基于智能驾驶的预测感知盲区中存在物体的方法及系统

    公开(公告)号:CN113655469B

    公开(公告)日:2023-12-12

    申请号:CN202110783880.4

    申请日:2021-07-12

    Inventor: 华炜 胡艳明

    Abstract: 本发明公开基于智能驾驶的预测感知盲区中存在物体的方法及系统,在智能驾驶过程中,通过充分考虑附近物体的预测行为与实际行为的差异,来判定智能驾驶中预测感知盲区中是否存在物体;首先,根据自车的感知信息对目标车辆的行为进行预测;然后,根据目标车辆的预测行为与实际行为的差异程度来判断目标车辆前方存在物体的概率;最后,将物体添加到自车的感知结果中;此外,为了降低计算成本,将检测周围车辆对自动驾驶汽车感知造成的影响,当影响较大时才启动预测算法;在智能驾驶场景中由于其它交通参与者的遮挡形成感知视野盲区时,对视野盲区内存在物体的概率进行估计,让智能驾驶汽车预见可能出现的行人或障碍物,从而提高驾驶的安全性。

    基于智能驾驶的预测感知盲区中存在物体的方法及系统

    公开(公告)号:CN113655469A

    公开(公告)日:2021-11-16

    申请号:CN202110783880.4

    申请日:2021-07-12

    Inventor: 华炜 胡艳明

    Abstract: 本发明公开基于智能驾驶的预测感知盲区中存在物体的方法及系统,在智能驾驶过程中,通过充分考虑附近物体的预测行为与实际行为的差异,来判定智能驾驶中预测感知盲区中是否存在物体;首先,根据自车的感知信息对目标车辆的行为进行预测;然后,根据目标车辆的预测行为与实际行为的差异程度来判断目标车辆前方存在物体的概率;最后,将物体添加到自车的感知结果中;此外,为了降低计算成本,将检测周围车辆对自动驾驶汽车感知造成的影响,当影响较大时才启动预测算法;在智能驾驶场景中由于其它交通参与者的遮挡形成感知视野盲区时,对视野盲区内存在物体的概率进行估计,让智能驾驶汽车预见可能出现的行人或障碍物,从而提高驾驶的安全性。

    一种面向稠密人流的智能驾驶速度决策方法和系统

    公开(公告)号:CN115871658B

    公开(公告)日:2023-10-27

    申请号:CN202211561322.4

    申请日:2022-12-07

    Abstract: 一种面向稠密人流的自动驾驶速度规划方法,包括:首先,将汽车与感知到的行人从笛卡尔坐标系转换到基于参考轨迹的Frenet坐标系;再根据车辆长宽、位置以及姿态等信息构造粗过滤区域,对感知到的行人进行粗过滤;然后,根据期望行驶的路线与行人的状态等信息对粗过滤后留下来的行人进行精过滤;最后,基于保守制动能力的速度决策方法得到自车关于每个通过精过滤的行人的最佳期望速度,并选择最小值作为自车当前最佳期望速度。本发明还包括一种面向稠密人流的自动驾驶速度规划方法。本发明能够使自动驾驶系统在人车混流的场景中产生安全且高效的驾驶行为,解决了自动驾驶汽车面对行人时频繁停车或卡死等问题。

    一种面向稠密人流的智能驾驶速度决策方法和系统

    公开(公告)号:CN115871658A

    公开(公告)日:2023-03-31

    申请号:CN202211561322.4

    申请日:2022-12-07

    Abstract: 一种面向稠密人流的自动驾驶速度规划方法,包括:首先,将汽车与感知到的行人从笛卡尔坐标系转换到基于参考轨迹的Frenet坐标系;再根据车辆长宽、位置以及姿态等信息构造粗过滤区域,对感知到的行人进行粗过滤;然后,根据期望行驶的路线与行人的状态等信息对粗过滤后留下来的行人进行精过滤;最后,基于保守制动能力的速度决策方法得到自车关于每个通过精过滤的行人的最佳期望速度,并选择最小值作为自车当前最佳期望速度。本发明还包括一种面向稠密人流的自动驾驶速度规划方法。本发明能够使自动驾驶系统在人车混流的场景中产生安全且高效的驾驶行为,解决了自动驾驶汽车面对行人时频繁停车或卡死等问题。

    联合时空信息的智能驾驶多步长时行为决策方法及装置

    公开(公告)号:CN115994332A

    公开(公告)日:2023-04-21

    申请号:CN202211568651.1

    申请日:2022-12-08

    Abstract: 本发明公开了联合时空信息的智能驾驶多步长时行为决策方法及装置,首先,根据道路结构信息与交通参与者信息,生成驾驶状态集合,将各驾驶状态作为节点,基于相邻车道的驾驶状态,生成节点间的有向边,构建驾驶状态转移图;然后,基于驾驶状态转移图与交通参与者的时空信息,通过先入先出队列和已探索驾驶状态列表,构建自车时空轨迹树;最后,在时空轨迹树中提取候选时空轨迹,并对所有候选时空轨迹进行评分,最终选择评分最高的时空轨迹作为决策结果。本发明能够使智能驾驶平台在动态交通环境中进行多步、长时的时空联合决策,指导智能驾驶平台获得更加合理的驾驶行为。

    一种运动能力可在线学习的运动规划方法、装置和介质

    公开(公告)号:CN114509936A

    公开(公告)日:2022-05-17

    申请号:CN202210412955.2

    申请日:2022-04-19

    Abstract: 本发明属于运动控制领域,涉及一种运动能力可在线学习的运动规划方法、装置和介质,该方法包括:步骤S1:根据运动平台的运动学与动力学约束,初始化曲率‑速率函数;步骤S2:根据运动平台的实际运行轨迹与期望轨迹实时评估运动平台的轨迹跟踪能力;步骤S3:根据运动平台的跟踪能力实时更新曲率‑速率函数;步骤S4:运动平台的运动规划器根据更新后的曲率‑速率函数,得到运动平台的运动规划结果;步骤S5:运动平台的控制器根据运动规划结果得到运动命令,根据运动命令控制运动平台运动。本方法能够使运动平台在运动能力很好的条件下,自适应的提高运动效率;同时在运动能力不好的条件下,自适应的降低速度以提高跟踪精度。

    一种基于离线全局优化的多点云地图融合方法和装置

    公开(公告)号:CN114322994B

    公开(公告)日:2022-07-01

    申请号:CN202210228899.7

    申请日:2022-03-10

    Abstract: 本发明公开了一种基于离线全局优化的多点云地图融合方法和装置,该方法包括:步骤1,适配基于GPS信息初始化的激光SLAM方法;步骤2,将需要用于点云融合的多个数据集,按照上述S1所述的在线激光SLAM方法依次获得多个点云地图;步骤3,离线加载各点云地图信息,并依次构建各点云地图的里程计因子,回环因子和GPS因子;步骤4,构建不同点云地图之间的互约束因子;步骤5,设定优化参数,进行全局优化,保存最终融合点云和所有关键帧信息。本发明方法相较于在线多点云地图融合的方法,提高了多点云地图融合的稳定性和可靠性,降低了算法实施的难度,无需顾及建图性能和运行实时性之间的平衡关系。

    一种多车型参数自适应的参考线平滑方法和系统

    公开(公告)号:CN114676939A

    公开(公告)日:2022-06-28

    申请号:CN202210580074.1

    申请日:2022-05-26

    Abstract: 本发明公开一种多车型参数自适应的参考线平滑方法和系统,该方法包括:步骤一,使用高精地图,定位自车全局位置,根据决策给出目标车道信息;步骤二,计算自车在以原始道路中心线为参考线的Frenet坐标系下的起始坐标;步骤三,从起始坐标开始,等距采样离散原始参考点,并获取对应的车道宽度,再判断自车所在的当前车道的邻道状态,构造出自车可行驶区域;步骤四,构造参考线平滑的代价函数和约束条件,调用优化算法求解库对优化需优化的参考点,得到最优化结果;步骤五,计算出所述最优化结果对应朝向角及曲率,输出平滑后的参考线。本发明可以根据车型参数调节参考线平滑程度,降低轨迹规划难度并提升规划算法的稳定性、舒适性及安全性。

    一种多车型参数自适应的参考线平滑方法和系统

    公开(公告)号:CN114676939B

    公开(公告)日:2022-09-02

    申请号:CN202210580074.1

    申请日:2022-05-26

    Abstract: 本发明公开一种多车型参数自适应的参考线平滑方法和系统,该方法包括:步骤一,使用高精地图,定位自车全局位置,根据决策给出目标车道信息;步骤二,计算自车在以原始道路中心线为参考线的Frenet坐标系下的起始坐标;步骤三,从起始坐标开始,等距采样离散原始参考点,并获取对应的车道宽度,再判断自车所在的当前车道的邻道状态,构造出自车可行驶区域;步骤四,构造参考线平滑的代价函数和约束条件,调用优化算法求解库对优化需优化的参考点,得到最优化结果;步骤五,计算出所述最优化结果对应朝向角及曲率,输出平滑后的参考线。本发明可以根据车型参数调节参考线平滑程度,降低轨迹规划难度并提升规划算法的稳定性、舒适性及安全性。

    一种运动能力可在线学习的运动规划方法、装置和介质

    公开(公告)号:CN114509936B

    公开(公告)日:2022-09-02

    申请号:CN202210412955.2

    申请日:2022-04-19

    Abstract: 本发明属于运动控制领域,涉及一种运动能力可在线学习的运动规划方法、装置和介质,该方法包括:步骤S1:根据运动平台的运动学与动力学约束,初始化曲率‑速率函数;步骤S2:根据运动平台的实际运行轨迹与期望轨迹实时评估运动平台的轨迹跟踪能力;步骤S3:根据运动平台的跟踪能力实时更新曲率‑速率函数;步骤S4:运动平台的运动规划器根据更新后的曲率‑速率函数,得到运动平台的运动规划结果;步骤S5:运动平台的控制器根据运动规划结果得到运动命令,根据运动命令控制运动平台运动。本方法能够使运动平台在运动能力很好的条件下,自适应的提高运动效率;同时在运动能力不好的条件下,自适应的降低速度以提高跟踪精度。

Patent Agency Ranking