-
公开(公告)号:CN109131317A
公开(公告)日:2019-01-04
申请号:CN201810812794.X
申请日:2018-07-23
Applicant: 同济大学
IPC: B60W30/06
Abstract: 本发明提供了一种基于多段式规划与机器学习的自动垂直泊车系统及泊车方法,通过环视摄像头采集图像,超声波传感器检测障碍物信息判断相对库位的位置、航向信息和库位的有效性信息。当识别到合适大小和无车辆占用的库位时,开始进入自动泊车过程。自动泊车系统根据当前自车位姿和库位信息进行泊车路径的规划,如有需要利用多段R‑S曲线调整自车位姿至合适位置,再根据学习网络生成二次螺旋线泊车轨迹。通过电控装置控制方向盘、油门和制动踏板进行泊车入库。本发明利用二次螺旋线训练集和学习网络,改善泊车过程的效率和对路径偏移的适应能力,结合R‑S曲线进行多段式规划,实现极小范围内的泊车规划高成功率,适用范围更广,泊车过程更加可靠。
-
公开(公告)号:CN109492763A
公开(公告)日:2019-03-19
申请号:CN201811092800.5
申请日:2018-09-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于强化学习网络训练的自动泊车方法,该方法包括步骤:1)对车辆判断是否进行实车训练,若是,则执行步骤2)后进入步骤6),否则执行步骤3)后进入步骤4)~6);2)针对自动泊车工况建立强化学习网络模型,并对强化学习网络进行训练,获取与车辆控制对应的驾驶策略模型;3)针对自动泊车工况建立强化学习网络模型,并对强化学习网络进行仿真训练,获取与车辆控制对应的驾驶策略模型;4)采用迁移学习将获取的驾驶策略模型应用于实车;5)完善驾驶策略模型,输出车辆的控制指令;6)根据驾驶策略模型输出的车辆的控制指令对车辆进行泊车控制。与现有技术相比,本发明具有加速收敛、具有较好的鲁棒性等优点。
-
公开(公告)号:CN109492763B
公开(公告)日:2021-09-03
申请号:CN201811092800.5
申请日:2018-09-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于强化学习网络训练的自动泊车方法,该方法包括步骤:1)对车辆判断是否进行实车训练,若是,则执行步骤2)后进入步骤6),否则执行步骤3)后进入步骤4)~6);2)针对自动泊车工况建立强化学习网络模型,并对强化学习网络进行训练,获取与车辆控制对应的驾驶策略模型;3)针对自动泊车工况建立强化学习网络模型,并对强化学习网络进行仿真训练,获取与车辆控制对应的驾驶策略模型;4)采用迁移学习将获取的驾驶策略模型应用于实车;5)完善驾驶策略模型,输出车辆的控制指令;6)根据驾驶策略模型输出的车辆的控制指令对车辆进行泊车控制。与现有技术相比,本发明具有加速收敛、具有较好的鲁棒性等优点。
-
公开(公告)号:CN109631896B
公开(公告)日:2020-07-28
申请号:CN201810812160.4
申请日:2018-07-23
Applicant: 同济大学
Abstract: 本发明涉及一种基于车辆视觉和运动信息的停车场自主泊车定位方法,包括以下步骤:1)位于地下车库的智能车通过车载双目摄像头采集图像数据,并采用基于双目视觉的同步定位与建图方法获取智能车在局部点云地图中的位置信息,完成一次定位;2)智能车在行驶过程中不断对车身周围的库位角点进行检测,判断是否经过库位;3)在检测到库位后,判断当前库位书否为可泊入库位;4)根据库位角点坐标以及车速和方向盘转角信息,采用扩展卡尔曼滤波进行融合,得到智能车相对于库位角点的精确相对位置,完成二次定位。与现有技术相比,本发明具有适应无GNSS信号环境、实时性和鲁棒性高、定位精度高、成本低、实用性强等优点。
-
公开(公告)号:CN109631896A
公开(公告)日:2019-04-16
申请号:CN201810812160.4
申请日:2018-07-23
Applicant: 同济大学
Abstract: 本发明涉及一种基于车辆视觉和运动信息的停车场自主泊车定位方法,包括以下步骤:1)位于地下车库的智能车通过车载双目摄像头采集图像数据,并采用基于双目视觉的同步定位与建图方法获取智能车在局部点云地图中的位置信息,完成一次定位;2)智能车在行驶过程中不断对车身周围的库位角点进行检测,判断是否经过库位;3)在检测到库位后,判断当前库位书否为可泊入库位;4)根据库位角点坐标以及车速和方向盘转角信息,采用扩展卡尔曼滤波进行融合,得到智能车相对于库位角点的精确相对位置,完成二次定位。与现有技术相比,本发明具有适应无GNSS信号环境、实时性和鲁棒性高、定位精度高、成本低、实用性强等优点。
-
公开(公告)号:CN109443348B
公开(公告)日:2022-08-23
申请号:CN201811119444.1
申请日:2018-09-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于环视视觉和惯导测量单元的地下车库库位跟踪方法,在环境未知的地下车库环境中,用户指定车库中某一位置作为环境地图初始坐标原点,基于惯性测量单元提供的运动信息和环视视觉提供的库位角点初始相对坐标信息,通过全局优化的方法生成目标库位角点的环境地图全局坐标,用于车辆后续的决策和控制。与现有相关技术相比,本发明具有可适应无GPS信号环境、成本低、鲁棒性高等优点。
-
公开(公告)号:CN109443348A
公开(公告)日:2019-03-08
申请号:CN201811119444.1
申请日:2018-09-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于环视视觉和惯导测量单元的地下车库库位跟踪方法,在环境未知的地下车库环境中,用户指定车库中某一位置作为环境地图初始坐标原点,基于惯性测量单元提供的运动信息和环视视觉提供的库位角点初始相对坐标信息,通过全局优化的方法生成目标库位角点的环境地图全局坐标,用于车辆后续的决策和控制。与现有相关技术相比,本发明具有可适应无GPS信号环境、成本低、鲁棒性高等优点。
-
-
-
-
-
-