-
-
公开(公告)号：CN115257789B
公开(公告)日：2025-01-07
申请号：CN202211070522.X
申请日：2022-09-02
Applicant: 东南大学
Abstract: 本发明公开了一种城市低速环境下的营运车辆侧向防撞驾驶决策方法。首先，利用硬件在环驾驶模拟仿真平台构建城市交通场景，模拟并采集不同驾驶条件和行驶工况下的安全驾驶行为。其次，通过模仿学习的方式，利用数据集聚合算法模拟人类驾驶员的安全驾驶行为。最后，通过无监督学习的方式，利用近端策略优化算法进一步学习侧向防撞策略，实现对营运车辆侧向防撞驾驶行为的高级决策输出。本发明提出的方法，能够模拟人类驾驶员的安全驾驶行为，且考虑了视觉盲区、交通参与者类型等因素对行车安全的影响，为大型营运车辆提供更加合理、有效的防撞驾驶策略，实现了城市低速环境下的营运车辆侧向防撞驾驶决策。
-
公开(公告)号：CN114923494B
公开(公告)日：2024-11-29
申请号：CN202210532663.2
申请日：2022-05-13
Applicant: 东南大学
Abstract: 本发明公开了一种空地协作的高精同步定位与建图方法。首先，构建了无人机系统和地面无人车辆系统，接着，利用同步定位与建图方法对地面无人车辆的位置进行实时递推，最后，利用空地协作多传感紧耦合观测来提供回环优化以减小累积误差。本发明公开的空地协作高精同步定位与建图方法，有效克服了现有方法易受累积误差影响且工作模式不灵活等缺陷。
-
公开(公告)号：CN115257819A
公开(公告)日：2022-11-01
申请号：CN202211070514.5
申请日：2022-09-02
Applicant: 东南大学
Abstract: 本发明公开了城市低速环境下的大型营运车辆安全驾驶决策方法，首先，采集城市交通环境下人类驾驶员的安全驾驶行为，构建形成安全驾驶行为数据集。其次，构建基于多头注意力的营运车辆安全驾驶决策模型。该模型包含深度双Q网络和生成对抗模仿学习两个子网络。其中，深度双Q网络通过无监督学习的方式，学习危险场景、冲突场景等边缘场景下的安全驾驶策略；生成对抗模仿学习子网络模仿人类驾驶员在不同驾驶条件和行驶工况下的安全驾驶行为。最后，训练安全驾驶决策模型，得到不同驾驶条件和行驶工况下的驾驶策略。本发明提出的方法，能够模拟人类驾驶员的安全驾驶行为，且考虑了视觉盲区、突遇障碍物等因素对行车安全的影响。
-
公开(公告)号：CN115257789A
公开(公告)日：2022-11-01
申请号：CN202211070522.X
申请日：2022-09-02
Applicant: 东南大学
Abstract: 本发明公开了一种城市低速环境下的营运车辆侧向防撞驾驶决策方法。首先，利用硬件在环驾驶模拟仿真平台构建城市交通场景，模拟并采集不同驾驶条件和行驶工况下的安全驾驶行为。其次，通过模仿学习的方式，利用数据集聚合算法模拟人类驾驶员的安全驾驶行为。最后，通过无监督学习的方式，利用近端策略优化算法进一步学习侧向防撞策略，实现对营运车辆侧向防撞驾驶行为的高级决策输出。本发明提出的方法，能够模拟人类驾驶员的安全驾驶行为，且考虑了视觉盲区、交通参与者类型等因素对行车安全的影响，为大型营运车辆提供更加合理、有效的防撞驾驶策略，实现了城市低速环境下的营运车辆侧向防撞驾驶决策。
-
Patent Agency Ranking
公开(公告)号：CN113753034B
公开(公告)日：2022-08-02
申请号：CN202111225837.2
申请日：2021-10-21
Applicant: 东南大学
Abstract: 本发明公开了一种考虑路面附着条件的大型营运车辆防碰撞决策方法。首先，建立三自由度的营运车辆运动模型。其次，建立基于交互多模型的路面附着条件估计模型，对路面附着系数进行准确识别。最后，将防碰撞决策问题描述为马尔科夫决策过程，建立基于强化学习的防碰撞驾驶决策模型，得到准确、可靠、自适应路面条件的防碰撞决策策略。本发明提出的方法，综合考虑路面附着条件、前向和后向障碍物对车辆碰撞的影响，为驾驶员提供节气门开度、方向盘转角控制量等精确量化的防碰撞策略，克服了现有的大型营运车辆防碰撞驾驶策略缺乏准确性和路面条件适应性的不足。
-
公开(公告)号：CN114379540A
公开(公告)日：2022-04-22
申请号：CN202210157766.5
申请日：2022-02-21
Applicant: 东南大学
IPC: B60W30/04
Abstract: 本发明公开了一种考虑前方障碍物影响的大型营运车辆防侧翻驾驶决策方法。首先，明确防侧翻驾驶决策方法适用的交通场景。其次，将防侧翻驾驶决策问题建模为马尔科夫决策过程，利用标准的策略梯度算法建立大型营运车辆的防侧翻驾驶决策模型。最后，对防侧翻驾驶决策模型进行训练，得到不同行驶工况下的防侧翻驾驶策略。本发明提出的决策方法，考虑了执行防侧翻驾驶策略过程中的安全隐患，克服了现有方法缺乏有效性和可靠性的不足，为营运车辆提供直行、转向、加速、减速等明确的驾驶策略，实现了有效、可靠的大型营运车辆防侧翻驾驶决策。
-
公开(公告)号：CN115257819B
公开(公告)日：2024-12-24
申请号：CN202211070514.5
申请日：2022-09-02
Applicant: 东南大学
Abstract: 本发明公开了城市低速环境下的大型营运车辆安全驾驶决策方法，首先，采集城市交通环境下人类驾驶员的安全驾驶行为，构建形成安全驾驶行为数据集。其次，构建基于多头注意力的营运车辆安全驾驶决策模型。该模型包含深度双Q网络和生成对抗模仿学习两个子网络。其中，深度双Q网络通过无监督学习的方式，学习危险场景、冲突场景等边缘场景下的安全驾驶策略；生成对抗模仿学习子网络模仿人类驾驶员在不同驾驶条件和行驶工况下的安全驾驶行为。最后，训练安全驾驶决策模型，得到不同驾驶条件和行驶工况下的驾驶策略。本发明提出的方法，能够模拟人类驾驶员的安全驾驶行为，且考虑了视觉盲区、突遇障碍物等因素对行车安全的影响。
-
公开(公告)号：CN117128949A
公开(公告)日：2023-11-28
申请号：CN202311022307.7
申请日：2023-08-14
Applicant: 东南大学
IPC: G01C21/00 , G01C21/20 , G01C21/16 , G01C21/34 , G01C11/02 , G01C11/04 , G01S19/42 , G01S19/45 , G01S19/47 , G06T7/00 , G06T5/00 , H04W4/02 , H04W64/00 , H04W84/18
Abstract: 本发明公开了一种面向未知环境的智能车协作定位方法。首先，构建了协作定位系统，其次，建立了协作定位观测模型，接着进行协作定位观测模型训练并用于预测智能车的位置增量，最后，构建协作融合定位模型获取智能车位置。本发明公开的面向未知环境的智能车协作定位方法，实现了先验信息缺失且观测信息受限的未知环境下的智能车协作定位。
-
公开(公告)号：CN112904382A
公开(公告)日：2021-06-04
申请号：CN202110099311.8
申请日：2021-01-25
Applicant: 东南大学
Abstract: 本发明公开了一种城市峡谷环境下激光里程计辅助的快速优化选星方法。本方法首先利用激光里程计准确推算智能车的先验绝对位置，其次，依托准确的智能车位置信息精确计算卫星的高度角和方位角，接着，计算自适应截止高度角，并利用模糊规则进行快速优化选星，最后，依据选择卫星的数量对智能车实施多模式定位策略。本发明公开的快速优化选星方法，克服了现有方法卫星高度角和方位角计算不精准、适应性不强、选星效率低、定位误差大等难题，保障了城市峡谷环境下智能车的高精定位。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.047 seconds)
