一种智能汽车自主避障方法

    公开(公告)号:CN117093005B

    公开(公告)日:2024-01-30

    申请号:CN202311329610.1

    申请日:2023-10-16

    Abstract: 本发明提供一种智能汽车自主避障方法,包括:搭建汽车的行车环境模型;在行车环境模型中,获得起始点、障碍物、终点的位置信息;根据起始点、障碍物、终点的位置信息建立改进的势场函数,所述改进的势场函数包括吸引力函数、排斥力函数、合力函数、变速度函数;将吸引力函数、排斥力函数、合力函数、变速度函数应用于势场法中得到汽车避障路径;根据障碍物节点对得到的汽车避障路径进行分段化处理,得到分段化路径;采用最小化方法添加约束函数对分段化路径进行曲率及路径长度的约束,从而建立目标函数,再基于目标函数得到最佳避障路径。本发明能够解决现有技术在复杂障碍物场景中容易陷(56)对比文件US 2023303120 A1,2023.09.28WO 2021196977 A1,2021.10.07WO 2023178910 A1,2023.09.28吴渊博等.基于混沌改进人工势场法的自动导引车避障研究.科技创新导报.2017,(第17期),150-153.

    一种智能汽车自主避障方法

    公开(公告)号:CN117093005A

    公开(公告)日:2023-11-21

    申请号:CN202311329610.1

    申请日:2023-10-16

    Abstract: 本发明提供一种智能汽车自主避障方法,包括:搭建汽车的行车环境模型;在行车环境模型中,获得起始点、障碍物、终点的位置信息;根据起始点、障碍物、终点的位置信息建立改进的势场函数,所述改进的势场函数包括吸引力函数、排斥力函数、合力函数、变速度函数;将吸引力函数、排斥力函数、合力函数、变速度函数应用于势场法中得到汽车避障路径;根据障碍物节点对得到的汽车避障路径进行分段化处理,得到分段化路径;采用最小化方法添加约束函数对分段化路径进行曲率及路径长度的约束,从而建立目标函数,再基于目标函数得到最佳避障路径。本发明能够解决现有技术在复杂障碍物场景中容易陷入极值及最优从而不能达到目标点的问题。

    一种基于改进的APF算法的移动机器人路径规划方法

    公开(公告)号:CN117170360A

    公开(公告)日:2023-12-05

    申请号:CN202310997815.0

    申请日:2023-08-09

    Abstract: 一种基于改进的APF算法的移动机器人路径规划方法,包括对行驶环境进行环境建模;建立相应传统APF算法函数;根据环境建模和和改进的APF算法函数,得到初步规划路径;检测行驶前方是否存在动态障碍物,根据改进APF算法分别计算对机器人的引力和斥力,并计算出机器人在横纵坐标方向所受的合力与合势场,机器人根据合力以一定的速度进行移动,判断机器人是否达到目标点;机器人到达目标点,保留最佳路径,路径规划结束。本发明能有效改善传统APF算法所规划的路径存在局部最小值、目标不可达的问题,同时考虑了在运动过程中障碍物进行移动的情况,提高APF路径规划效率且更加符合实际路径规划环境的情况。

    一种融合多样化驾驶习惯的智能汽车自主避障方法

    公开(公告)号:CN118478909B

    公开(公告)日:2024-09-24

    申请号:CN202410940520.4

    申请日:2024-07-15

    Abstract: 本发明公开了一种融合多样化驾驶习惯的智能汽车自主避障方法,包括:步骤1,获取不同驾驶员的自然驾驶数据集;步骤2,从所述自然驾驶数据集中提取目标参数数据;步骤3,通过改进的K均值聚类算法对多样化驾驶习惯进行分类,得到不同分类驾驶习惯的目标参数数据;步骤4,根据不同分类驾驶习惯的目标参数数据,构建避障路径评价函数;步骤5,根据不同分类驾驶习惯的目标参数数据和避障路径评价函数构建不同驾驶习惯的避障路径规划模型;步骤6,通过构建的不同驾驶习惯的避障路径规划模型,生成匹配不同驾驶习惯的避障路径,完成自主避障。本发明能够提高智能汽车在复杂道路环境中的自适应能力和安全性,同时提升驾驶者的驾驶体验。

    一种融合多样化驾驶习惯的智能汽车自主避障方法

    公开(公告)号:CN118478909A

    公开(公告)日:2024-08-13

    申请号:CN202410940520.4

    申请日:2024-07-15

    Abstract: 本发明公开了一种融合多样化驾驶习惯的智能汽车自主避障方法,包括:步骤1,获取不同驾驶员的自然驾驶数据集;步骤2,从所述自然驾驶数据集中提取目标参数数据;步骤3,通过改进的K均值聚类算法对多样化驾驶习惯进行分类,得到不同分类驾驶习惯的目标参数数据;步骤4,根据不同分类驾驶习惯的目标参数数据,构建避障路径评价函数;步骤5,根据不同分类驾驶习惯的目标参数数据和避障路径评价函数构建不同驾驶习惯的避障路径规划模型;步骤6,通过构建的不同驾驶习惯的避障路径规划模型,生成匹配不同驾驶习惯的避障路径,完成自主避障。本发明能够提高智能汽车在复杂道路环境中的自适应能力和安全性,同时提升驾驶者的驾驶体验。

Patent Agency Ranking