-
公开(公告)号:CN119440013A
公开(公告)日:2025-02-14
申请号:CN202411584737.2
申请日:2024-11-07
Applicant: 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) , 北京理工大学
IPC: G05D1/43 , G05D1/246 , G05D1/65 , G05D1/644 , G05D109/10
Abstract: 本发明公开了一种适用于曲面地形自适应车辆轨迹跟踪控制方法及系统,包括以下步骤:S1.获取当前环境点云地图和参考轨迹。S2.在参考轨迹上选择关键点,并在这些关键点周围拟合局部地面方程。S3.以车辆的位置、速度和横摆角为状态量,以车辆的纵向加速度和前轮转角为控制量,建立流形模型预测控制器。S4.结合参考轨迹当前位置的曲率,调整流形模型预测控制器的目标函数权重。S5.结合车辆当前速度和车辆与参考轨迹的横向误差,使用PID控制器对控制器输出的加速度和前轮转角进行补偿。本发明所提出的方法,相比于现有的轨迹跟踪方法,能够显著地提高车辆在复杂曲面地形上的轨迹跟踪精度和控制的鲁棒性。
-
公开(公告)号:CN118876996A
公开(公告)日:2024-11-01
申请号:CN202411215666.9
申请日:2024-09-02
Applicant: 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院)
Abstract: 本发明公开了一种知识数据联合驱动的自动驾驶车辆换道轨迹预测方法。所述预测方法包括构建知识数据联合驱动的自动驾驶车辆换道轨迹预测模型,该模型包括:由换道知识组成的换道驾驶知识库、根据自车和周围车的特征状态量及换道知识进行换道轨迹预测的联合预测模块、将预测结果汇总得到最终预测轨迹的知识汇总模块,其中,联合预测模块包括基于多头图注意力网络构成的动态空间模块、基于多头自注意力机制构建的动态时序模块和轨迹预测模块。本发明可将关于人的驾驶过程的知识融入到深度学习模型中,相对于仅使用数据驱动的深度学习模型,显著提升了预测准确性、模型透明度与可维护性。
-