-
公开(公告)号：CN114228748A
公开(公告)日：2022-03-25
申请号：CN202210123328.7
申请日：2022-02-10
Applicant: 重庆大学
IPC: B60W60/00 , B60W40/105 , B60W30/095
Abstract: 本发明提供一种基于几何路径生成的类人化自动驾驶轨迹规划方法，包括以下步骤：使用三次贝塞尔曲线生成备选路径簇；对备选路径簇进行速度规划，根据车辆纵向加速度运动模型建立车速二次规划模型，得到主车状态；基于高斯过程理论建立障碍车运动预测模型，得到障碍车运动预测结果；根据障碍车运动预测结果以及主车状态，通过碰撞检测对备选路径簇的安全性进行评价，选出安全备选轨迹；结合驾驶员跟车特性、路径安全性、规划一致性以及速度舒适性，对安全备选轨迹进行评价选出最优参考轨迹。本发明考虑了障碍车未来的运动状态以及驾驶员个性化跟车需求，实现了自动驾驶车辆安全，舒适及个性化的轨迹规划，提升了自动驾驶车辆类人化决策的水平。
-
公开(公告)号：CN103557264A
公开(公告)日：2014-02-05
申请号：CN201310574833.4
申请日：2013-11-15
Applicant: 重庆大学
Abstract: 本发明公开了一种基于状态监测的无源磁流变减振器，其包括磁流变减振器、振动能量采集器、能量回收控制模块和状态监测系统，所述振动能量采集器主要由基于Halbach阵列永磁体动子和线圈绕组定子组成永磁直线发电机，用于将振源激励产生的动能转化为电能；所述能量回收控制模块用于存储振动能量采集器转化的电能；所述状态监测系统用于实时调节能量回收控制模块输入到励磁线圈的电流，进而改变输出阻尼力的大小，实现对外界振动的无源控制。本发明基于状态监测的无源磁流变减振器具有体积小、效率高、节约能源、安装维修方便、系统可靠等优点。
-
公开(公告)号：CN114228748B
公开(公告)日：2024-06-25
申请号：CN202210123328.7
申请日：2022-02-10
Applicant: 重庆大学
IPC: B60W60/00 , B60W40/105 , B60W30/095
Abstract: 本发明提供一种基于几何路径生成的类人化自动驾驶轨迹规划方法，包括以下步骤：使用三次贝塞尔曲线生成备选路径簇；对备选路径簇进行速度规划，根据车辆纵向加速度运动模型建立车速二次规划模型，得到主车状态；基于高斯过程理论建立障碍车运动预测模型，得到障碍车运动预测结果；根据障碍车运动预测结果以及主车状态，通过碰撞检测对备选路径簇的安全性进行评价，选出安全备选轨迹；结合驾驶员跟车特性、路径安全性、规划一致性以及速度舒适性，对安全备选轨迹进行评价选出最优参考轨迹。本发明考虑了障碍车未来的运动状态以及驾驶员个性化跟车需求，实现了自动驾驶车辆安全，舒适及个性化的轨迹规划，提升了自动驾驶车辆类人化决策的水平。
-
Patent Agency Ranking
公开(公告)号：CN119026673B
公开(公告)日：2025-03-04
申请号：CN202411122060.0
申请日：2024-08-15
Applicant: 重庆大学
IPC: G06N3/126
Abstract: 本发明涉及一种基于改进基因遗传算法的极端场景搜索方法，属于自动驾驶测试评价领域。首先根据对应的驾驶场景设置对应的场景参数，并设置对应的参数数量和场景数量；将每个场景作为单独的种群进行两两随机配对，并进行基因全交叉得到交叉子代种群；交叉子代种群筛选得到交叉优选子代种群；优选子代种群进行多重变异操作获取多组变异子代种群；多组变异子代种群筛选得到变异优选子代种群；使用变异优选子代种群进行自动驾驶测试，并根据精英保留策略选择当前的最极端场景；根据测试结果判定是否满足收敛条件，若满足则搜索结束，否则返回基因全交叉过程重复执行。本发明在提高自动驾驶系统极端场景搜索快速性的同时，有效避免陷入局部最优。
-
公开(公告)号：CN119026673A
公开(公告)日：2024-11-26
申请号：CN202411122060.0
申请日：2024-08-15
Applicant: 重庆大学
IPC: G06N3/126
Abstract: 本发明涉及一种基于改进基因遗传算法的极端场景搜索方法，属于自动驾驶测试评价领域。首先根据对应的驾驶场景设置对应的场景参数，并设置对应的参数数量和场景数量；将每个场景作为单独的种群进行两两随机配对，并进行基因全交叉得到交叉子代种群；交叉子代种群筛选得到交叉优选子代种群；优选子代种群进行多重变异操作获取多组变异子代种群；多组变异子代种群筛选得到变异优选子代种群；使用变异优选子代种群进行自动驾驶测试，并根据精英保留策略选择当前的最极端场景；根据测试结果判定是否满足收敛条件，若满足则搜索结束，否则返回基因全交叉过程重复执行。本发明在提高自动驾驶系统极端场景搜索快速性的同时，有效避免陷入局部最优。
-
公开(公告)号：CN118504224A
公开(公告)日：2024-08-16
申请号：CN202410568179.4
申请日：2024-05-09
Applicant: 重庆大学 , 中国汽车工程研究院股份有限公司
IPC: G06F30/20 , G06F30/15 , G06F119/12
Abstract: 本发明涉及一种基于量产车采集数据的自动驾驶测试场景构建方法，属于自动驾驶领域。考虑自动驾驶测试场景及量产车采集数据的特点，建立了场景复建系统的整体架构。对输入的实车采集数据进行预处理后，从场景组成要素的动静态特性出发，分别构建动态交通场景及静态道路环境。通过交通参与者关键信息跟踪，还原多车轨迹，在虚拟环境中复现出实车周围的交通运行状况；通过多项式曲线滚动拟合，获得特征参数并生成静态道路文件；最终合并集成为完整的测试场景。本发明利用低成本的量产车采集数据，在虚拟环境中复建出高保真、非预设、可重复的场景，场景数据的采集工作与实车试验有机结合，降低企业支出，所建场景能够用于自动驾驶系统的开发测试。
-
公开(公告)号：CN103557264B
公开(公告)日：2015-09-16
申请号：CN201310574833.4
申请日：2013-11-15
Applicant: 重庆大学
Abstract: 本发明公开了一种基于状态监测的无源磁流变减振器，其包括磁流变减振器、振动能量采集器、能量回收控制模块和状态监测系统，所述振动能量采集器主要由基于Halbach阵列永磁体动子和线圈绕组定子组成永磁直线发电机，用于将振源激励产生的动能转化为电能；所述能量回收控制模块用于存储振动能量采集器转化的电能；所述状态监测系统用于实时调节能量回收控制模块输入到励磁线圈的电流，进而改变输出阻尼力的大小，实现对外界振动的无源控制。本发明基于状态监测的无源磁流变减振器具有体积小、效率高、节约能源、安装维修方便、系统可靠等优点。
-
公开(公告)号：CN119863772A
公开(公告)日：2025-04-22
申请号：CN202411871841.X
申请日：2024-12-18
Applicant: 重庆大学
IPC: G06V20/58 , G06V10/72 , G06V10/774 , G06V10/762
Abstract: 本发明涉及自动驾驶技术领域，具体涉及一种基于改进密度峰值聚类的场景提取方法，该场景提取方法，包括以下步骤：S1：将第一场景数据集进行归一化处理，得到第二场景数据集；S2：利用改进的密度公式，分别计算所述第二场景数据集中每一个场景数据的密度值；S3：基于改进密度峰值聚类算法将所述第二场景数据集分为多个簇；S4：将所有簇的簇心组成的集合作为典型场景集输出，其能够大幅提升典型场景提取的准确性，且稳定性适应性高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
