一种无人驾驶车辆轨迹跟踪与稳定性鲁棒控制方法及系统

    公开(公告)号:CN114967475B

    公开(公告)日:2022-11-15

    申请号:CN202210913234.X

    申请日:2022-08-01

    Abstract: 本发明涉及一种无人驾驶车辆轨迹跟踪与稳定性鲁棒控制方法及系统,属于无人驾驶车辆运动控制技术领域,以期望轨迹为输入,利用MPC控制器、辨识后鲁棒车辆运动控制器和主动转向控制器计算得到控制用前轮转角,进一步利用车辆横摆稳定控制器和车轮转动控制器计算得到驱/制动力矩,根据控制用前轮转角和驱/制动力矩对无人驾驶车辆的运动进行控制,从而能够同时满足无人驾驶车辆的轨迹跟踪精度、稳定性和鲁棒性控制需求,使无人驾驶车辆在存在模型失配和外部扰动的多变环境中既可以高精度沿期望轨迹运动,又可以保持车辆行驶稳定,提升无人驾驶车辆的控制性能。

    一种无人驾驶车辆轨迹跟踪与稳定性鲁棒控制方法及系统

    公开(公告)号:CN114967475A

    公开(公告)日:2022-08-30

    申请号:CN202210913234.X

    申请日:2022-08-01

    Abstract: 本发明涉及一种无人驾驶车辆轨迹跟踪与稳定性鲁棒控制方法及系统,属于无人驾驶车辆运动控制技术领域,以期望轨迹为输入,利用MPC控制器、辨识后鲁棒车辆运动控制器和主动转向控制器计算得到控制用前轮转角,进一步利用车辆横摆稳定控制器和车轮转动控制器计算得到驱/制动力矩,根据控制用前轮转角和驱/制动力矩对无人驾驶车辆的运动进行控制,从而能够同时满足无人驾驶车辆的轨迹跟踪精度、稳定性和鲁棒性控制需求,使无人驾驶车辆在存在模型失配和外部扰动的多变环境中既可以高精度沿期望轨迹运动,又可以保持车辆行驶稳定,提升无人驾驶车辆的控制性能。

    一种面向无人驾驶车辆的目标检测定位方法及系统

    公开(公告)号:CN114419571A

    公开(公告)日:2022-04-29

    申请号:CN202210320977.6

    申请日:2022-03-30

    Abstract: 本发明涉及一种面向无人驾驶车辆的目标检测定位方法及系统,方法包括:获得投影矩阵;确定检测目标在图像中的2D包围盒的像素坐标和种类信息;将激光雷达数据和前一步骤的信息进行时间同步并滤波;将滤波后的激光雷达数据通过投影矩阵投影到检测图像中,获得对应图像中检测目标的2D包围盒内的激光雷达数据并聚类;对该激光雷达数据在x和y方向求均值,得到检测目标相对于激光雷达坐标系的坐标;计算检测目标相对于车辆中心坐标系原点处的相对坐标;获取车辆的UTM坐标,计算检测目标在UTM投影坐标系下的坐标,并转换到WGS1984地理坐标系下。本发明中的上述方法能够实时检测目标并获得目标在WGS1984坐标系下的经纬度坐标。

    一种用于车辆自适应路径跟踪的终身学习方法及系统

    公开(公告)号:CN114359349A

    公开(公告)日:2022-04-15

    申请号:CN202210274209.1

    申请日:2022-03-21

    Abstract: 本发明涉及一种用于车辆自适应路径跟踪的终身学习方法及系统,属于路径跟踪技术领域,该方法包括:采集车辆运动状态数据和与运动状态数据对应的操控数据;将采集的数据集分为多个驾驶任务训练集;初始化轨迹跟踪策略模型和梯度暂时记忆;基于平均梯度暂时记忆的学习策略,根据多个驾驶任务训练集对轨迹跟踪策略模型进行迭代训练:对每个驾驶任务训练集,根据梯度暂时记忆确定参考梯度下降方向并以参考梯度下降方向为约束训练轨迹跟踪策略模型;当每个训练集训练后,基于知识分布和知识质量,对当前梯度暂时记忆中知识进行更新;采用训练好的轨迹跟踪策略模型对待控制车辆进行路径跟踪。本发明提高了车辆自适应路径跟踪的适应性。

    基于社会偏好的自动驾驶超车决策确定方法及系统

    公开(公告)号:CN113753049B

    公开(公告)日:2022-02-08

    申请号:CN202111322969.7

    申请日:2021-11-10

    Abstract: 本发明公开了一种基于社会偏好的自动驾驶超车决策确定方法及系统,应用于超车过程中的平行行驶阶段,包括:将获取的当前阶段目标道路信息输入至社会偏好预测模型以确定当前阶段被超越车辆的社会偏好;基于当前阶段被超越车辆的社会偏好,确定当前阶段被超越车辆的状态转移模型;将当前阶段目标道路信息、当前阶段被超越车辆的社会偏好和当前阶段被超越车辆的状态转移模型均输入到超车决策模型中,以确定当前阶段主车辆的超车决策;所述超车决策包括车道保持、执行换道和放弃超车;其中,所述超车决策模型所应用的算法为半基于模型的改进Q‑learning算法。本发明能够输出准确超车决策,提升超车效率和超车安全性。

    一种非结构化道路目标车辆换道轨迹预测方法及系统

    公开(公告)号:CN113859266A

    公开(公告)日:2021-12-31

    申请号:CN202111185879.8

    申请日:2021-10-12

    Abstract: 本发明公开了一种非结构化道路目标车辆换道轨迹预测方法及系统。该方法包括:确定非结构化道路的虚拟车道和车辆换道行为;获取非结构化道路上行车数据;根据行车数据提取车辆轨迹数据;基于虚拟车道、车辆换道行为和车辆轨迹数据,确定换道数据;通过换道数据训练高斯混合‑隐马尔科夫模型,得到驾驶意图识别模型;驾驶意图识别模型的输出为车辆的换道意图;根据车辆的换道意图和车辆历史轨迹确定可能换道终点;根据车辆的当前位置和可能换道终点,基于车辆运动约束和多项式曲线模型,确定可能车辆换道轨迹集合;将可能车辆换道轨迹集合与实际轨迹进行匹配,得到车辆预测轨迹。本发明能够预测非结构化道路下,横纵向位移都不确定的换道轨迹。

    基于集成学习的多车交互环境下车辆轨迹预测方法及系统

    公开(公告)号:CN113643542A

    公开(公告)日:2021-11-12

    申请号:CN202111189571.0

    申请日:2021-10-13

    Abstract: 本发明公开了基于集成学习的多车交互环境下车辆轨迹预测方法及系统。该方法包括:采集车辆的行驶信息;对行驶信息进行预处理,得到空间网格信息和车辆驾驶模式信息;对训练集进行多次随机抽样得到多组含不同数据的训练集;通过多组含不同数据的训练集分别对LSTM编码‑解码器模型进行训练,得到多个基学习器;采用集成学习方法,对多个基学习器进行集成,得到集成学习器,对车辆的未来轨迹进行预测。本发明利用机器学习与深度学习的手段,实现对车辆交互信息的有效利用,并应用集成学习的方法实现对车辆轨迹的预测。且通过集成学习能够将多个模型进行结合,可获得比单一模型显著优越的泛化性能,解决了单一模型对训练数据敏感、精确度低等问题。

Patent Agency Ranking