-
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。
-
公开(公告)号：CN112923934A
公开(公告)日：2021-06-08
申请号：CN201911246441.9
申请日：2019-12-06
Applicant: 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)科技有限公司 , 北京理工大学
Abstract: 本发明涉及一种紧耦合的LIDAR‑IMU SLAM(雷达‑惯性测量单元即时定位与地图构建)，用于对非结构化道路环境中针对位置、姿态、速度和加速度计、陀螺仪漂移进行精确可靠的估计。该方法基于对激光雷达点云和IMU(惯性测量单元)积分产生的残差的优化。第一部分残差来自于同时建立的相关图中当前扫描点云与体素质心之间的距离之和。剩余量的第二部分来自于考虑激光雷达和IMU校准误差的预积分过程。与仅有激光雷达参与的SLAM(即时定位与地图构建)相比，LIDAR‑IMU SLAM在鲁棒性和精确姿态估计方面表现出更好的性能。此外，由于该系统具有提取重力方向的能力，估计的俯仰和滚动角度不会偏离。LIDAR‑IMU SLAM可以保持10Hz的频率，同时进行扫描匹配和建图。
-
公开(公告)号：CN109960261B
公开(公告)日：2020-07-03
申请号：CN201910222739.X
申请日：2019-03-22
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种基于碰撞检测的动态障碍物避让方法，属于无人车辆技术领域，通过初规划构造车辆期望轨迹，并根据接收的动态障碍物预测轨迹和所述车辆期望轨迹，进行碰撞检测，对车辆的行驶速度和/或路径进行重新规划，得到车辆无碰撞行驶速度和/或路径数据，重新构造车辆期望轨迹，避让动态障碍物；实现无人车辆自主避让动态障碍物。本发明立足于自动驾驶车辆在动态环境下，所采用碰撞检测方法保证既不失碰撞检测精度，又可以提升碰撞检测效率；所采用重规划方法可以兼顾通行效率、通行平顺性和通行安全性效果。
-
公开(公告)号：CN108983781A
公开(公告)日：2018-12-11
申请号：CN201810834673.5
申请日：2018-07-25
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
IPC: G05D1/02
Abstract: 本发明涉及一种无人车目标搜索系统中的环境探测方法，包括以下步骤：S1、创建无人车全局环境地图和车载相机视场覆盖地图；S2、在当前位置对要搜索的目标进行组合式环境探索，提取边缘区域并进行评估，确定无人车下一步行进的目标点位置；S3、生成无碰撞期望路径，控制无人车到达目标点位置；S4、判断目标点位置是否有要搜索的目标，有，则完成环境探测；无，则返回S1。本发明实现了未知环境下基于边缘区域引导的自主环境探测，实现对未知区域待侦察目标的高效搜索，规划的行进路径更真实的反映车辆行驶特点。
-
公开(公告)号：CN119595002B
公开(公告)日：2025-05-20
申请号：CN202510142278.0
申请日：2025-02-10
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)教育科技有限公司
IPC: G01C21/34 , G06T17/05 , G06V20/58 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06N3/096
Abstract: 本申请公开了一种持续学习的运动规划方法、装置、设备、介质及产品，涉及智能驾驶领域，该方法包括：将当前越野环境的点云数据投影至栅格地图，生成地势高度图和路面粗糙度图；根据速度信息，构建引导地图，并将地势高度图、路面粗糙度图和引导地图输入到第k‑1次更新后的运动规划模型中，生成当前越野环境的规划轨迹地图；获取无人车根据规划轨迹地图行驶后的真实轨迹，并将真实轨迹加入至样本数据集；根据当前越野环境的样本数据集和预设历史样本数据集，采用均方误差作为损失函数并通过反向传播算法对运动规划模型进行第k次更新。本申请通过持续学习与迭代优化，提升了无人车在复杂越野场景下的运动规划能力与行驶安全性。
-
Patent Agency Ranking
公开(公告)号：CN119595002A
公开(公告)日：2025-03-11
申请号：CN202510142278.0
申请日：2025-02-10
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)教育科技有限公司
IPC: G01C21/34 , G06T17/05 , G06V20/58 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06N3/096
Abstract: 本申请公开了一种持续学习的运动规划方法、装置、设备、介质及产品，涉及智能驾驶领域，该方法包括：将当前越野环境的点云数据投影至栅格地图，生成地势高度图和路面粗糙度图；根据速度信息，构建引导地图，并将地势高度图、路面粗糙度图和引导地图输入到第k‑1次更新后的运动规划模型中，生成当前越野环境的规划轨迹地图；获取无人车根据规划轨迹地图行驶后的真实轨迹，并将真实轨迹加入至样本数据集；根据当前越野环境的样本数据集和预设历史样本数据集，采用均方误差作为损失函数并通过反向传播算法对运动规划模型进行第k次更新。本申请通过持续学习与迭代优化，提升了无人车在复杂越野场景下的运动规划能力与行驶安全性。
-
公开(公告)号：CN110458047B
公开(公告)日：2023-01-10
申请号：CN201910667021.1
申请日：2019-07-23
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
IPC: G06V20/52 , G06V20/56 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于深度学习的越野环境场景识别方法及系统，属于越野环境场景识别技术领域，解决了现有越野环境场景识别时间长、可通过区域提取成本高且提取效果较差的问题。一种基于深度学习的越野环境场景识别方法，包括如下步骤：获取越野环境场景下拍摄得到的待检测图像；对待检测图像进行场景识别，处理得到待检测图像的烟雾识别结果、扬尘识别结果、自然场景识别结果和道路类型识别结果；根据所述道路类型识别结果对待检测图像进行道路语义分割，处理得到待检测图像的路面分割结果；在待检测图像上统一显示所述烟雾识别结果、扬尘识别结果、自然场景识别结果、道路类型识别结果及路面分割结果。该方法有效缩短了越野环境场景识别时间。
-
公开(公告)号：CN113232718B
公开(公告)日：2022-07-05
申请号：CN202110612946.3
申请日：2021-06-02
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种基于二级行星转向机的手自一体自动转向系统和方法，属于无人履带车辆转向技术领域。本发明通过具有伺服功能的电液比例阀对并联在连杆系中的液压缸进行控制，驱动二级行星转向机动作，进而实现对车辆转向的控制；通过比例阀的应用降低了对油液精度的要求；应用液压控制系统实现了自动驾驶与人工驾驶的快速切换；加入了人工驾驶助力功能；同时还保留了完整的应急机械操纵功能，确保在液压系统失效的情况下车辆能够由人工驾驶进行控制。本发明具有机构简单可行，方便加工安装，适用于履带车辆的恶劣环境。
-
公开(公告)号：CN110210350B
公开(公告)日：2021-12-21
申请号：CN201910429977.8
申请日：2019-05-22
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种基于深度学习的快速停车位检测方法，属于驾驶技术领域，用于解决停车位检测环境适应性差、模型计算量大问题，方法包括离线步骤：离线采集包含有停车位的图像数据，建立训练、验证数据集；进行神经网络模型的训练、评价和优化；所述神经网络模型用于对图像数据中停车位边线进行语义分割；在线步骤：在线采集包含有停车位的图像数据，使用训练好的神经网络模型进行停车位边线语义分割得到停车位边线掩膜，对得到的边线掩膜进行拟合、聚类与组合，得到由边线组成的几何形状；根据设定的形状判别条件，对所述几何形状进行筛选确定停车位。本发明具环境适应性强；采用模型体积很小，计算量低，对计算资源的需求较小；系统造价低，具有大规模应用的潜力。
-
公开(公告)号：CN112923933A
公开(公告)日：2021-06-08
申请号：CN201911246424.5
申请日：2019-12-06
Applicant: 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)科技有限公司 , 北京理工大学
Abstract: 本发明率先提出一种基于特征概率栅格地图的激光雷达SLAM算法‑CPFG(Closet Probability and Feature Grid，最近邻概率特征栅格)算法。该算法利用三维激光雷达数据，实时创建和更新线、面及高斯分布特征以及占据概率的栅格地图，并结合鲁棒化后的马氏距离作为优化函数进行实时位姿估计，该算法主要分为三步：点云预处理，点云与特征概率栅格地图的匹配及位姿估计，特征概率栅格地图的更新。本发明的激光雷达SLAM算法与目前几个主流算法相比，在实时性和定位精度方面有更好的表现。然后本发明融合了惯导的姿态信息，将激光雷达SLAM的高位移精度与惯导低姿态漂移的特性相结合，其相对定位精度可以达到千分之一左右，在无人驾驶定位领域具有广泛的使用前景。
-
-
-
-
-
-
-
-
-
Search Results
192
records
(took 0.041 seconds)
