-
公开(公告)号：CN106126888B
公开(公告)日：2018-07-06
申请号：CN201610430812.9
申请日：2016-06-16
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于自组织编队行为的集群机器人轨迹跟踪方法，包括以下几个步骤：步骤1：从控制器向机器人个体发送路径信息；步骤2：将由多个单体机器人组成的指定六边形结构排放在指定的路径起点，并初始化路径信息；步骤3：根据从控制器接收到的路径信息、六边形结构内其他单体机器人传输信息、状态和梯度对单体机器人的运动状态进行控制，从而实现对群机器人运动和编队的周期控制；步骤4：到达终点，系统陷入死锁状态，程序停止运行，控制结束。该基于自组织编队行为的群集机器人轨迹跟踪方法，面向微小型群集机器人，对机器人硬件的要求低，硬件方面只需要红外传感器，计算能力较弱的处理器和电机。
-
公开(公告)号：CN107085938B
公开(公告)日：2019-07-02
申请号：CN201710428534.8
申请日：2017-06-08
Applicant: 中南大学
Abstract: 本发明公开了一种基于车道线与GPS跟随的智能驾驶局部轨迹容错规划方法，其步骤包括：首先初始化跟随模式并建立智能驾驶车辆坐标系；其次根据GPS、车道线信息进行GPS数据和车道线识别状态的甄别；然后根据甄别后的识别状态计算容错偏差，并更新跟随模式；最后基于新跟随模式进行局部路径、轨迹规划；该方法通过对各种数据的有效性做出了判断，提高了后续计算的准确度，同时，基于各数据状态设计了容错偏差，并对其进行实时动态的更新，简化系统复杂度，易于实际应用，提高了数据处理的鲁棒性；针对GPS、车道线等多传感数据对跟随模式进行实时状态转移，实现了多跟随状态之间的连续、平滑控制，提高了智能驾驶车辆的舒适性和稳定性。
-
公开(公告)号：CN104914870B
公开(公告)日：2017-06-16
申请号：CN201510396687.X
申请日：2015-07-08
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于岭回归超限学习机的户外机器人局部路径规划方法，包括以下步骤：步骤一，采用激光雷达采集环境信息与提取感兴趣区域；步骤二，利用机器人航迹推算方法，构建多帧激光雷达数据的复合地图；步骤三，进行激光雷达数据点聚类与逻辑判别，提取动态障碍物与路边界，标识激光雷达地图中可通行区域；步骤四，利用RRELM规划超平面，并融入路径规划的起始点和目标点约束，得到机器人局部规划路径。本发明提升了户外非特定场景下，机器学习路径规划的泛化性能，使得户外机器人局部路径更加平滑，便于跟踪。
-
公开(公告)号：CN106126888A
公开(公告)日：2016-11-16
申请号：CN201610430812.9
申请日：2016-06-16
Applicant: 中南大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明公开了一种基于自组织编队行为的集群机器人轨迹跟踪方法，包括以下几个步骤：步骤1：从控制器向机器人个体发送路径信息；步骤2：将由多个单体机器人组成的指定六边形结构排放在指定的路径起点，并初始化路径信息；步骤3：根据从控制器接收到的路径信息、六边形结构内其他单体机器人传输信息、状态和梯度对单体机器人的运动状态进行控制，从而实现对群机器人运动和编队的周期控制；步骤4：到达终点，系统陷入死锁状态，程序停止运行，控制结束。该基于自组织编队行为的群集机器人轨迹跟踪方法，面向微小型群集机器人，对机器人硬件的要求低，硬件方面只需要红外传感器，计算能力较弱的处理器和电机。
-
公开(公告)号：CN104914870A
公开(公告)日：2015-09-16
申请号：CN201510396687.X
申请日：2015-07-08
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于岭回归超限学习机的户外机器人局部路径规划方法，包括以下步骤：步骤一，采用激光雷达采集环境信息与提取感兴趣区域；步骤二，利用机器人航迹推算方法，构建多帧激光雷达数据的复合地图；步骤三，进行激光雷达数据点聚类与逻辑判别，提取动态障碍物与路边界，标识激光雷达地图中可通行区域；步骤四，利用RRELM规划超平面，并融入路径规划的起始点和目标点约束，得到机器人局部规划路径。本发明提升了户外非特定场景下，机器学习路径规划的泛化性能，使得户外机器人局部路径更加平滑，便于跟踪。
-
Patent Agency Ranking
公开(公告)号：CN107264531A
公开(公告)日：2017-10-20
申请号：CN201710427932.8
申请日：2017-06-08
Applicant: 中南大学
IPC: B60W30/18 , B60W30/08 , B60W40/02 , B60W40/105
CPC classification number: B60W30/18 , B60W30/08 , B60W40/02 , B60W40/105
Abstract: 本发明公开了一种半结构化环境中智能车辆自主换道超车运动规划方法，包括以下步骤：步骤一，确定车辆所处的当前行驶状态；步骤二，采用基于GPS与车道线融合的换道路径规划方法规划超车换道轨迹向左换道；步骤三，确定超车换道预瞄点坐标，更新超车换道轨迹；步骤四，向左换道结束后，依据设定超车速度和时间进行超车；步骤五，按照步骤二所述方法向右回道；步骤六，确定超车回道预瞄点坐标，更新超车回道轨迹；步骤七，向右回道结束后，按照设定的直行速度开始直行。采用基于GPS与车道线融合的变道路径规划方法，具有较好的容错能力和鲁棒性，在变道过程中动态更新变道点，使车辆能够更好的避开动静态障碍物，顺利驶入相邻车道。
-
公开(公告)号：CN106840178A
公开(公告)日：2017-06-13
申请号：CN201710052644.9
申请日：2017-01-24
Applicant: 中南大学
CPC classification number: G01C21/3446 , G01C21/32
Abstract: 本发明公开了一种基于ArcGIS的地图创建与智能车辆自主导航方法及系统，该方法包括以下几个步骤，步骤1：使用设备获取需导航区域的经纬度信息；步骤2：使用ArcGIS工具创建绘制二维矢量地图及岔路口路段文本文件；步骤3：使用路径规划工具获取最短路径，从路径中提取轨迹；步骤4：对轨迹进行坐标系转换；在进行自主导航时，使用5米插值算法，得到的路径点很平滑，增加路经点数目，提高该路段的路径精度，确保行驶平稳；同时路径搜索在时间上没有明显增加；该方法能保证在使用同样复杂度的地图时，为智能车自主导航提供更精确更密集的轨迹跟踪点，并且把轨迹点转化为智能车坐标系下的坐标，降低了曲线拟合的难度。
-
公开(公告)号：CN106681327A
公开(公告)日：2017-05-17
申请号：CN201710018989.2
申请日：2017-01-11
Applicant: 中南大学
IPC: G05D1/02
CPC classification number: G05D1/0278 , G05D2201/0212
Abstract: 本发明公开了一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统，包括以下步骤：步骤一，根据车辆建立坐标系并给定期望轨迹和期望速度；步骤二，通过预瞄模型计算期望前轮航向角；步骤三，计算车辆实时前轮航向角；步骤四，计算车辆预估航向角；步骤五，计算航向偏差并根据控制率计算方向盘控制量；步骤六，计算纵向控制器驱动速度和制动减速度；步骤七，将控制量输入执行机构实现控制响应。该方法提升了大惯性客车无人驾驶环境下跟踪期望轨迹的控制精度，优化了控制结构，有效克服了其大惯性和滞后性，改善了大惯性无人驾驶客车控制的响应速度和跟踪效果。
-
公开(公告)号：CN107264531B
公开(公告)日：2019-07-12
申请号：CN201710427932.8
申请日：2017-06-08
Applicant: 中南大学
IPC: B60W30/18 , B60W30/08 , B60W40/02 , B60W40/105
Abstract: 本发明公开了一种半结构化环境中智能车辆自主换道超车运动规划方法，包括以下步骤：步骤一，确定车辆所处的当前行驶状态；步骤二，采用基于GPS与车道线融合的换道路径规划方法规划超车换道轨迹向左换道；步骤三，确定超车换道预瞄点坐标，更新超车换道轨迹；步骤四，向左换道结束后，依据设定超车速度和时间进行超车；步骤五，按照步骤二所述方法向右回道；步骤六，确定超车回道预瞄点坐标，更新超车回道轨迹；步骤七，向右回道结束后，按照设定的直行速度开始直行。采用基于GPS与车道线融合的变道路径规划方法，具有较好的容错能力和鲁棒性，在变道过程中动态更新变道点，使车辆能够更好的避开动静态障碍物，顺利驶入相邻车道。
-
公开(公告)号：CN106681327B
公开(公告)日：2019-05-24
申请号：CN201710018989.2
申请日：2017-01-11
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种大惯性电动客车的智能驾驶横纵向解耦控制方法及系统，包括以下步骤：步骤一，根据车辆建立坐标系并给定期望轨迹和期望速度；步骤二，通过预瞄模型计算期望前轮航向角；步骤三，计算车辆实时前轮航向角；步骤四，计算车辆预估航向角；步骤五，计算航向偏差并根据控制率计算方向盘控制量；步骤六，计算纵向控制器驱动速度和制动减速度；步骤七，将控制量输入执行机构实现控制响应。该方法提升了大惯性客车无人驾驶环境下跟踪期望轨迹的控制精度，优化了控制结构，有效克服了其大惯性和滞后性，改善了大惯性无人驾驶客车控制的响应速度和跟踪效果。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
