一种自动驾驶特种作业车辆的决策规划方法

    公开(公告)号:CN109557912A

    公开(公告)日:2019-04-02

    申请号:CN201811183181.0

    申请日:2018-10-11

    Applicant: 同济大学

    Abstract: 本发明涉及一种自动驾驶特种作业车辆的决策规划方法。包括以步骤:1)自动驾驶作业模块获取自车的当前定位位姿;2)将感知系统发送的环境信息投影到栅格地图,并生成环境地图;3)自动驾驶作业模块获取当前作业执行器的控制指令并下发;4)自动驾驶作业模块获取任务参考路径,采用路径-速度分解的轨迹规划方法结合车辆动力学约束进行轨迹簇规划,获取车辆可执行的基础轨迹簇,将基础轨迹簇和任务参考路径融合得到可执行轨迹簇;5)对规划的可执行轨迹簇进行安全性和高效性的择优,最终生成高收益轨迹。与现有技术相比,本发明具有提高避障成功率、自动决策、多模式的轨迹决策策略、实现自动驾驶安全性等优点。

    一种快速完备的自动驾驶轨迹规划方法

    公开(公告)号:CN109540159A

    公开(公告)日:2019-03-29

    申请号:CN201811183196.7

    申请日:2018-10-11

    Applicant: 同济大学

    Abstract: 本发明涉及一种快速完备的自动驾驶轨迹规划方法,包括以下步骤:1)规划基础路径;2)对基础行车路径进行碰撞检测,进行步骤3),若不存在碰撞,则判断基础行车路径是否到达目标点,若是,则进行步骤4),若否,则进行步骤3);3)采用采样/搜索路径规划方法获取平滑的有效路径后,进行步骤4);4)获取路径对应的曲率极值后进行分段速度规划,得到轨迹;5)在时间域和空间域对轨迹进行碰撞检测,若有碰撞,则判断车辆与障碍物的距离是否大于2倍最小制动距离,若是,则进行速度重规划并返回步骤4),若否,则返回步骤1),最终将路径与速度组合生成轨迹并输出,与现有技术相比,本发明具有提升轨迹规划的实时性,平稳可靠等优点。

    一种基于强化学习网络训练的自动泊车方法

    公开(公告)号:CN109492763A

    公开(公告)日:2019-03-19

    申请号:CN201811092800.5

    申请日:2018-09-17

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于强化学习网络训练的自动泊车方法,该方法包括步骤:1)对车辆判断是否进行实车训练,若是,则执行步骤2)后进入步骤6),否则执行步骤3)后进入步骤4)~6);2)针对自动泊车工况建立强化学习网络模型,并对强化学习网络进行训练,获取与车辆控制对应的驾驶策略模型;3)针对自动泊车工况建立强化学习网络模型,并对强化学习网络进行仿真训练,获取与车辆控制对应的驾驶策略模型;4)采用迁移学习将获取的驾驶策略模型应用于实车;5)完善驾驶策略模型,输出车辆的控制指令;6)根据驾驶策略模型输出的车辆的控制指令对车辆进行泊车控制。与现有技术相比,本发明具有加速收敛、具有较好的鲁棒性等优点。

Patent Agency Ranking