-
公开(公告)号：CN112947377B
公开(公告)日：2023-04-07
申请号：CN202110207946.5
申请日：2021-02-25
Applicant: 同济大学
IPC: G05B23/02
Abstract: 本发明涉及一种自动驾驶汽车整车在环测试的目标车运动承载平台，包括：动力传动子系统：用于驱动运动承载平台完成规划的运动；四轮转向子系统：用于实现运动承载平台对规划轨迹的跟踪；转动平台子系统：用于驱动与运动承载平台连接的模拟目标车进行横摆运动；运动控制模块：根据目标跟踪轨迹和目标速度，对动力传统子系统、四轮转向子系统、转动平台子系统进行控制；定位与通信模块：用于运动承载平台的实时位置获取，并将位置信息和车辆状态信息同步发送至控制程序或具备通信能力的其他平台上。本发明测试平台能够实现被测车静止，其运动叠加于目标车情况下运动轨迹和车辆横摆姿态的模拟和复现，使测试场景在自车感知系统视角下更符合真实情况。
-
公开(公告)号：CN115390082A
公开(公告)日：2022-11-25
申请号：CN202211051799.8
申请日：2022-08-30
Applicant: 同济大学
Abstract: 本发明涉及一种基于虚拟描述符的全局定位方法及其系统，该方法包括：对激光雷达点云数据进行预处理以及特征点云提取操作；针对关键帧特征点云，以任意位置为中心依次动态生成虚拟描述符；结合从GNSS/INS组合定位系统获取的定位信息，构建密度可调的稀疏描述符地图；同时利用原始点云信息，构建点云地图；针对查询帧特征点云，从中提取出SC描述符，加载稀疏描述符地图进行二阶段加权搜索匹配，得到候选帧及匹配初值；加载候选帧周围设定范围内点云信息，构建局部点云地图，将查询帧点云与局部点云地图进行匹配，得到全局定位信息。与现有技术相比，本发明能够同时具有旋转和平移不变性，具有计算量小、地图采集工作量小、精度高、环境适用性强的优点。
-
公开(公告)号：CN115307651A
公开(公告)日：2022-11-08
申请号：CN202210864316.X
申请日：2022-07-21
Applicant: 同济大学
IPC: G01C21/34
Abstract: 本发明涉及一种基于仿生触须的自动驾驶路径规划方法，包括：建立自车预测模型；生成一系列曲率导数连续的初始候选触须簇；根据位于候选触须簇中间以及两侧的触须长度，确定触须长度，使触须簇之间呈正弦变化趋势；定义自车检测圆对每条触须进行碰撞检测；若检测圆没有与障碍物相交则保留触须，若检测圆与障碍物相交，则删除对应该条触须当前及之后的所有路点；根据碰撞检测结果，得到最终候选触须簇；建立触须总择优函数；利用层次分析法计算总择优函数中各评价指标的权重；将拥有最小总择优函数数值的触须作为汽车规划路径。与现有技术相比，本发明能够保证触须曲线曲率的导数连续，从而提升规划路径的平滑性、提升自动驾驶车辆的舒适性。
-
公开(公告)号：CN115257745A
公开(公告)日：2022-11-01
申请号：CN202210863035.2
申请日：2022-07-21
Applicant: 同济大学
Abstract: 本发明涉及一种基于规则融合强化学习的自动驾驶换道决策控制方法，包括：建立他车纵向运动控制模型及横向行为决策模型；配置高速公路驾驶环境，筛除不合理车流场景，构建自动驾驶决策训练场景；建立驾驶行为观测的状态空间、动作空间；搭建用于策略更新的深度学习网络；设计换道决策风险评估方法，建立决策的安全性评判机制；设置奖励函数；将安全性评判机制引入基于DDQN的深度学习网络；基于自动驾驶决策训练场景进行融合训练，修正决策出的危险动作，并设置两个存储经验池，结合奖励函数更新模型中目标价值网络的参数，训练后的模型用于自动驾驶换道决策。与现有技术相比，本发明在换道场景中具有更高的决策任务成功率、行驶效率以及安全性。
-
公开(公告)号：CN115220454A
公开(公告)日：2022-10-21
申请号：CN202210863710.1
申请日：2022-07-21
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种无人驾驶的换道规划控制一体化方法，包括：1)建立动态障碍车辆周围的概率碰撞区域；2)构建自车预测模型；3)根据上游信息以及自车预测模型，初构建优化目标与约束条件；4)对初构建约束条件进行判断，若约束条件非凸或上界小于下界则进行步骤5)，否则进行步骤6)；5)修改约束条件与优化目标中的期望值，重构建约束条件与优化目标；6)构建非线性最优控制问题；7)求解非线性最优控制问题，获得规划控制初始状态；8)若求解失败则使用重构建的目标参考量作为规划控制初始解。与现有技术相比，本发明充分考虑环境预测不确定性，并结合变化的预测步长，能够保证求解结果的精准性、提高求解效率。
-
Patent Agency Ranking
公开(公告)号：CN115092139A
公开(公告)日：2022-09-23
申请号：CN202210574253.4
申请日：2022-05-24
Applicant: 同济大学
IPC: B60W30/18 , B60W40/10 , B60W40/105 , B60W50/00
Abstract: 本发明涉及一种智能网联车辆交织区协同运动规划方法，该方法包括：获取交织区范围内车辆信息；对各受控车辆的运动状态进行优化：以最小化速度差异为目标，建立运动控制模型；对运动控制模型进行求解，获取各受控车辆的控制信息。与现有技术相比，本发明通过减少交织区内车辆之间的相对速度误差，减少由于换道带来的冲突与车速震荡，有效地提高交通效率，本方法计算效率高，可行性强，仅需要被控车辆具有纵向自动化，且可以与其它自动驾驶运动规划方法相结合，适合应用于实际工程中。
-
公开(公告)号：CN113203418B
公开(公告)日：2022-09-16
申请号：CN202110426739.9
申请日：2021-04-20
Applicant: 同济大学
Abstract: 本发明涉及一种基于序贯卡尔曼滤波的GNSSINS视觉融合定位方法及系统，该方法包括以下步骤：1)对惯性单元测量得到的三轴角速度和加速度进行积分处理，得到姿态、位置和速度信息，并根据速度和位置信息得到伪距和伪距率的预测值；2)获取GNSS信号中的伪距和伪距率的观测信息，与伪距和伪距率的预测值做差得到伪距误差和伪距率误差；3)采用视觉提供的航向增量，与惯性测量单元得到的航向增量做差得到航向误差；4)根据速度、位置和姿态信息、伪距误差和伪距率误差以及航向误差采用序贯卡尔曼滤波进行时间更新和量测更新，并得到误差修正信息并反馈进行信息修正。与现有技术相比，本发明具有计算量小、成本低、精度高、可广泛应用等优点。
-
公开(公告)号：CN115034324A
公开(公告)日：2022-09-09
申请号：CN202210701765.2
申请日：2022-06-21
Applicant: 同济大学
Abstract: 本发明公开了一种多传感器融合感知效能增强方法，涉及多传感器融合技术领域，该方法包括以下步骤：通过感知数据信噪比、目标点航迹质量、传感器探测范围和像素数值特性四个维度对当前环境传感器的感知效能进行评估，得到相机、激光雷达和毫米波雷达在当前环境下对不同距离的各目标感知可信权重，构建基于动态事件触发的感知效能模型；采用分布式融合结构对传感器数据进行目标融合；效果是通过协同毫米波雷达、相机和激光雷达进行目标鲁棒感知，可以解决不确定的光照和天气导致毫米波雷达、相机和激光雷达性能降低甚至失效问题，进而避免自动驾驶决策和执行出现问题而引发车辆危害的行为。
-
公开(公告)号：CN113011016B
公开(公告)日：2022-07-26
申请号：CN202110241228.X
申请日：2021-03-04
Applicant: 同济大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明涉及一种基于制动器摩擦因数修正的主缸液压力估计方法，包括下列步骤：1)根据车辆纵向动力学获取液压力估算公式；2)通过实车测试获取车辆的行驶阻力；3)通过实车测试获取制动器摩擦因数受制动初始温度、制动压力和车速的影响规律；4)按照一般驾驶习惯，设定一次制动过程中的车速变化区间，根据不同车速区间划分不同的摩擦因数，进而建立摩擦因数修正模型；5)根据步骤2)获取的行驶阻力和步骤4)获取的摩擦因数修正模型，通过步骤1)的液压力估算公式，计算主缸液压力。与现有技术相比，本发明具有估算准确率高等优点。
-
公开(公告)号：CN114492157A
公开(公告)日：2022-05-13
申请号：CN202111579203.7
申请日：2021-12-22
Applicant: 同济大学
Abstract: 本发明涉及一种基于个性化驾驶员模型的自动驾驶测试场景生成方法，包括：基于遗传与进化思想、结合强化学习，模拟人类驾驶员在驾驶经历中的各个阶段，逐级训练得到不同成长阶段的驾驶员模型，包括新手驾驶员模型、经验驾驶员模型和熟练驾驶员模型；基于不同成长阶段的驾驶员模型，根据人类驾驶员的不同个性化驾驶特性，进一步训练得到个性化驾驶员模型，包括激进型驾驶员模型、保守型驾驶员模型、挑衅型驾驶员模型和合作型驾驶员模型；根据测试需求，将不同成长阶段的驾驶员模型和不同的个性化驾驶员模型按对应的需求比例，组合生成相应的目标测试场景。与现有技术相比，本发明能够有效提高生成测试场景的真实性和复杂性、提升测试效果和准确性。
-
-
-
-
-
-
-
-
-
Search Results
392
records
(took 0.028 seconds)
