-
Patent Agency Ranking
公开(公告)号：CN115689330A
公开(公告)日：2023-02-03
申请号：CN202211168321.3
申请日：2022-09-23
Applicant: 上汽大众汽车有限公司
IPC: G06Q10/0639
Abstract: 本发明公开了一种用于自动驾驶轨迹规划模块的评测方法，其包括步骤：获取待评测轨迹规划模块运行所生成的待评测轨迹规划结果以及用于比较的参考结果；遍历待评测轨迹规划结果中每条轨迹的所有轨迹点，将每一个轨迹点的速度、横向加速度、纵向加速度、横向加加速度、纵向加加速度与各项设定的限制分别进行比较，若其中至少一项超过设定限制，则记录并存储该轨迹点的轨迹上的相对时间以及该轨迹点所在的轨迹的输出时刻；将待测轨迹规划结果中每条轨迹与所述参考结果中同一时刻对应的参考轨迹进行比对，以获得二者之间的差异；基于差异和设定的评分权重，分别计算各项的指标分数；对每条轨迹的各项指标分数进行加权计算，以获得该条轨迹的评价分数。
-
公开(公告)号：CN117446017A
公开(公告)日：2024-01-26
申请号：CN202311577104.4
申请日：2023-11-23
Applicant: 上汽大众汽车有限公司
IPC: B62D15/02
Abstract: 本申请涉及自动驾驶领域，具体为一种车辆横向控制方法、装置及车辆。该车辆横向控制方法包括：步骤1：获取车辆的车速、曲率半径、横向误差和方向盘转角；步骤2：基于所述车速、所述曲率半径和所述横向误差，确定目标补偿转向角度；步骤3：根据所述目标补偿转向角度和所述方向盘转角，确定目标方向盘转角；步骤4：根据所述目标方向盘转角，对所述车辆进行横向控制。本申请解决现有技术中车辆横向控制的直线震荡问题、急弯转向不足问题，进行了算法中部分逻辑的改变，根据速度、曲率、横向误差动态标定参数，给横向控制算法的转向角度进行了相应的补偿。
-
公开(公告)号：CN116353634A
公开(公告)日：2023-06-30
申请号：CN202310402969.0
申请日：2023-04-14
Applicant: 上汽大众汽车有限公司
Abstract: 本发明提供了一种弥补胎压问题导致的自动驾驶横向偏差的方法，包括如下步骤：步骤S1，实时采集车辆行驶过程中轮胎的运动信息；所述轮胎的运动信息包括轮胎滚动的线速度和角速度；步骤S2，根据轮胎的运动信息，计算轮胎的滚动半径，并通过半径迭代法判断轮胎胎压是否异常，所述半径迭代法是通过预先设定的特征参数γ表示轮胎的滚动半径的差异，以判断轮胎胎压是否异常；步骤S3，根据轮胎的滚动半径和特征参数γ，判断轮胎胎压与轮胎半径的关系，并确定胎压异常的轮胎位置；步骤S4，根据特征参数γ计算方向盘角度的补偿值。
-
公开(公告)号：CN115447615A
公开(公告)日：2022-12-09
申请号：CN202211274770.6
申请日：2022-10-18
Applicant: 上汽大众汽车有限公司
Abstract: 本发明提供了一种基于车辆运动学模型预测控制的轨迹优化方法。本发明从基本车辆运动学模型(单车模型)出发，结合了模型预测控制方法(MPC，Model Predictive Control)，建立了基于MPC的轨迹优化模型。在接收到上游规划模块生成的参考轨迹的基础上，可以通过优化方法计算出满足车辆运动学的平缓轨迹。最终的计算结果满足汽车控制要求，同时该发明有着良好的运行速度，可以应用于智能驾驶汽车。
-
公开(公告)号：CN117150308A
公开(公告)日：2023-12-01
申请号：CN202310906440.2
申请日：2023-07-24
Applicant: 上汽大众汽车有限公司
Abstract: 本发明公开了一种基于深度学习的车道线匹配方法，其包括步骤：获取目标车辆的历史轨迹数据以及环境车辆的历史轨迹数据；基于目标车辆的历史轨迹数据获取与其对应的所有历史车道线信息；将各连续的历史车道线信息与各车辆的历史轨迹数据通过编码进行对齐，然后合并，以获得样本向量；将样本向量输入到构建的深度学习网络中，对深度学习网络进行训练和调参，以使深度学习网络输出各历史车道线信息与目标车辆的历史轨迹数据的相似度计算结果；当进行实际车道线匹配时：基于目标车辆的实际轨迹数据、环境车辆的实际轨迹数据以及实际车道线信息编码后获得实际向量；深度学习网络基于输入的实际向量输出相似度计算结果。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
