-
公开(公告)号：CN107200020A
公开(公告)日：2017-09-26
申请号：CN201710327853.X
申请日：2017-05-11
Applicant: 江苏大学
CPC classification number: B60W30/182 , B60W40/02 , B60W40/12 , B60W50/0205 , B60W50/14 , G05D1/021
Abstract: 本发明公开了一种基于混杂理论的无人驾驶汽车自主转向控制系统和方法，属于无人驾驶汽车横向控制领域，无人驾驶汽车自主转向控制系统包括环境感知模块、车辆自身状态信息模块、路径规划模块、决策控制模块、操纵执行模块。本发明还提供一种基于混杂理论的无人驾驶汽车自主转向控制方法，通过引入混杂控制理论，将复杂工况下转向系统的控制问题转化为多模式控制以及控制算法之间的切换协调问题加以解决，实现了无人驾驶汽车自主转向控制系统全工况下的控制，在各个工况引入合适的控制算法，既能满足系统局部控制性能，又能达到整体优化的目的，实现最佳的无人驾驶汽车转向控制性能，提高无人驾驶车辆的操纵稳定性和智能化水平。
-
公开(公告)号：CN107139917B
公开(公告)日：2019-05-31
申请号：CN201710288248.6
申请日：2017-04-27
Applicant: 江苏大学
Abstract: 本发明公开了一种基于混杂理论的无人驾驶汽车横向控制系统和方法，包括感知模块、路径规划模块、混杂控制器模块、转向执行模块和显示模块；感知模块用于获取车辆行驶环境和车辆自身运行状态；路径规划模块基于车辆在地图的绝对位置以及车辆与周边障碍物、车道线的相对位置进行路径规划；混杂控制器模块包括局部控制器单元和切换监督控制器单元；局部控制器单元针对车道保持、车道变换、紧急避撞工况下设计符合目标的控制器；切换监督控制器单元在不同离散事件驱动下，驱动有效的模式切换，保证切换稳定性；转向执行模块根据混杂控制器的信号驱动转向电机，实现无人驾驶汽车自动转向；显示模块用于显示感知信息和路径规划信息以及控制模式信息。
-
公开(公告)号：CN107139917A
公开(公告)日：2017-09-08
申请号：CN201710288248.6
申请日：2017-04-27
Applicant: 江苏大学
CPC classification number: B60W30/02 , B60W10/20 , B60W30/08 , B60W30/182 , B60W2550/10
Abstract: 本发明公开了一种基于混杂理论的无人驾驶汽车横向控制系统和方法，包括感知模块、路径规划模块、混杂控制器模块、转向执行模块和显示模块；感知模块用于获取车辆行驶环境和车辆自身运行状态；路径规划模块基于车辆在地图的绝对位置以及车辆与周边障碍物、车道线的相对位置进行路径规划；混杂控制器模块包括局部控制器单元和切换监督控制器单元；局部控制器单元针对车道保持、车道变换、紧急避撞工况下设计符合目标的控制器；切换监督控制器单元在不同离散事件驱动下，驱动有效的模式切换，保证切换稳定性；转向执行模块根据混杂控制器的信号驱动转向电机，实现无人驾驶汽车自动转向；显示模块用于显示感知信息和路径规划信息以及控制模式信息。
-
公开(公告)号：CN110517480B
公开(公告)日：2021-07-20
申请号：CN201910666351.9
申请日：2019-07-23
Applicant: 江苏大学
IPC: G08G1/01 , G08G1/0967 , G08G1/0968 , G08G1/16
Abstract: 本发明公开了面向人机共驾智能网联车辆的驾驶权切换及碰撞预警系统，包括环境感知模块、定位导航模块、路径规划模块、控制权切换模块、碰撞预警模块和控制执行模块；环境感知模块用于采集本车周边环境信息；定位导航模块获取本车位置信息和状态信息；路径规划模块根据周边环境信息、道路信息和本车位置信息进行最优路径规划；控制权切换模块根据设置的安全准则判断本车在当前情况下是否可以进行驾驶模式的切换；碰撞预警模块根据改进的安全时距模型，判断本车当前时刻是否有碰撞风险并给出相应的应对方案。本发明的系统有较高的准确性和实时性，提高智能汽车的安全性和智能化水平。
-
公开(公告)号：CN108470460B
公开(公告)日：2020-08-28
申请号：CN201810320788.2
申请日：2018-04-11
Applicant: 江苏大学
IPC: G08G1/0967 , G06K9/62 , H04M1/725
Abstract: 本发明公开了一种基于智能手机与RNN的周边车辆行为识别方法，属于智能驾驶领域，包括：a.离线训练环节：归纳并划分典型的周边车辆行为，利用智能手机采集到的车辆行驶数据对被跟踪车辆与主车的相对特征和车辆行为进行向量编码，作为RNN参数学习的训练集。b.在线检测环节：基于实时交通场景，主车通过4G通讯结合被跟踪车辆与自车的行驶数据形成新的特征矩阵作为训练好的RNN的输入，辨别周边车辆所属行为模式。本发明以智能手机作为数据搜集、车辆通讯的硬件，具备可行性和便捷性的优势；利用RNN善于处理高维矩阵运算的特性，在丰富自车与周边车辆相对特征、提升识别率的同时，保证行为识别具备较高的实时性。
-
Patent Agency Ranking
公开(公告)号：CN110517480A
公开(公告)日：2019-11-29
申请号：CN201910666351.9
申请日：2019-07-23
Applicant: 江苏大学
IPC: G08G1/01 , G08G1/0967 , G08G1/0968 , G08G1/16
Abstract: 本发明公开了面向人机共驾智能网联车辆的驾驶权切换及碰撞预警系统，包括环境感知模块、定位导航模块、路径规划模块、控制权切换模块、碰撞预警模块和控制执行模块；环境感知模块用于采集本车周边环境信息；定位导航模块获取本车位置信息和状态信息；路径规划模块根据周边环境信息、道路信息和本车位置信息进行最优路径规划；控制权切换模块根据设置的安全准则判断本车在当前情况下是否可以进行驾驶模式的切换；碰撞预警模块根据改进的安全时距模型，判断本车当前时刻是否有碰撞风险并给出相应的应对方案。本发明的系统有较高的准确性和实时性，提高智能汽车的安全性和智能化水平。
-
公开(公告)号：CN107967486B
公开(公告)日：2020-08-28
申请号：CN201711142034.4
申请日：2017-11-17
Applicant: 江苏大学
Abstract: 本发明公开了一种基于V2V通信与HMM‑GBDT混合模型的周边车辆行为识别方法，属于车辆智能驾驶领域，包括：a.离线训练环节：归纳并划分典型的周边车辆行为，针对每种典型行为，基于实车平台采集真实交通场景下的周边车辆的行驶信息，提取轨迹特征数据，对HMM‑GBDT混合模型进行参数学习。b.在线检测环节：被跟踪目标车辆将采集到的自车行驶信息实时传输给主车，主车结合两车轨迹特征数据构成新的特征观测序列，利用训练好的HMM‑GBDT混合模型辨别被跟踪车辆所属行为模式。本发明以被动接收信息的方式获取车辆历史轨迹特征，避免主动探测受交通状况、环境因素的影响；不依赖于一般车联网系统中的固定基站，保证信息传递即时，对目标车辆行为作出准确识别。
-
公开(公告)号：CN107200020B
公开(公告)日：2019-05-31
申请号：CN201710327853.X
申请日：2017-05-11
Applicant: 江苏大学
Abstract: 本发明公开了一种基于混杂理论的无人驾驶汽车自主转向控制系统和方法，属于无人驾驶汽车横向控制领域，无人驾驶汽车自主转向控制系统包括环境感知模块、车辆自身状态信息模块、路径规划模块、决策控制模块、操纵执行模块。本发明还提供一种基于混杂理论的无人驾驶汽车自主转向控制方法，通过引入混杂控制理论，将复杂工况下转向系统的控制问题转化为多模式控制以及控制算法之间的切换协调问题加以解决，实现了无人驾驶汽车自主转向控制系统全工况下的控制，在各个工况引入合适的控制算法，既能满足系统局部控制性能，又能达到整体优化的目的，实现最佳的无人驾驶汽车转向控制性能，提高无人驾驶车辆的操纵稳定性和智能化水平。
-
公开(公告)号：CN108470460A
公开(公告)日：2018-08-31
申请号：CN201810320788.2
申请日：2018-04-11
Applicant: 江苏大学
IPC: G08G1/0967 , G06K9/62 , H04M1/725
Abstract: 本发明公开了一种基于智能手机与RNN的周边车辆行为识别方法，属于智能驾驶领域，包括：a.离线训练环节：归纳并划分典型的周边车辆行为，利用智能手机采集到的车辆行驶数据对被跟踪车辆与主车的相对特征和车辆行为进行向量编码，作为RNN参数学习的训练集。b.在线检测环节：基于实时交通场景，主车通过4G通讯结合被跟踪车辆与自车的行驶数据形成新的特征矩阵作为训练好的RNN的输入，辨别周边车辆所属行为模式。本发明以智能手机作为数据搜集、车辆通讯的硬件，具备可行性和便捷性的优势；利用RNN善于处理高维矩阵运算的特性，在丰富自车与周边车辆相对特征、提升识别率的同时，保证行为识别具备较高的实时性。
-
公开(公告)号：CN107967486A
公开(公告)日：2018-04-27
申请号：CN201711142034.4
申请日：2017-11-17
Applicant: 江苏大学
CPC classification number: G06K9/6267 , G06K9/6256
Abstract: 本发明公开了一种基于V2V通信与HMM-GBDT混合模型的周边车辆行为识别方法，属于车辆智能驾驶领域，包括：a.离线训练环节：归纳并划分典型的周边车辆行为，针对每种典型行为，基于实车平台采集真实交通场景下的周边车辆的行驶信息，提取轨迹特征数据，对HMM-GBDT混合模型进行参数学习。b.在线检测环节：被跟踪目标车辆将采集到的自车行驶信息实时传输给主车，主车结合两车轨迹特征数据构成新的特征观测序列，利用训练好的HMM-GBDT混合模型辨别被跟踪车辆所属行为模式。本发明以被动接收信息的方式获取车辆历史轨迹特征，避免主动探测受交通状况、环境因素的影响；不依赖于一般车联网系统中的固定基站，保证信息传递即时，对目标车辆行为作出准确识别。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
