-
公开(公告)号：CN117351338A
公开(公告)日：2024-01-05
申请号：CN202311638511.1
申请日：2023-12-04
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
Abstract: 本发明提出了一种自动校桩方法、系统和设备，属于公路校桩技术领域，该方法包括：采集待检测载具车辆的行驶环境信息；采用卡尔曼滤波对第一里程信息滤波得到预测的第二里程信息；将第二里程信息利用位置姿态信息平曲线分段后再竖曲线分段，在竖曲线分段和平曲线分段中均确定消除竖曲线影响距离；消除检测位置车轮里程计平曲线偏移，叠加道路中线位置估计的竖曲线偏移，在竖曲线分段中计算消除竖曲线影响车轮里程计偏移的距离；提取图像信息中里程桩号，对里程桩号进行特征提取作为区间值，对调整后的检测桩号进行优化，消除测量累计误差。基于该方法，还提出了一种自动校桩系统、设备。本发明采用三级优化的方式，提升道路检测校桩准确性。
-
公开(公告)号：CN117351338B
公开(公告)日：2024-02-13
申请号：CN202311638511.1
申请日：2023-12-04
Applicant: 北京理工大学前沿技术研究院 , 北京理工大学
Abstract: 本发明提出了一种自动校桩方法、系统和设备，属于公路校桩技术领域，该方法包括：采集待检测载具车辆的行驶环境信息；采用卡尔曼滤波对第一里程信息滤波得到预测的第二里程信息；将第二里程信息利用位置姿态信息平曲线分段后再竖曲线分段，在竖曲线分段和平曲线分段中均确定消除竖曲线影响距离；消除检测位置车轮里程计平曲线偏移，叠加道路中线位置估计的竖曲线偏移，在竖曲线分段中计算消除竖曲线影响车轮里程计偏移的距离；提取图像信息中里程桩号，对里程桩号进行特征提取作为区间值，对调整后的检测桩号进行优化，消除测量累计误差。基于该方法，还提出了一种自动校桩系统、设备。本发明采用三级优化的方式，提升道路检测校桩
-
公开(公告)号：CN119247966B
公开(公告)日：2025-03-28
申请号：CN202411773624.7
申请日：2024-12-05
Applicant: 北京理工大学 , 北理慧动(河南)装备科技有限公司
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D105/22
Abstract: 本申请公开了一种无人车轨迹规划方法、装置、设备及介质，涉及无人车轨迹规划领域，该方法包括：根据参考线信息进行动态规划，得到无人车行驶轨迹的初始猜想，通过初始猜想以及目标参考线的道路形状对目标道路进行区域划分，得到区域划分结果，根据区域划分结果构建多参考线惩罚函数，基于多参考线惩罚函数构造基于优化的轨迹平滑模型，以初始猜想为初始迭代值，对基于优化的轨迹平滑模型进行求解，得到无人车的最终轨迹，能够在笛卡尔坐标系下收敛轨迹和由直线‑弯道组成的参考线的横向误差，不依赖传统的曲线坐标系，提高轨迹的质量，降低无人驾驶的危险性。
-
公开(公告)号：CN119336938A
公开(公告)日：2025-01-21
申请号：CN202411864001.0
申请日：2024-12-18
Applicant: 北京理工大学 , 贵州交通职业技术学院 , 北理慧动(河南)装备科技有限公司
IPC: G06F16/583 , G06V20/56
Abstract: 本申请公开一种多维度特征编码的场景库构建及检索方法、系统和介质，涉及自动驾驶领域，方法包括：构建分层模型；对各信息层中不同场景元素的特征信息进行量化处理，得到各信息层的场景元素的特征编码；将所有信息层的场景元素的特征编码进行多维组合，得到车辆驾驶场景对应的标准编码；基于不同车辆驾驶场景的原始数据、特征信息、特征编码和标准编码构建场景库；基于目标驾驶场景的标准编码，和/或，目标场景元素的特征编码，对场景库存储的标准编码进行检索，并从场景库中获取对应车辆驾驶场景的原始数据。本申请充分考虑了场景库构建过程中不同场景元素的多面性与关联性，提高了目标驾驶场景检索的精确度。
-
公开(公告)号：CN118182495A
公开(公告)日：2024-06-14
申请号：CN202410619631.5
申请日：2024-05-20
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
IPC: B60W40/109 , B60W50/00
Abstract: 本发明公开了一种基于非线性轮胎和车辆横向动力学模型的车辆动力学参数估计方法、装置、介质及产品，涉及车辆动力学领域。方法包括：建立基于简化魔术公式轮胎的车辆横向动力学模型，根据历史行驶数据和待估计动力学参数对轮胎魔术公式系数和侧偏角进行表征；构造关于横向加速度的非线性优化问题，采用列文伯格‑马夸特算法求解得到动力学参数和轮胎魔术公式系数估计值；基于历史行驶数据、动力学参数估计值和轮胎魔术公式系数估计值，构造绕偏航轴转矩与角加速度的线性回归问题，采用最小二乘法求解得到车辆绕偏航轴转动惯量估计值。本发明能够提高车辆动力学参数的估计准确度、应用成本低且能够获取完整动力学参数。
-
Patent Agency Ranking
公开(公告)号：CN113859266B
公开(公告)日：2023-09-26
申请号：CN202111185879.8
申请日：2021-10-12
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司
Abstract: 本发明公开了一种非结构化道路目标车辆换道轨迹预测方法及系统。该方法包括：确定非结构化道路的虚拟车道和车辆换道行为；获取非结构化道路上行车数据；根据行车数据提取车辆轨迹数据；基于虚拟车道、车辆换道行为和车辆轨迹数据，确定换道数据；通过换道数据训练高斯混合‑隐马尔科夫模型，得到驾驶意图识别模型；驾驶意图识别模型的输出为车辆的换道意图；根据车辆的换道意图和车辆历史轨迹确定可能换道终点；根据车辆的当前位置和可能换道终点，基于车辆运动约束和多项式曲线模型，确定可能车辆换道轨迹集合；将可能车辆换道轨迹集合与实际轨迹进行匹配，得到车辆预测轨迹。本发明能够预测非结构化道路下，横纵向位移都不确定的换道轨迹。
-
公开(公告)号：CN115903853A
公开(公告)日：2023-04-04
申请号：CN202310016889.1
申请日：2023-01-06
Applicant: 北京理工大学 , 北理慧动(北京)教育科技有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种基于有效障碍物的安全可行域生成方法及系统，涉及无人驾驶技术领域。该方法包括：采集无人车的姿态信息；采集障碍物的空间位姿信息；建立堆栈，堆栈当前为空；基于无人车的姿态信息以及障碍物的空间位姿信息，将第1个障碍物的相关信息储存到堆栈中；基于无人车的姿态信息以及障碍物的空间位姿信息，对剩余障碍物的有效性进行判断，将有效障碍物的相关信息储存到堆栈中；基于堆栈中所有有效障碍物生成安全可行域。本发明考虑障碍物与目标无人车的交互关系，筛除无效障碍物降低安全可行域维度，使得安全可行域维度是小于等于障碍物个数的，在障碍物密集的情况下，效果尤为明显，极大程度上降低了安全可行域维度。
-
公开(公告)号：CN112487907B
公开(公告)日：2022-12-20
申请号：CN202011326019.7
申请日：2020-11-23
Applicant: 北京理工大学 , 上海汽车集团股份有限公司
IPC: G06V20/54 , G06V10/774 , G06V10/764 , G06V20/59
Abstract: 本发明公开的一种基于图分类的危险场景识别方法及系统，属于汽车智能交互技术领域。本发明采集驾驶员的操作信息，提取驾驶特征参数，采集本车周边交通场景信息；根据采集的交通场景信息提取交通场景动静态特征；根据采集的交通场景动静态特征使用图方法表示为有节点标签的无向图；根据生成的交通场景有节点标签的无向图，识别交通场景危险等级。基于图分类实现城区交通环境危险场景识别，根据驾驶操作信息和车辆行驶信息聚类得到危险场景标签，生成更符合数据分布特征的标签，通过驾驶信息精确识别交通场景中的危险场景，提高交通危险场景识别准确率，使所识别出的交通危险场景更加符合实际的驾驶环境，提高驾驶环境适应性和安全性。
-
公开(公告)号：CN114995466B
公开(公告)日：2022-11-15
申请号：CN202210918700.3
申请日：2022-08-02
Applicant: 北京理工大学 , 慧动星球(北京)科技有限公司
IPC: G05D1/02
Abstract: 本发明涉及一种多无人驾驶车辆三维时空运动走廊生成方法和系统，属于运动规划技术领域。先建立多无人驾驶车辆三维时空运动走廊生成模型，然后获取障碍物信息和每一无人驾驶车辆的参考轨迹，最后以障碍物信息和参考轨迹作为输入，利用多无人驾驶车辆三维时空运动走廊生成模型生成每一无人驾驶车辆的三维时空运动走廊，从而考虑时间层面生成多无人驾驶车辆的三维时空运动走廊，且各个无人驾驶车辆的三维时空运动走廊之间无碰撞，各个无人驾驶车辆的三维时空运动走廊与障碍物之间无碰撞，在多无人驾驶车辆运动规划中能够生成安全、可通行、无碰撞和光滑的三维时空运动走廊。
-
公开(公告)号：CN114839985A
公开(公告)日：2022-08-02
申请号：CN202210447649.2
申请日：2022-04-27
Applicant: 北京理工大学 , 慧动星球(北京)科技有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种牵引式无人平台自主对接方法及系统，属于自动驾驶领域。该方法包括：S1：通过SLAM获取载货平台的粗定位定向信息、环境感知信息以及牵引平台与载货平台之间的距离；S2：根据载货平台的粗定位定向信息和环境感知信息，采用A*算法进行路径规划；S3：采用模型预测控制算法控制所述牵引平台按照规划好的路径靠近所述载货平台；S4：当所述牵引平台按照规划好的路径靠近所述载货平台过程中，若牵引平台与载货平台之间的距离小于距离阈值，切换为近距离精定位，通过激光雷达与视觉二维码检测融合的方法进行载货平台的精确定位。通过对路径进行多次规划与重规划，实现牵引平台与载货平台的自主对接。
-
-
-
-
-
-
-
-
-
Search Results
170
records
(took 0.033 seconds)
