-
公开(公告)号：CN110962852B
公开(公告)日：2021-04-27
申请号：CN201911066802.1
申请日：2019-11-04
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种行星转向机速差转向车辆坡道起步的控制方法，属于无人驾驶技术领域，解决了无人驾驶起步成功率低，起步时离合器发热以及车辆倒溜的问题。本发明通过GPS获取定位信息，匹配路况信息后确定起步油门控制量，控制发动机怠速转速，挂挡结合离合器后再次通过模糊控制策略进行发动机调速，进一步控制行星转向机的操纵杆到达指定位置，过程中通过模糊控制进行调速，完成起步过程控制；进行起步成功判断，失败则重新起步。本发明实现了通过液压系统控制车辆操纵杆和行星转向机，通过模糊控制进行发动机转速，进一步实现车辆在无人驾驶状态下车辆的起步。
-
公开(公告)号：CN108981728B
公开(公告)日：2020-11-10
申请号：CN201810834740.3
申请日：2018-07-25
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
IPC: G01C21/32
Abstract: 本发明涉及一种智能车辆导航地图建立方法，包括：采集车采集典型地形工况下的原始数据，训练地形辨识SVM模型；采用训练好的地形辨识SVM模型，对采集车在行驶道路的地形工况进行辨识，得到路网的地形工况信息；匹配道路位置信息和地形工况信息，建立带有地形工况信息的电子地图。本发明建立的智能车辆导航地图可以提供给智能车路面的颠簸情况，可提高无人车跟踪行驶的安全性；为人类驾驶员以及辅助驾驶系统提供了更多选择，确保驾驶的平稳性与安全性；帮助驾驶员选择更适合行驶的驾驶方式与驾驶路线，提高驾驶的安全性和舒适性；导航地图还可以为能量回收管理技术提供可靠的数据输入，促进该技术的有效应用。
-
公开(公告)号：CN110347155B
公开(公告)日：2020-11-06
申请号：CN201910562566.6
申请日：2019-06-26
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明涉及一种智能车辆自动驾驶控制方法及系统，属于智能驾驶技术领域，解决了现有自动驾驶无法很好地自适应完成在线学习的问题。一种智能车辆自动驾驶控制方法，步骤如下：获取智能车辆全局行驶规划路径，将全局行驶规划路径分解为不同的行驶路段，并将不同的行驶路段按照驾驶任务划分为相应的驾驶子任务；根据当前的驾驶子任务，采集驾驶子任务对应的环境信息，处理环境信息得到所述驾驶子任务对应的状态量；将状态量输入至训练好的驾驶员行为学习模型中，经由所述驾驶员行为学习模型处理实时输出动作量；根据动作量，得到智能车辆的底层控制量，并基于底层控制量控制智能车辆运行。实现了智能车辆自动驾驶的自适应在线学习。
-
公开(公告)号：CN107054452B
公开(公告)日：2019-01-29
申请号：CN201710157593.6
申请日：2017-03-16
Applicant: 北京理工大学
Abstract: 本发明提供了一种无人驾驶车辆自动转向装置，包括人工转向部分和自动转向部分；人工转向部分包括操纵机构、转向器(101)和传动机构；自动转向部分安装于操纵机构与转向器(101)输入轴之间，转向器(101)输出端与传动机构相连接；自动转向部分包括电机单元、电磁离合器单元、安装支架(102)、转向器输入轴组件(114)、控制器单元、转向减振器。本装置可完成人工驾驶与自动驾驶的切换，设置较为灵活，不需要额外安装限位机构，在保证转向安全的同时，减少了自动转向装置的机构复杂度，提高了平台的可移植性，装卸方便，只需要装卸与转向器连接的螺钉和转向器输入轴组件即可将自动转向装置整体装卸，较为便捷。
-
公开(公告)号：CN108981728A
公开(公告)日：2018-12-11
申请号：CN201810834740.3
申请日：2018-07-25
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
IPC: G01C21/32
Abstract: 本发明涉及一种智能车辆导航地图建立方法，包括：采集车采集典型地形工况下的原始数据，训练地形辨识SVM模型；采用训练好的地形辨识SVM模型，对采集车在行驶道路的地形工况进行辨识，得到路网的地形工况信息；匹配道路位置信息和地形工况信息，建立带有地形工况信息的电子地图。本发明建立的智能车辆导航地图可以提供给智能车路面的颠簸情况，可提高无人车跟踪行驶的安全性；为人类驾驶员以及辅助驾驶系统提供了更多选择，确保驾驶的平稳性与安全性；帮助驾驶员选择更适合行驶的驾驶方式与驾驶路线，提高驾驶的安全性和舒适性；导航地图还可以为能量回收管理技术提供可靠的数据输入，促进该技术的有效应用。
-
Patent Agency Ranking
公开(公告)号：CN107284442A
公开(公告)日：2017-10-24
申请号：CN201710338593.6
申请日：2017-05-15
Applicant: 北京理工大学
CPC classification number: B60W30/025 , B60W30/14 , B60W2520/10 , B60W2520/105 , B60W2550/146
Abstract: 本发明涉及一种用于自动驾驶车辆的弯道行驶纵向控制方法，包括步骤：根据车辆状态和行驶路径信息，判断车辆在弯道中的所处阶段；根据车辆在弯道中的所处阶段，对车辆的行驶速度进行在线实时控制，将控制结果传递给加速度控制模块。当判断为弯内行驶阶段，计算当前车速与当前曲率下驾驶员舒适车速的差值，作为期望加速度传递给下层加速度跟踪模块进行实时控制；当判断为入弯阶段或出弯阶段，则根据训练得到的驾驶员模型，实时输出期望加速度，并传递给下层加速度跟踪模块进行实时控制。本发明充分考虑了单个驾驶员的驾驶特性，实时控制所表现出的控制特性可有效模拟驾驶员弯道行驶的驾驶特性，提高驾驶员对自动驾驶技术的接受度。
-
公开(公告)号：CN103955221B
公开(公告)日：2017-01-11
申请号：CN201410185556.2
申请日：2014-05-05
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明提出了一种带任务时效性的多平台协作路径规划系统和方法。系统包括：第一平台和至少一个第二平台，第一平台根据改进的蚁群优化算法进行多平台协作路径规划，为每个平台生成对应的目标节点序列；每个平台依据对应的目标节点序列生成路径；当第一平台接收到每个平台所生成的路径，根据位姿信息，采用路径避让跟踪算法使每个平台在完成访问任务过程中避免碰撞。综上所述，通过提出考虑任务时效性和路径消耗的多平台协作路径规划系统及方法，有助于提高多平台系统在完成带有时效性的访问任务时的表现。
-
公开(公告)号：CN103150786B
公开(公告)日：2015-04-22
申请号：CN201310120832.2
申请日：2013-04-09
Applicant: 北京理工大学
Abstract: 一种非接触式无人驾驶车辆行驶状态监控测量系统及测量方法，该系统包括无人驾驶车辆及设置在所述无人驾驶车辆后部的功放型远距离电子标签，所述无人驾驶车辆的有人驾驶车辆，设置在所述有人驾驶车辆上的毫米波雷达、航向传感器、GPS接收器、摄像机、功放型远距离电子标签读卡器、无人驾驶车辆行驶状态测量装置、视频图像记录装置、综合信息显示装置、和无线图像发射装置，以及位于远程的终端接收与显示装置。该方法通过非接触方式实时测量得到前方无人驾驶车辆行驶状态参数，如轨迹和速度，并实时绘制无人驾驶车辆速度曲线和轨迹曲线。
-
公开(公告)号：CN119807653A
公开(公告)日：2025-04-11
申请号：CN202411856252.4
申请日：2024-12-17
Applicant: 北京理工大学 , 北理慧动(北京)教育科技有限公司
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本申请公开了一种具有免任务终身学习能力的车辆行为预测方法、装置、设备、介质及产品，涉及车辆自动驾驶领域，该方法包括对交通环境进行实时监测，获取动静态交通环境数据；构建快速记忆模块和差异记忆模块存储动静态交通环境数据；在达到饱和状态时，分别采用蓄水池采样和梯度选择采样方法更新数据；将两个模块中的数据输入至车辆行为预测模型，通过免任务记忆回放损失函数进行训练，输出预测时间段内目标车辆的预测轨迹。本申请的车辆行为预测模型具备免任务终身学习能力，能够在不依赖任务切换信息与额外重训练的条件下，持续适应交通环境的连续变化，始终保持较高的预测精度，有效缓解了传统模型在面临新场景时可能出现的灾难性遗忘问题。
-
公开(公告)号：CN119337738B
公开(公告)日：2025-02-28
申请号：CN202411874263.5
申请日：2024-12-19
Applicant: 北京理工大学 , 贵州交通职业技术学院 , 北理慧动(北京)教育科技有限公司
IPC: G06F30/27 , G06F30/15 , G06N3/0442 , G06N3/092 , G01M17/007
Abstract: 本申请公开了一种自动驾驶模型的可交互化测试方法、设备、介质及产品，涉及自动驾驶领域，该方法包括获取测试场景中每个车辆的状态数据，包括位置、速度和跟车时距，确定当前时刻关注车辆的状态数据以及对应的周围车辆的状态数据，并将其输入基于强化学习的行为决策模型，得出横向和纵向行为决策；若决策为保持车道行驶，则使用考虑驾驶风格的跟驰轨迹规划模型规划跟驰轨迹；若决策为换道行驶，则使用考虑驾驶意图的换道轨迹规划模型规划换道轨迹；根据跟驰轨迹或换道轨迹确定下一时刻关注车辆动作。基于关注车辆和周围车辆的状态数据进行横向和纵向行为决策，且在进行轨迹规划时，考虑了车辆驾驶风格，从而提升了测试场景的真实性和交互性。
-
-
-
-
-
-
-
-
-
Search Results
170
records
(took 0.027 seconds)
