滑动转向电驱动无人车驱动防滑控制方法

    公开(公告)号:CN114683871A

    公开(公告)日:2022-07-01

    申请号:CN202111308603.4

    申请日:2021-11-05

    Abstract: 本发明提供一种滑动转向电驱动无人车驱动防滑控制方法,依据惯导+GPS组合导航系统的纵向车速信号获取无人平台的实际纵向车速;依据各驱动电机的当前轮速和无人平台的当前纵向车速,计算各驱动轮当前滑转率;根据设定的滑转率限制值,设计打滑判断逻辑,判断各驱动轮是否打滑;根据当前滑转率和最优滑转率,设计滑转率PID控制策略,得到驱动电机驱动防滑扭矩控制量,该控制扭矩和纵向车速PID控制器计算出来的扭矩控制量一起作为驱动电机的扭矩输入命令对车辆进行驱动控制。采用该驱动防滑控制方法能够快速、有效、平滑地抑制驱动轮的瞬时滑转,提高滑动转向轮式车辆在冰雪、沙漠等低附着率的路面的通过能力。

    滑动转向电驱动无人车驱动防滑控制方法

    公开(公告)号:CN114683871B

    公开(公告)日:2024-02-06

    申请号:CN202111308603.4

    申请日:2021-11-05

    Abstract: 本发明提供一种滑动转向电驱动无人车驱动防滑控制方法,依据惯导+GPS组合导航系统的纵向车速信号获取无人平台的实际纵向车速;依据各驱动电机的当前轮速和无人平台的当前纵向车速,计算各驱动轮当前滑转率;根据设定的滑转率限制值,设计打滑判断逻辑,判断各驱动轮是否打滑;根据当前滑转率和最优滑转率,设计滑转率PID控制策略,得到驱动电机驱动防滑扭矩控制量,该控制扭矩和纵向车速PID控制器计算出来的扭矩控制量一起作为驱动电机的扭矩输入命令对车辆进行驱动控制。采用该驱动防滑控制方法能够快速、有效、平滑地抑制驱动轮的瞬时滑转,提高滑动转向轮式车辆在冰雪、沙漠等低附着率的路面的通过能力。

    一种基于多模态数据的系统性目标识别与跟踪方法

    公开(公告)号:CN113763423A

    公开(公告)日:2021-12-07

    申请号:CN202110883799.3

    申请日:2021-08-03

    Abstract: 本发明公开了一种基于多模态数据的系统性目标识别与跟踪方法,将点云数据和图像数据在线融合,生成RGB‑D三维数据图像;以RGB‑D三维数据图像作为深度神经网络的输入,利用数据库训练深度神经网络,训练后的深度神经网络能够输出RGB‑D三维数据图像中的各类目标的种类和距离,完成对各类目标的识别;针对识别出来的目标,输出目标的距离与尺寸及目标像素的二维坐标,利用深度神经网络提取目标的图像特征来匹配各帧的识别输出,通过拟合更新目标运动模型来预测筛选跟踪目标相对位置,以此对检测到的特定目标进行跟踪。本发明能够实现地面无人平台在车辆行驶速度快,环境未知干扰多,目标出现位置随机的非结构化复杂环境下的目标的识别与跟踪。

    一种基于深度学习的地面无人平台人员跟踪方法

    公开(公告)号:CN113012201B

    公开(公告)日:2024-03-19

    申请号:CN202110311795.8

    申请日:2021-03-24

    Abstract: 本发明提出一种基于深度学习的地面无人平台人员跟踪方法,包括行人目标检测、人员识别以及图像与激光雷达的匹配方法。其中,行人目标检测提取出图像中包含人员的包围框,人员识别则是从提取的包围框中识别出特定的引导人员,图像与激光雷达的匹配方法则是计算出特定引导人员与地面无人平台的相对距离,为之后的底盘跟踪速度生成提供数据。本发明能够实现无人平台对人员的跟踪,不需要人员穿戴特殊制品的前提下,解决了传统视觉目标跟踪易导致的目标漂移问题,提高了算法的鲁棒性,同时不损失算法使用的灵活性。

    一种无人机与无人车的自主协同侦察控制方法

    公开(公告)号:CN110888456B

    公开(公告)日:2023-06-30

    申请号:CN201911231861.X

    申请日:2019-12-05

    Abstract: 本发明属于无人系统协同控制技术领域,公开了一种无人机与无人车的自主协同侦察控制方法。该方法首先无人机自主飞往指定侦察区域,将自主侦察到的目标物图像及坐标位置发送给地面站,然后地面站转发目标位置信息给无人车,无人车自主导航至目标位置,进行近距离侦察。最后完成侦察任务,地面站下发任务结束指令,无人机和无人车自主返航。本发明以无人机‑地面站‑无人车三个分系统的自主协同控制形式,通过搭载多种传感器设备,对特定目标进行自主侦察,利用无线电进行信息交互,实现数据共享,同时,利用自主导航的相关技术途径,实现无人机与无人车的自主导航,实现自主协同侦察,减轻操控人员的负担,提高空地协同侦察的智能化水平。

    一种基于多模态数据的系统性目标识别与跟踪方法

    公开(公告)号:CN113763423B

    公开(公告)日:2024-08-06

    申请号:CN202110883799.3

    申请日:2021-08-03

    Abstract: 本发明公开了一种基于多模态数据的系统性目标识别与跟踪方法,将点云数据和图像数据在线融合,生成RGB‑D三维数据图像;以RGB‑D三维数据图像作为深度神经网络的输入,利用数据库训练深度神经网络,训练后的深度神经网络能够输出RGB‑D三维数据图像中的各类目标的种类和距离,完成对各类目标的识别;针对识别出来的目标,输出目标的距离与尺寸及目标像素的二维坐标,利用深度神经网络提取目标的图像特征来匹配各帧的识别输出,通过拟合更新目标运动模型来预测筛选跟踪目标相对位置,以此对检测到的特定目标进行跟踪。本发明能够实现地面无人平台在车辆行驶速度快,环境未知干扰多,目标出现位置随机的非结构化复杂环境下的目标的识别与跟踪。

Patent Agency Ranking