-
公开(公告)号：CN113561976A
公开(公告)日：2021-10-29
申请号：CN202110953714.4
申请日：2021-08-19
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种基于反馈优化的车辆节能预测自适应巡航控制方法核装置，该方法包括：步骤S1，获取自车预测状态、前车预测状态和后车预测状态；步骤S2，判断当前时刻是否为反馈增益切换时刻，若是，则进入步骤S3，反之，则沿用上一时刻的反馈增益，计算上位控制输入；步骤S3，构建经济优化问题，求解最优反馈增益，计算最优上位控制输入，并将最优控制输入序列对应的自车状态作为下一时刻自身预测状态，并返回步骤S2。本发明可在给定的反馈增益范围内，选取能耗最优的值，并通过设计反馈增益切换时间保证跟踪稳定性。
-
公开(公告)号：CN115525047B
公开(公告)日：2023-07-25
申请号：CN202210328938.0
申请日：2022-03-30
Applicant: 江苏集萃清联智控科技有限公司 , 湖南大学无锡智能控制研究院
IPC: G05D1/02
Abstract: 本发明公开了一种具备多型避障方式的车辆局部轨迹规划方法及系统，其包括：S1，获取当前自车位姿信息、障碍物信息、地图信息和参考路径；S2，从所有障碍物中选出当前车辆位置前方参考路径的道路宽度范围内的障碍物，进行分类，并为分类后的每一障碍物分配对应的避障决策；S3，根据参考路径和当前自车位姿信息进行局部轨迹规划，生成一系列候选局部轨迹；S4，取出代价最低的候选局部轨迹,根据步骤S2生成的避障决策选择碰撞检测方法，进行障碍物与候选局部轨迹的碰撞检测，若该候选局部轨迹发生碰撞，则剔除该候选局部轨迹并重新执行步骤S4，直至获得代价最低的候选局部轨迹；S5，对步骤S4获得的无碰撞候选局部轨迹进行插值，得到局部轨迹。
-
公开(公告)号：CN115273068B
公开(公告)日：2023-05-12
申请号：CN202210918994.X
申请日：2022-08-02
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种激光点云动态障碍物剔除方法、装置及电子设备，其包括：步骤1，将原始点云进行预处理；步骤2具体包括：步骤21，从特征点集合中选出初始的关键帧序列；步骤22，判断当新的关键帧与其上一关键帧的位姿变化是否超过预设值，如果是，则将该新的关键帧插入到关键帧序列，进入步骤23；步骤23，判断关键帧序列是否大于预设长度，如果是，则剔除与当前的关键帧的时间最远的关键帧；反之，进入步骤24；步骤24，从关键帧序列中取出局部关键帧，并对该局部关键帧建立关联信息搜索结构；步骤25，利用关联信息搜索结构，对当前的特征点云中的点进行数据搜索，获得空间距离最近的点，再剔除当前的特征点云中的满足预设剔除条件的点。
-
公开(公告)号：CN115273068A
公开(公告)日：2022-11-01
申请号：CN202210918994.X
申请日：2022-08-02
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种激光点云动态障碍物剔除方法、装置及电子设备，其包括：步骤1，将原始点云进行预处理；步骤2具体包括：步骤21，从特征点集合中选出初始的关键帧序列；步骤22，判断当新的关键帧与其上一关键帧的位姿变化是否超过预设值，如果是，则将该新的关键帧插入到关键帧序列，进入步骤23；步骤23，判断关键帧序列是否大于预设长度，如果是，则剔除与当前的关键帧的时间最远的关键帧；反之，进入步骤24；步骤24，从关键帧序列中取出局部关键帧，并对该局部关键帧建立关联信息搜索结构；步骤25，利用关联信息搜索结构，对当前的特征点云中的点进行数据搜索，获得空间距离最近的点，再剔除当前的特征点云中的满足预设剔除条件的点。
-
公开(公告)号：CN114565616A
公开(公告)日：2022-05-31
申请号：CN202210202063.X
申请日：2022-03-03
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种非结构化道路状态参数估计方法及系统，其包括：步骤1，将采集到的点云数据与图像数据进行时间同步和空间同步，并获得激光雷达坐标系中的点云数据中的点云到像素坐标系中的像素的映射关系；步骤2，多传感器融合地面分割，输出点云地面分割结果和图像地面分割结果；步骤3，地面点云数据增强；步骤4，道路自适应分块拟合，实现路面建模；步骤5，道路参数估计：基于路面平面模型，通过计算相邻两平面的法向量夹角即可求得相邻平面的相对纵向/横向坡度；通过计算地面点云到对应拟合平面之间的距离，并采用距离的均方根作为路面粗糙度的评价指标；通过拟合每个分块平面的道路边界，进行道路曲率估计。
-
Patent Agency Ranking
公开(公告)号：CN114386527A
公开(公告)日：2022-04-22
申请号：CN202210056531.7
申请日：2022-01-18
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种用于域自适应目标检测的类别正则化方法及系统，该方法包括：步骤1，获取源域感兴趣区域特征向量和目标域感兴趣区域特征向量及其与对应的预测类别和与对应的预测类别步骤2，计算类间正则化损失函数值步骤3，计算类内正则化损失函数值步骤4，和作为正则化项结合到域自适应目标检测框架的损失函数中，以联合优化域自适应目标检测损失函数和类别正则化损失函数。本发明实现了两域相同类别特征合理充分的对齐，大大降低了两域特征负迁移的风险，而且还可以灵活地拓展到多种现有的域自适应目标检测框架中。
-
公开(公告)号：CN113335309B
公开(公告)日：2022-04-05
申请号：CN202110758225.3
申请日：2021-07-05
Applicant: 湖南大学无锡智能控制研究院
IPC: B60W60/00 , B60W40/105 , B60W40/076 , B60W40/00
Abstract: 本发明实施例公开了一种车辆纵向控制方法和装置，该方法包括：根据车辆当前速度和最近轨迹点信息确定作为预瞄点的轨迹点；将所述预瞄点的参考速度设置为期望速度，计算所述期望速度与所述车辆当前速度的差作为速度反馈误差，根据所述速度反馈误差计算得到期望加速度、以及额外驱制动力；根据所述额外驱制动力修正所述速度反馈误差，利用修正后的速度反馈误差确定速度控制模式；根据所述速度控制模式，将所述额外驱制动力转化为相应的驱动补偿量或制动补偿量，通过驱动器件或制动器件实现对车辆的纵向控制。本发明实施例中，考虑车辆当前速度和所处不同模式，灵活确定驱动补偿或制动补偿，从而能够实现更加精确的纵向控制。
-
公开(公告)号：CN113904947A
公开(公告)日：2022-01-07
申请号：CN202111344258.X
申请日：2021-11-15
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种车路协同分布式边缘计算任务卸载与资源分配方法和系统，该方法包括：步骤1，获得车辆与基站之间的平均传输速率；步骤2，在满足任务截止时间前提下，建立由多网联车辆任务卸载时延与能耗多目标加权和优化模型描述的原优化问题；步骤3，联合优化任务卸载分割比例、本地计算资源分配策略、通信带宽与边缘计算资源分配策略组成的约束条件，通过可行性分析得到优化变量可行集；步骤4，将所述原优化问题转化为等价优化问题；步骤5，将所述等价优化问题依次分解为第一阶段子问题和第二阶段子问题进行求解，分别得到最优通信与边缘计算资源分配策略和最优车辆任务分割策略与本地计算资源分配策略。本发明能够解决现有的边缘计算集中式决策方案通信开销大、求解复杂度高、资源分配不合理、用户部分隐私泄露等问题。
-
公开(公告)号：CN113428142A
公开(公告)日：2021-09-24
申请号：CN202110803607.3
申请日：2021-07-15
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明实施例公开了一种路径跟踪前馈控制方法和装置，该方法包括：步骤1，获取车辆状态信息；步骤2，根据所述车辆状态信息，确定用于抵消稳态横向误差的前馈控制量；步骤3，根据得到的所述前馈控制量实现车辆的横向控制。本发明实施例提供的方案中，利用基于打击中心建模的路径跟踪控制系统的稳态误差模型得到的稳态误差表达式，得到可以抵消稳态横向误差的前馈控制量，从而可以消除弯道工况下路径跟踪控制系统的稳态误差，提升路径跟踪精度。
-
公开(公告)号：CN118960719A
公开(公告)日：2024-11-15
申请号：CN202411063429.5
申请日：2024-08-05
Applicant: 湖南大学 , 湖南大学无锡智能控制研究院
IPC: G01C21/00 , G06F18/25 , G06F18/214 , G06N3/04 , G06N3/08 , G06N20/20 , G01C21/08 , G01C21/16 , G01C21/20 , G01S15/58 , G01S15/86
Abstract: 本发明公开了一种基于多模态数据融合与集成学习的定位方法及系统，该方法包括：通过声学多普勒测速单元获得水下潜器的速度信息和运动轨迹信息；通过捷联式惯性测量单元获得水下潜器的三轴线性加速度数据、三轴角速度数据以及姿态信息；通过地磁导航单元获得水下潜器的位置信息；将多普勒测速单元、捷联式惯性测量单元和地磁导航单元获得的三类多模态数据进行混合编码，得到融合特征数据；将融合特征数据输入到基于Transformer的深度神经网络进行训练；在水下定位导航中，使用训练好的基于Transformer的深度神经网络对水下潜器进行定位。本发明通过多模态融合数据进行特征学习，利用神经网络输出定位结果，提高水下定位精度。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.037 seconds)
