-
公开(公告)号：CN113807442A
公开(公告)日：2021-12-17
申请号：CN202111097076.7
申请日：2021-09-18
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种目标形状及航向估计方法及系统，该方法包括：步骤S1，获取原始的目标点云数据，并聚类；步骤S2，通过三维边界框描述聚类点云数据；步骤S3，将点云的x与y坐标沿一设定方向旋转预设步长；步骤S4，以三维边界框对应在xoy平面的平面矩形框的中心为原点，建立二维直角坐标系，根据点云特征点所处的象限和聚类点云数据中点云分布呈现的形状，计算目标函数值；步骤S5，判断当前航向角度是否处于设定遍历角度范围内，如果是，则返回步骤S3；反之，则进入步骤S6；步骤S6，选择最大的目标函数值对应的航向角为最优航向角；步骤S7，根据最优航向角对应的平面矩形框的中心在激光雷达坐标系下的位置，确定目标的最优三维边界框的位置、尺寸及姿态。
-
公开(公告)号：CN113341997A
公开(公告)日：2021-09-03
申请号：CN202110718424.1
申请日：2021-06-28
Applicant: 湖南大学无锡智能控制研究院
IPC: G05D1/02
Abstract: 本发明公开了一种基于多状态参数协同估计的横向控制方法，该方法包括：步骤1，设置与车轴所受的垂向力相关的第一观测量、第一预测量、基于车辆质心纵向位置的状态向量，估计车辆的质心纵向位置；步骤2，设置与车辆运动信息相关的第二观测量、第二预测量、基于轮胎侧偏刚度的状态向量、与轮胎侧偏刚度的状态向量对应的第三预测量、第三预测量、基于路面附着系数的状态量，将轮胎侧偏刚度与路面附着系数进行解耦，估计轮胎侧偏刚度和轮胎路面附着系数；步骤3，设置与纵向加速度相关的第四观测量、第四预测量、基于轮胎垂向力的状态向量，估计轮胎垂向力；步骤4，根据估计得到的质心纵向位置与车辆运动信息、轮胎侧偏刚度和轮胎路面附着系数、以及轮胎垂向力，对车辆进行横向控制。本发明能够进行车辆与路面多参数解耦联合估计的同时结合横向动力学控制提升车辆控制精度与横向稳定性。
-
公开(公告)号：CN119758855B
公开(公告)日：2025-05-16
申请号：CN202510264898.1
申请日：2025-03-07
Applicant: 湖南大学无锡智能控制研究院
IPC: G05B19/042 , G01M17/06
Abstract: 本发明涉及装备试验技术领域，具体公开了一种多轴转向底盘移动试验台架的控制方法、装置及系统，包括：分别获取台架本体的定位信息以及试验件的运动信息；根据预设试验路径和台架本体的位置信息进行误差计算，获得纠偏转角；根据预设试验路径以及试验件的运动信息进行横摆力矩平衡计算，获得补偿转角；分别对纠偏转角和补偿转角进行时滞补偿，获得纠偏转角分配控制参数和补偿转角分配控制参数；向纠偏轮组输出纠偏转角控制参数以及向补偿轮组输出补偿转角分配控制参数。本发明提供的多轴转向底盘移动试验台架的控制方法能够解决人工驾驶试验台架带来的路径跟踪控制精度差，行驶稳定性低的问题，达到提升路径跟踪精度以及提高行驶稳定性的目的。
-
公开(公告)号：CN118665309A
公开(公告)日：2024-09-20
申请号：CN202411030991.8
申请日：2024-07-30
Applicant: 湖南大学无锡智能控制研究院
IPC: B60P1/04 , G06Q10/0631 , G06Q50/40 , B65G69/00
Abstract: 本发明涉及矿山自动驾驶技术领域，具体公开了一种无人驾驶矿卡自适应卸载交互方法、装置及系统，包括：获取卸料站周期性上报的第一卸料站状态监测信息；若第一卸料站状态监测信息为卸料口不满且存在空闲卸载位，获取卸料站周期性上报的第二卸料站状态监测信息；若第二卸料站状态监测信息为空闲卸载位不存在异常，则向无人驾驶矿卡发送第一调度指令；获取卸料站周期性上报的第三卸料站状态监测信息；根据第三卸料站状态监测信息生成自适应调整指令；当接收到无人驾驶矿卡发送的卸载完成的信息时，生成第二调度指令。本发明提供的无人驾驶矿卡自适应卸载交互方法通过与无人驾驶矿卡以及卸料站的自适应卸载交互实现无人驾驶矿卡卸载的自适应调配。
-
公开(公告)号：CN118068837A
公开(公告)日：2024-05-24
申请号：CN202410194006.0
申请日：2024-02-21
Applicant: 湖南大学无锡智能控制研究院
IPC: G05D1/43 , G05D1/242 , G05D1/246 , G05D1/65 , G05D1/633 , G05D1/644 , G05D1/693 , G05D1/648 , G05D105/05
Abstract: 本发明公开了一种装载区多车多铲协同装载调度及轨迹规划方法与装置，装载区多车多铲协同装载调度及轨迹规划方法包括：步骤1，根据车辆的入场时间、出场时间、以及空/重载情况，确定车辆的优先级顺序；步骤2，根据优先级顺序，生成调度指令，并规划每一辆矿卡的行驶轨迹；步骤3，根据规划好的每一辆矿卡的行驶轨迹，预估各矿卡在每个时刻所处位置，进行多车动态冲突检测，按照优先级顺序使优先级低的矿卡实时避让优先级高的矿卡。本发明用于解决露天矿区装载作业面内存在多辆挖掘机与多辆无人驾驶矿卡的协同装载问题。
-
Patent Agency Ranking
公开(公告)号：CN115060280B
公开(公告)日：2023-07-25
申请号：CN202210705025.6
申请日：2022-06-21
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种车辆轨迹预测方法和装置，其包括：S1，获取障碍物车辆的实际历史轨迹；S2，根据障碍物车辆的预测位置和当前实际位置，计算得到预测位置误差，选择本次预测中所使用的历史轨迹时长；S3，根据实际历史轨迹，获得接近实际历史轨迹的拟合轨迹；S4，根据实际历史轨迹，计算符合障碍物车辆历史运动状态的障碍物车辆状态；S5，使用曲线拟合方程计算获得第一历史轨迹、使用运动学方程计算获得第二历史轨迹，再计算第一历史轨迹、第二历史轨迹分别与实际历史轨迹上对应轨迹点之间的误差；S6，在预设范围内对误差进行比较，选择本帧预测方法，以预测障碍物车辆的未来轨迹。
-
公开(公告)号：CN115082900B
公开(公告)日：2023-06-16
申请号：CN202210851076.X
申请日：2022-07-19
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种停车场场景下智能车辆行驶决策系统及方法，其包括：上层决策单元，用于接收周围环境与自车状态的信息，辨识当前的停车场场景，生成与辨识出的停车场场景相对应的行为树规则，并输出自车的决策行为；下层决策单元，用于接收周围环境与自车状态的信息以及上层决策单元输出的决策行为，使用深度Q学习方法对各自决策行为进行建模，通过决策行为奖励函数输出自车在对应于停车场场景下决策行为奖励值最大时对应的加加速度和方向盘转向角角速度。本发明能够提高车辆行驶的安全性与效率性。
-
公开(公告)号：CN116259185A
公开(公告)日：2023-06-13
申请号：CN202310045955.8
申请日：2023-01-30
Applicant: 湖南大学无锡智能控制研究院
IPC: G08G1/0968 , G08G1/16 , G08G1/01 , B60W60/00 , B60W30/06 , G06V20/58 , G06N3/08 , G06V10/82 , G06Q10/047 , G06N3/0442
Abstract: 本发明公开了一种停车场场景下融合预测算法的车辆行为决策方法及装置，该方法包括：利用预测算法对目标车辆的行为进行预测；根据不同的预测结果对目标车辆的轨迹分别进行预测；包括：当预测行为为沿本车道直线行驶行为时，使用匀速运动模型对目标车辆的轨迹进行预测；当预测行为为驶离本车道驶入空闲停车位行为时，使用五次多项式模型对目标车辆的轨迹进行预测；将目标车辆的预测轨迹、目标车辆的当前状态和智能车辆的当前状态作为输入信息输入行为树决策算法中，输出智能车辆行为。
-
公开(公告)号：CN114912516B
公开(公告)日：2023-06-06
申请号：CN202210440038.5
申请日：2022-04-25
Applicant: 湖南大学无锡智能控制研究院
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种协调特征一致性和特异性的跨域目标检测方法及系统，包括：步骤1，构建源域数据集和目标域数据集，搭建基准跨域目标检测模型；步骤2，通过特征特异性记忆读写模块不断更新记忆单元中的记忆元素，指导基准跨域目标检测模型对特征特异性进行学习，再通过特征一致性加权对齐模块使用源域和目标域记忆元素来引导相同类别的记忆元素进行混淆、以及根据待检测目标类别出现的比例对每个类别级域判别器的损失函数进行加权，在语义特异性基础上进一步引导特征对跨域一致性的学习，得到跨域目标检测模型；步骤3，以协调特征一致性和特异性的跨域目标检测模型的损失函数为优化目标对该模型进行训练，并将训练后的模型应用于目标域。
-
公开(公告)号：CN115390452B
公开(公告)日：2023-05-12
申请号：CN202211071272.1
申请日：2022-09-01
Applicant: 湖南大学无锡智能控制研究院
IPC: G05B13/04
Abstract: 本发明公开了一种LQR横向控制器参数在线自适应方法及系统，其包括：Step1，设置将会影响控制器的控制效果的条件；Step2，将归一化后的控制误差作为评价函数，采用改进遗传算法对该条件下的LQR横向控制器参数进行优化；Step3，将优化后的LQR横向控制器参数作为训练神经网络的数据集；Step4，将训练后的神经网络用于LQR控制器中，实现不同工况下的LQR横向控制器参数在线自适应。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.037 seconds)
