一种无人车可通行性评估方法及系统

    公开(公告)号:CN114355952A

    公开(公告)日:2022-04-15

    申请号:CN202210260481.4

    申请日:2022-03-17

    Abstract: 本发明涉及一种无人车可通行性评估方法及系统。该方法包括确定轮胎当前工况附着力,进而确定车辆允许的最大俯仰角和最大倾斜角;根据无人车的基本信息、当前位置和航向角以及最大俯仰角和最大倾斜角确定无人车四个轮胎的着地点坐标和当前俯仰角及当前倾斜角;根据基本信息和着地点坐标进行第一判断;并当第一判断结果为可通行时,根据无人车四个轮胎的着地点坐标以及无人车的当前位置和航向角确定车辆支撑面,并根据车辆支撑面中所有的高程信息确定车辆支撑面地图;根据车辆支撑面地图中的高程信息进行第二判断,并当第二判断结果为可通行时,控制无人车从当前位置行驶。本发明能够保证无人车在非结构道路上行驶的安全性。

    一种保证无人车在三维地形上安全行驶的运动规划方法

    公开(公告)号:CN113044029B

    公开(公告)日:2022-03-15

    申请号:CN202110295008.5

    申请日:2021-03-19

    Abstract: 本发明涉及一种考虑三维地形的运动规划方法,尤其涉及一种无人车辆三维地形中的运动规划,属于无人车辆运动规划领域。本发明为了保证无人车辆在三维地形面上的行驶安全性,增强在三维地形中运动规划的合理性,提出了一种保证无人车在三维地形上安全行驶的运动规划方法。主要内容分为四部分,地形环境表示与位姿投影方法是后续操作的基础。地形可通行性判别算法考虑到路面粗糙度与地面形状对可通行性的影响,保证车辆静态稳定性。三维地形路径规划包括参考路径生成和可跟踪路径生成两个步骤。速度规划包括初始速度曲线生成和速度曲线平滑两个步骤。

    一种基于深度学习的快速停车位检测方法

    公开(公告)号:CN110210350B

    公开(公告)日:2021-12-21

    申请号:CN201910429977.8

    申请日:2019-05-22

    Abstract: 本发明涉及一种基于深度学习的快速停车位检测方法,属于驾驶技术领域,用于解决停车位检测环境适应性差、模型计算量大问题,方法包括离线步骤:离线采集包含有停车位的图像数据,建立训练、验证数据集;进行神经网络模型的训练、评价和优化;所述神经网络模型用于对图像数据中停车位边线进行语义分割;在线步骤:在线采集包含有停车位的图像数据,使用训练好的神经网络模型进行停车位边线语义分割得到停车位边线掩膜,对得到的边线掩膜进行拟合、聚类与组合,得到由边线组成的几何形状;根据设定的形状判别条件,对所述几何形状进行筛选确定停车位。本发明具环境适应性强;采用模型体积很小,计算量低,对计算资源的需求较小;系统造价低,具有大规模应用的潜力。

    一种自主超车方法及系统
    45.
    发明公开

    公开(公告)号:CN113674529A

    公开(公告)日:2021-11-19

    申请号:CN202111237146.4

    申请日:2021-10-25

    Abstract: 本发明涉及一种自主超车方法及系统。该方法包括定义状态晶格空间;根据状态晶格空间确定在超车不同阶段的轨迹参数;根据状态晶格空间以及在超车不同阶段的轨迹参数构建车辆运动模型;根据车辆运动模型生成车辆预测轨迹;根据车辆预测轨迹进行超车轨迹跟踪,并利用基于半马尔科夫决策过程确定超车决策。本发明实现车辆安全、高效的自主超车,解决现有技术中超车过程轨迹跟踪困难的问题。

    一种基于换道交互意图的换道决策方法及系统

    公开(公告)号:CN113306558B

    公开(公告)日:2021-11-09

    申请号:CN202110867345.7

    申请日:2021-07-30

    Abstract: 本发明公开了一种基于换道交互意图的换道决策方法及系统。该方法包括:采集换道交互数据;通过道路信息以及车道场景对换道交互数据进行标注,并从换道交互数据中提取驾驶特征构建训练集和验证集;对驾驶特征进行标签,确定横向换道意图;通过训练集和横向换道意图训练长短时记忆网络,得到横向换道意图模型;通过横向换道意图和驾驶特征训练长短时记忆网络,得到纵向让行意图模型;根据横向换道意图和纵向让行意图,判定换道交互车辆的换道交互状态;根据换道交互状态确定换道决策。本发明通过识别车辆当前的换道交互意图,以帮助换道场景中自动驾驶车辆进行换道时或面对周围车辆换道时做出正确决策以及提高换道过程中的交通安全。

    构建无人驾驶车辆运动特性模型的方法和装置

    公开(公告)号:CN111267867B

    公开(公告)日:2021-08-10

    申请号:CN202010105306.9

    申请日:2020-02-20

    Abstract: 本说明书提供一种构建无人驾驶车辆运动特性模型的方法和装置,包括:获取无人驾驶车辆在控制参量变化的情况下,各个采样时刻的实际状态、实际位置和实际航向;控制参量包括转向角和输出扭矩;采用各个采样时刻的实际状态和转向角,计算获得二自由度单轨动力学模型;采用二自由度单轨动力学模型,获得下一采样时刻对应的计算位置和计算航向;获得对应于一采样时刻的位置偏差和航向偏差;根据各个采样时刻的至少一个控制参量和/或实际状态中的至少一个数据,以及对应的位置偏差和航向偏差构建误差补偿模型;组合二自由度单轨动力学模型和误差补偿模型,构建得到无人驾驶车辆的运动特性模型。前述方法具有计算精度较高,能够满足实时性的要求。

    一种保证无人车在三维地形上安全行驶的运动规划方法

    公开(公告)号:CN113044029A

    公开(公告)日:2021-06-29

    申请号:CN202110295008.5

    申请日:2021-03-19

    Abstract: 本发明涉及一种考虑三维地形的运动规划方法,尤其涉及一种无人车辆三维地形中的运动规划,属于无人车辆运动规划领域。本发明为了保证无人车辆在三维地形面上的行驶安全性,增强在三维地形中运动规划的合理性,提出了一种保证无人车在三维地形上安全行驶的运动规划方法。主要内容分为四部分,地形环境表示与位姿投影方法是后续操作的基础。地形可通行性判别算法考虑到路面粗糙度与地面形状对可通行性的影响,保证车辆静态稳定性。三维地形路径规划包括参考路径生成和可跟踪路径生成两个步骤。速度规划包括初始速度曲线生成和速度曲线平滑两个步骤。

    一种激光雷达SLAM算法与惯导融合定位的方法

    公开(公告)号:CN112923933A

    公开(公告)日:2021-06-08

    申请号:CN201911246424.5

    申请日:2019-12-06

    Abstract: 本发明率先提出一种基于特征概率栅格地图的激光雷达SLAM算法‑CPFG(Closet Probability and Feature Grid,最近邻概率特征栅格)算法。该算法利用三维激光雷达数据,实时创建和更新线、面及高斯分布特征以及占据概率的栅格地图,并结合鲁棒化后的马氏距离作为优化函数进行实时位姿估计,该算法主要分为三步:点云预处理,点云与特征概率栅格地图的匹配及位姿估计,特征概率栅格地图的更新。本发明的激光雷达SLAM算法与目前几个主流算法相比,在实时性和定位精度方面有更好的表现。然后本发明融合了惯导的姿态信息,将激光雷达SLAM的高位移精度与惯导低姿态漂移的特性相结合,其相对定位精度可以达到千分之一左右,在无人驾驶定位领域具有广泛的使用前景。

Patent Agency Ranking