一种面向智能网联汽车的5G车云通信网络性能测试系统及方法

    公开(公告)号:CN117998430A

    公开(公告)日:2024-05-07

    申请号:CN202410227041.8

    申请日:2024-02-29

    Applicant: 同济大学

    Abstract: 本发明涉及一种面向智能网联汽车的5G车云通信网络性能测试系统及方法,该系统包括依次交互连接的车载测试终端、5G通信网络和云平台,该方法包括:在云平台上开启MQTT代理服务器,修改相关配置文件和配置参数;将车载测试终端部署于测试用智能网联汽车,并在车载测试终端上配置MQTT客户端;利用车载测试终端采集车辆状态信息,并将车辆状态信息封装为数据包后进行发布,同时进行消息的订阅与接收;根据车载测试终端发布消息的时间戳和接收消息的时间戳、数据包序号信息,定量分析5G网络车云端到端通信网络性能。与现有技术相比,本发明能够实现5G车云通信网络性能的标准化、规范化测试,真实反映5G车云通信网络性能在实际业务应用表现。

    一种基于强化学习网络训练的自动泊车方法

    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。

    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

    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。

    一种自动驾驶特种作业车辆的决策规划方法

    公开(公告)号:CN109557912B

    公开(公告)日:2020-07-28

    申请号:CN201811183181.0

    申请日:2018-10-11

    Applicant: 同济大学

    Abstract: 本发明涉及一种自动驾驶特种作业车辆的决策规划方法。包括以步骤:1)自动驾驶作业模块获取自车的当前定位位姿;2)将感知系统发送的环境信息投影到栅格地图,并生成环境地图;3)自动驾驶作业模块获取当前作业执行器的控制指令并下发;4)自动驾驶作业模块获取任务参考路径,采用路径‑速度分解的轨迹规划方法结合车辆动力学约束进行轨迹簇规划,获取车辆可执行的基础轨迹簇,将基础轨迹簇和任务参考路径融合得到可执行轨迹簇;5)对规划的可执行轨迹簇进行安全性和高效性的择优,最终生成高收益轨迹。与现有技术相比,本发明具有提高避障成功率、自动决策、多模式的轨迹决策策略、实现自动驾驶安全性等优点。

    一种考虑不确定性的自动驾驶风险评估方法

    公开(公告)号:CN109572694B

    公开(公告)日:2020-04-28

    申请号:CN201811320132.7

    申请日:2018-11-07

    Applicant: 同济大学

    Abstract: 本发明涉及一种考虑不确定性的自动驾驶风险评估方法,本发明方法包括先验环境地图构建步骤、交通参与车辆状态观测步骤、自车执行轨迹调取步骤、基于先验知识的自适应多目标追踪步骤,通过驾驶行为似然估计、轨形匹配、轨迹预测,利用多安全裕度对行车碰撞风险估计,最后输出时空行车风险态势图进行评估,可以实现自动驾驶的多安全裕度风险估计,提高自动驾驶对环境的适应能力,使自动驾驶过程更加平稳可靠。

    一种无人驾驶的道路特征参数估计方法

    公开(公告)号:CN109635672A

    公开(公告)日:2019-04-16

    申请号:CN201811398916.1

    申请日:2018-11-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种无人驾驶的道路特征参数估计方法,包括:六自由度惯导信息获取;三维激光点云数据获取;激光点云运动补偿;6sigma高程的路面候选点提取;3sigma高差的坡面候选点提取;主成分分析法路面拟合;主成分分析法坡面拟合;1sigma路面点提取;1sigma坡面点提取;对路面点和坡面点反射强度进行特征分解;路沿边界点提取;对路面附着系数进行估计;估计模型对道路曲率进行估计;对路沿进行拟合估计;对坡度进行估计,最终输出一幅富含道路特征参数的栅格地图,以供无人驾驶感知、决策和规划模块使用。与现有技术相比,本发明具有实现鲁棒的路面附着系数估计、路沿曲率连续、道路曲率道路坡度快速估计等优点。

    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

    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。

    一种基于几何规划及强化学习的自动泊车方法及系统

    公开(公告)号:CN109398349A

    公开(公告)日:2019-03-01

    申请号:CN201811056910.6

    申请日:2018-09-11

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于几何规划及强化学习的自动泊车方法及系统,本发明方法在自动泊车的初始阶段,通过确定泊车状态,利用几何规划确定泊车轨迹,再交由轨迹跟踪和底盘控制进行控制,利用上述阶段,车辆能够调整到能够一次入库的位姿,此时再交由强化学习进行控制。与现有技术相比,本发明可以消除轨迹规划-轨迹跟踪-底盘控制的误差,达到更为理想的泊车位姿,且能够适用于城市内的狭小泊车环境,对环境的适应性强。

    一种自动驾驶云控测试系统及方法

    公开(公告)号:CN118092393A

    公开(公告)日:2024-05-28

    申请号:CN202410227039.0

    申请日:2024-02-29

    Applicant: 同济大学

    Abstract: 本发明涉及一种自动驾驶云控测试系统及方法,该系统包括云控平台、测试专用网络、模拟交通参与者以及安装有VBOX的被测车辆,其中,云控平台用于下发测试任务、调度与规划控制模拟交通参与者、记录和实时监管测试数据;测试专用网络用于上传车辆状态信息、下发测试指令;模拟交通参与者由云控模拟非机动车和云控模拟假车组成;VBOX用于实时获取被测车辆状态信息。与现有技术相比,本发明能够模拟交通参与者集群和测试车辆连续交互,完成完整性高、贴近于真实交通环境的、涵盖危险性高、低概率、难复现场景的自动驾驶汽车测试,且具有成本低、模拟交通参与者运动控制灵活、可实时云控、测试流程简单、易操作等优点。

    一种基于前视相机与毫米波雷达融合的目标跟踪方法

    公开(公告)号:CN109212521B

    公开(公告)日:2021-03-26

    申请号:CN201811125678.7

    申请日:2018-09-26

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于前视相机与毫米波雷达融合的目标跟踪方法,包括以下步骤:1)对前视相机以及毫米波雷达进行联合标定;2)根据毫米波雷达测量对动态目标进行跟踪,采用卡尔曼滤波对检测到的目标状态进行状态更新,获取毫米波雷达对目标的跟踪航迹;3)通过前视相机获取目标的位置和速度信息,对动态目标进行跟踪,采用卡尔曼滤波对检测到的目标状态进行状态更新,获取前视相机对目标的跟踪航迹;4)将毫米波雷达和前视相机的跟踪目标状态进行融合。与现有技术相比,本发明利用两种不同传感器探测到的目标进行跟踪,弥补了单个传感器漏检、误检、跟踪失败、状态探测不精确等缺陷,利用冗余的信息增加了智能汽车的安全性。

Patent Agency Ranking