一种面向多种泊车场景的路径规划方法

    公开(公告)号:CN116653930A

    公开(公告)日:2023-08-29

    申请号:CN202310842127.7

    申请日:2023-07-10

    Abstract: 本发明涉及无人驾驶车辆技术领域,特别涉及一种面向多种泊车场景的路径规划方法,包括搭建整车运动学模型并设计多阶段非线性预测控制模型;设计多阶段非线性预测控制器和设计以车辆起始点位姿、目标点位姿、泊车车速、泊车转向角度、非完整运动学约束以及最小避障安全距离为基本约束的约束函数;将泊车系统约束整合为一个满足多阶段非线性预测控制模型和泊车系统约束的优化控制问题;采用内点法求解优化控制问题,得到最优控制序列,将该序列中的第一列元素应用于车辆底层控制;本发明可以保证泊车时的可控性和准确性,同时能够提高泊车过程的灵活性和高效性,大大优化了自动泊车控制系统的架构。

    一种面向泊车场景的无人驾驶车辆行驶轨迹优化方法及系统

    公开(公告)号:CN114940164B

    公开(公告)日:2023-05-23

    申请号:CN202210552336.3

    申请日:2022-05-20

    Abstract: 本发明属于无人驾驶车辆技术领域,具体涉及一种面向泊车场景的无人驾驶车辆行驶轨迹优化方法及系统;该方法包括:获取全局泊车路径;根据车辆状态参数构建整车运动学模型;根据整车运动学模型和全局泊车路径,以泊车所耗时间最短为优化目标,以自动泊车起始点位姿、目标点位姿、行驶车速、整车运动学以及避障安全距离为基本约束参数,构建行驶轨迹优化模型;采用Levenberg‑Marquardt(LM)方法对行驶轨迹优化模型进行求解,得到优化的局部行驶轨迹;根据优化的局部行驶轨迹实现泊车场景下的完整车辆行驶轨迹优化;本发明提高了在泊车场景下,无人驾驶车辆行驶的安全性,实用性高。

    一种基于DDPG深度强化学习的AEB控制方法及系统

    公开(公告)号:CN115123159A

    公开(公告)日:2022-09-30

    申请号:CN202210736326.5

    申请日:2022-06-27

    Abstract: 本发明涉及新能源汽车制动领域,具体涉及一种基于DDPG深度强化学习的AEB控制方法及系统,包括构建基于策略网络和值网络构建动作‑评价网络,根据策略网络选择在当前行驶状态下的动作,值网络对选择的动作进行评价;构建基于目标策略网络和目标值网络的目标网络,使用经验回放机制从样本值中随机获取训练样本对策略网络和值网络进行离线训练和更新;目标网络根据在当前行驶状态下执行动作‑评价网络选择的动作后状态的评价值和系统的奖励函数更新策略网络;将当前行驶状态输入,通过基于策略网络和值网络构建动作‑评价网络选择最优的动作;本发明采用优化后的制动策略能够提高新能源汽车的经济效益,降低无效油耗,减缓车辆零件老化速度。

    一种基于模型预测控制和强化学习融合的自动泊车决策方法

    公开(公告)号:CN115657548A

    公开(公告)日:2023-01-31

    申请号:CN202211307937.4

    申请日:2022-10-25

    Abstract: 本发明涉及自动驾驶技术领域,特别涉及一种基于模型预测控制和强化学习融合的自动泊车决策方法,即在自动泊车过程中,采用近端策略优化算法训练选择最优动作的过程,近端策略优化算法包括Actor网络和Critic网络,策略函数对应Actor网络,值函数对应Critic网络,Actor网络的输出为当车辆处于特定状态时采取每个可能转向动作的概率,Critic网络的输出是采取Actor网络的转向动作后状态的状态值函数;本发明以狭窄垂直停车位为背景,将模型预测控制与近端策略优化强化学习算法相结合,解决了停车位较窄情况下的停车规划时间长,成功率不高的问题,扩展了系统的停车位选择范围。

    一种面向智能驾驶车辆的多传感器融合方法及系统

    公开(公告)号:CN115061139A

    公开(公告)日:2022-09-16

    申请号:CN202210768001.5

    申请日:2022-07-01

    Abstract: 本发明属于智能驾驶车辆技术领域,具体涉及一种面向智能驾驶车辆的多传感器融合方法及系统;该方法包括:根据GM‑PHD算法和探测物体的矩形目标模型构建扩展目标跟踪器;采用扩展目标跟踪器对毫米波雷达的探测信息进行处理,得到探测物体的毫米波雷达航迹信息;采用构建的边界框探测器和配置有IMM‑UKF的JPDA跟踪器对激光雷达的探测信息进行处理,得到探测物体的激光雷达航迹信息;采用时空间转换将毫米波雷达航迹信息和激光雷达航迹信息进行处理,得到中心融合节点;采用IMF算法对中心融合节点进行处理,得到全局航迹信息;本发明解决了数据关联方法引入的组合爆炸以及由不同传感器局部航迹信息错序导致的时序问题。

    一种面向泊车场景的无人驾驶车辆行驶轨迹优化方法及系统

    公开(公告)号:CN114940164A

    公开(公告)日:2022-08-26

    申请号:CN202210552336.3

    申请日:2022-05-20

    Abstract: 本发明属于无人驾驶车辆技术领域,具体涉及一种面向泊车场景的无人驾驶车辆行驶轨迹优化方法及系统;该方法包括:获取全局泊车路径;根据车辆状态参数构建整车运动学模型;根据整车运动学模型和全局泊车路径,以泊车所耗时间最短为优化目标,以自动泊车起始点位姿、目标点位姿、行驶车速、整车运动学以及避障安全距离为基本约束参数,构建行驶轨迹优化模型;采用Levenberg‑Marquardt(LM)方法对行驶轨迹优化模型进行求解,得到优化的局部行驶轨迹;根据优化的局部行驶轨迹实现泊车场景下的完整车辆行驶轨迹优化;本发明提高了在泊车场景下,无人驾驶车辆行驶的安全性,实用性高。

    一种面向无人驾驶装载机的制动踏板开度值预测方法

    公开(公告)号:CN115146528A

    公开(公告)日:2022-10-04

    申请号:CN202210575222.0

    申请日:2022-05-25

    Abstract: 本发明涉及装载机无人驾驶技术领域,具体涉及一种面向无人驾驶装载机的制动踏板开度值预测方法,包括获取驾驶员驾驶的历史数据,根据历史数据获取循环作业时长与行驶路程的最佳组合,以此作为驾驶员的驾车作业熟练度;筛选出熟练驾驶员的驾驶数据作为训练数据;构建LSTM预测网络,以训练数据对构建的网络进行训练;将实时数据输入完成训练的LSTM预测网络,预测开度值变换,根据预测的开度值变化判断车辆踏板是否制动;本发明以装载机制动动作极为频繁的典型作业模式为背景,将具有多年驾驶经验熟练驾驶员的驾驶数据与机器学习方法相结合,能够实现对满载后退、满载前进和空载后退3种制动类型在未来时间步制动踏板开度值的良好预测。

Patent Agency Ranking