-
公开(公告)号：CN116011123A
公开(公告)日：2023-04-25
申请号：CN202310154088.1
申请日：2023-02-23
Applicant: 清华大学
IPC: G06F30/15 , G06F30/20 , G06F119/02
Abstract: 本公开提供的智能汽车连续时间最优决控模型构建及求解方法，包括：构建智能汽车连续时间最优决控模型，以自车的终端状态性能函数和从初始时刻至终端时刻的有限时域内的效用函数的连续时间积分作为目标函数，效用函数用于表达自车的综合性能，以智能汽车的连续时间动力学方程作为最优决控模型的运动约束，以参数化最优策略作为最优决控模型的输出；对最优决控模型进行迭代求解，每次迭代中，首先从初始时刻至终端时刻前向求解终端时刻的自车状态，然后从终端时刻至初始时刻后向求解策略梯度，并以梯度下降的方式更新参数化策略的参数，不断重复上述迭代过程直至参数化策略的参数收敛，得到最优参数化策略。本公开精度高、适用范围广、节省内存。
-
公开(公告)号：CN115534998A
公开(公告)日：2022-12-30
申请号：CN202211266914.3
申请日：2022-10-17
Applicant: 清华大学
Abstract: 本申请涉及一种自动驾驶集成决策方法、装置、车辆及存储介质，包括：获取目标点在世界坐标系的第一状态信息，并转换至目标坐标系下得到第二状态信息，同时获取目标点在目标时刻偏离参考路径初始横向位移及纵向速度，基于预设稳定策略和初始横向位移与纵向速度间函数关系，获得世界坐标系生成轨迹的目标点状态信息，生成满足基本动力学约束安全轨迹，对其进行逐状态约束，得到目标点在目标时刻偏离参考路径最终横向位移及纵向速度，生成车辆最优安全轨迹，作为车辆集成决策系统输出，输入到下层控制器，对车辆进行控制。由此，解决在含有交互性和不确定性场景基于规则的自动驾驶决策系统难以实现高级别自动化和智能性等问题，提升决策系统智能性。
-
公开(公告)号：CN114407895A
公开(公告)日：2022-04-29
申请号：CN202210180226.9
申请日：2022-02-25
Applicant: 清华大学
IPC: B60W30/14 , B60W10/06 , B60W10/10 , B60W30/188
Abstract: 本公开提供的车辆预测巡航控制方法、装置、电子设备和存储介质，本公开建立了考虑道路坡度信息，且以车辆速度、发动机转矩和车辆纵向位置作为状态变量，以发动机目标转矩作为控制变量的车辆动力学模型，并建立了以车辆速度、发动机转矩作为状态变量的油耗模型；基于综合考虑了车辆驾驶经济性、目标车速跟随和舒适性为代价函数的最优控制问题，以深度神经网络为载体，通过离线学习训练获得最优的控制策略，并在线应用最优控制策略，实现节能型预测巡航控制。本公开能够满足不同预测时域的求解实时性，保证行程时效性的同时改善了燃油经济性，并改善了求解方法对不同行驶速度和道路工况的适用范围。
-
公开(公告)号：CN114084155A
公开(公告)日：2022-02-25
申请号：CN202111349214.6
申请日：2021-11-15
Applicant: 清华大学
Abstract: 本申请涉及涉及一种预测型智能汽车决策控制方法、装置、车辆及存储介质，方法包括：基于地图信息和交通参与者的历史轨迹，对周围交通参与者建立预测模型，并利用有标签的数据集对预测模型进行参数初始化，生成初始周车运动预测模型；以智能汽车的驾驶目标作为优化对象，根据与环境的不断交互数据循环更新初始周车运动预测模型，生成最终周车运动预测模型；将最终周车运动预测模型嵌入智能汽车的决策控制系统，使得决策控制系统根据最终周车运动预测模型预测的周车运动生成对应的决策控制指令，并控制智能汽车执行决策控制指令，从而通过迭代模型驱动的自进化式策略评估与策略提升过程，实现智能车辆预测型最优策略求解方案。
-
公开(公告)号：CN113619604A
公开(公告)日：2021-11-09
申请号：CN202110990262.7
申请日：2021-08-26
Applicant: 清华大学
Abstract: 本公开提供的自动驾驶汽车的集成式决控方法、装置及存储介质，本公开包括：根据交通驾驶场景的静态信息构造候选路径集合，对候选路径集合中每一条候选路径考虑交通驾驶场景的动态信息构建路径跟踪模型，在此基础上进一步构造路径优选模型；将路径跟踪模型和路径优选模型分别转化为决控策略求解模型和评价函数求解模型，通过离线方式求解决控策略求解模型和评价函数求解模型，得到最优决控策略和最优评价函数；从自动驾驶汽车出发时刻开始，每一时刻利用最优评价函数选择最优路径，然后使用最优决控策略确定自动驾驶汽车的最优动作，直至到达全局路径终点。本公开的可扩展性强且在线计算效率高。
-
Patent Agency Ranking
公开(公告)号：CN113110359A
公开(公告)日：2021-07-13
申请号：CN202110536117.1
申请日：2021-05-17
Applicant: 清华大学
IPC: G05B19/418
Abstract: 本发明公开了一种约束型智能汽车自主决策系统在线训练方法及装置，该方法在每轮优化中，以车辆驾驶性能作为优化的目标，通过计算约束函数的梯度投影矩阵，将更新梯度投影至可行且安全的区域中，并利用安全护盾检测执行策略的绝对安全行。可以保证智能汽车在线优化目标时的安全性，从而降低了对仿真器的要求，应用范围不受场景限制，能够达到安全在线训练的目标。
-
公开(公告)号：CN108664953B
公开(公告)日：2021-06-08
申请号：CN201810498211.0
申请日：2018-05-23
Applicant: 清华大学
Abstract: 本发明公开了一种基于卷积自编码器模型的图像特征提取方法，该方法包括：步骤1，收集包含希望提取的特征的图片构成数据集I；步骤2，收集不包含希望提取的特征的图片构成数据集II；步骤3，利用数据集I和数据集II同时对构建的自编码器模型进行训练；步骤4，输入待提取特征的图像，自编码器模型的编码器部分的输出即为提取到的特征。相比于目前主流的图像特征提取方法，本方法无需进行人工标定，能够在保证特征提取可靠性的同时，降低人工标定的工作量，同时使得输出的特征包含更高级的语义特征。
-
公开(公告)号：CN112829742A
公开(公告)日：2021-05-25
申请号：CN202011614889.4
申请日：2020-12-30
Applicant: 清华大学
Abstract: 本申请涉及一种乘员安全决策方法、装置、计算机设备和存储介质。所述方法包括：根据目标车辆行驶轨迹及行车环境信息，确定目标车辆在行车环境中的行驶状态；当目标车辆所处行驶状态为即将发生碰撞时，遍历安全决策数据库中的每一安全决策，根据每一安全决策确定目标车辆在行车环境中的潜在碰撞形式；根据潜在碰撞形式以及乘员损伤估计算法，得到目标车辆的预估乘员损伤值，并将对应预估乘员损伤值最低的安全决策确定为目标安全决策。采用本方法能够提高自动驾驶的乘员安全性。
-
公开(公告)号：CN111338335B
公开(公告)日：2021-02-26
申请号：CN201911422209.6
申请日：2019-12-31
Applicant: 清华大学 , 北京嘀嘀无限科技发展有限公司
IPC: G05D1/02
Abstract: 本发明提出的一种结构化道路场景下的车辆局部轨迹规划方法，首先通过建立一种基于车道参考线的参考坐标系，得到车辆当前时刻在该参考坐标系下的运动状态向量；接着分别生成不同速度区间的参考坐标系下的纵向采样轨迹集合和横向采样轨迹集合，纵向采样轨迹集合内的所有采样轨迹的曲线形式相同，横向采样轨迹集合内所有采样轨迹的曲线形式相同；然后将横纵向采样轨迹进行合成；随后将合成后的采样轨迹转换回笛卡尔坐标系下，并剔除不满足轨迹曲率和碰撞检测的采样轨迹；最后计算每一条采样轨迹的代价，其中代价最小的轨迹即为本发明所得到的最优轨迹。本发明通过构造高速和低速下的采样轨迹可提高采样有效率，对复杂约束条件适应性强。
-
公开(公告)号：CN112026772A
公开(公告)日：2020-12-04
申请号：CN202010817128.2
申请日：2020-08-14
Applicant: 清华大学
IPC: B60W30/18 , B60W30/095 , B60W40/00
Abstract: 本发明提出的一种智能网联汽车的路径实时规划与分布式控制方法，包括：车辆出发时刻，根据已知的车道线位置和自车的全局路径确定道路特征点；规划阶段，通过贝塞尔曲线规划自车当前位置到距自车最近的道路特征点的路径，并根据已知的信号灯相位、限速标志牌信息，规划速度曲线，并在路径曲线上按照该速度曲线进行采样离散，得到固定时间间隔的自车轨迹点；控制阶段，车辆首先借助车联网获取其通信范围内他车上一步控制输出的预测信息，并结合得到的自车规划轨迹点，在未来一段时域内求解本地的最优控制问题，向自车输出控制量、向通信范围内他车输出预测信息。本方法可以保证轨迹规划的实时性，并能充分地利用道路空间从而提高交通效率。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.038 seconds)
