描述合并序列的确定过程，以预测车辆行驶延迟为边权重的改进最短路径算法，确定最优合并序列。根据无约束哈密顿分析，设计时间调整算法，保证车辆满足速度和加速度约束，更加安全实用，利用帕累托最优原理设计寻找最优预测窗口算法，保证了所有车辆满足最大速度约束，保证最大化通行效率，确保车辆满足速度约束和最小化燃油消耗。
-
公开(公告)号：CN114299477A
公开(公告)日：2022-04-08
申请号：CN202111453011.1
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种车辆视觉定位方法、系统、设备及可读存储介质，通过将车辆运动过程中的旋转矩阵参数化为角度变化量，将车辆运动过程中的平移向量参数化为平移分量以图论概念表示，基于鲁棒特征点AKAZE的特征检测算法，以及结合零均值归一化互相关与多策略的特征点匹配算法保证了特征点提取和特征点关联的精确性，改进的RANSAC算法的外点去除算法去除了噪声点和错误匹配点，保证了运动计算的精确性，通过非线性加权最小二乘法解算车辆运动信息以及基于Sigma点的滤波处理技术进一步优化运动结果，定位精度高，基于初始值估计的改进RANSAC算法降低了外点去除的复杂性，保证了算法的实时性，减少了特征点数目，从而降低了算法复杂度，保证了整个算法的实时性。
-
公开(公告)号：CN114152968A
公开(公告)日：2022-03-08
申请号：CN202111450167.4
申请日：2021-11-30
Applicant: 长安大学
Abstract: 本发明公开了一种弱GNSS环境下车辆定位方法、系统、设备及可读存储介质，通过对车辆的序贯数据进行局部异常值处理与数据降噪处理，利用GNSS/INS组合导航系统获取车辆预测数据，并进行预处理，采用预处理后的车辆预测数据训练得到预训练模型，本发明基于GNSS/INS组合导航系统数据，从数据降噪和位置预测模型能够对车辆进行准确定位，解决GNSS/INS系统在弱GNSS条件下的车辆定位问题，大大提高了车辆的定位精确度；采用位置预测模型采用了数据驱动的LSTM模型，避免了建模的复杂性，考虑到离线训练和实时在线预测两个阶段数据形态的不同，离线训练时从数据整体角度入手进行异常值处理和滤波降噪，而在线预测时由于数据是序贯到达的，采用局部异常值处理和数据降噪方法，防止数据失真。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
