-
公开(公告)号：CN114489087A
公开(公告)日：2022-05-13
申请号：CN202210400906.7
申请日：2022-04-18
Applicant: 北京理工大学 , 慧动星球(北京)科技有限公司
IPC: G05D1/02
Abstract: 本发明涉及一种多无人驾驶车辆路径协同规划方法及系统。该方法包括建立多无人驾驶车辆行驶的环境模型；建立每一无人驾驶车辆的运动学模型，并根据运动模型建立无人驾驶车辆之间的防碰撞包裹圆模型；根据无人驾驶车辆的之间防碰撞包裹圆模型以及环境模型，采用分离超平面定理，建立无人驾驶车辆与环境中动静态障碍物防碰撞模型；根据环境模型、运动学模型、防碰撞包裹圆模型以及无人驾驶车辆与环境中动静态障碍物防碰撞模型，基于交替方向乘子法逐步迭代对多无人驾驶车辆进行解耦式运动规划，确定每一无人驾驶车辆的最优路径。本发明能够合理的避免与动静态障碍物发生碰撞，进而实现多无人驾驶车辆协同规划控制。
-
公开(公告)号：CN111267867A
公开(公告)日：2020-06-12
申请号：CN202010105306.9
申请日：2020-02-20
Applicant: 北京理工大学
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。
-
公开(公告)号：CN109050535B
公开(公告)日：2020-02-14
申请号：CN201810826902.9
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: B60W40/06 , B60W40/076 , B60W40/107
Abstract: 本发明涉及一种基于车辆姿态的快速地形工况辨识方法，包括：获取车辆实时姿态信息；将所述姿态信息输入地形分类SVM模型对车辆所处的地形工况进行坡道工况、颠簸路面工况和加减速工况分类；使用与分类结果对应的地形参量估计算法，对分类地形参量分别进行估计。本发明充分考虑了在越野环境行驶工况下引起车辆姿态变化的各种工况，建立快速入地形分类SVM模型；可以以80％以上的准确率识别出不同地形工况，识别速度快；并且不依赖于车辆纵向动力学模型，在不同平台间通用性好，提升智能车辆在行驶工况突变时的快速识别和反应调整能力，在无人驾驶领域具有广泛的使用前景。
-
公开(公告)号：CN107651010B
公开(公告)日：2019-07-09
申请号：CN201710851601.7
申请日：2017-09-19
Applicant: 北京理工大学
IPC: B62D6/00 , B62D137/00
Abstract: 本发明涉及一种基于驾驶员模型的速差转向车辆转向控制器及控制方法。所述控制器包括基于经验驾驶员操纵杆聚类模型的Bang‑Bang控制器和基于强化学习优化的模糊PI控制器，将经验驾驶员操纵模型、Bang‑Bang控制和基于强化学习优化的模糊PI控制相结合对液压伺服驱动转向系统进行控制，同时保证系统响应速度的快速性和操纵杆到位精确性，可以满足无人车转向系统自主转向运动的需要。
-
公开(公告)号：CN107300917B
公开(公告)日：2019-07-09
申请号：CN201710368725.X
申请日：2017-05-23
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于分层架构的视觉SLAM后端优化方法，其特征在于，包括：建立底层优化层，对关键帧进行优化，得到当前关键帧的最佳位置；建立高层优化层，对关联帧单元内的关键帧进行优化，得到关联帧单元的最佳位置。本发明通过将SLAM运行过程中产生的关键帧进行逐层分块优化的方法来减小误差，减少了由于多帧误差积累等原因造成的SLAM地图和定位结果漂移的现象，提高了SLAM定位结果和地图的准确性和稳定性，通过将本发明方法和目前效果最好的SLAM方法得到的定位结果进行比较，证明了本发明的有效性。
-
Patent Agency Ranking
公开(公告)号：CN107284442B
公开(公告)日：2019-07-09
申请号：CN201710338593.6
申请日：2017-05-15
Applicant: 北京理工大学
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：CN109050535A
公开(公告)日：2018-12-21
申请号：CN201810826902.9
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: B60W40/06 , B60W40/076 , B60W40/107
Abstract: 本发明涉及一种基于车辆姿态的快速地形工况辨识方法，包括：获取车辆实时姿态信息；将所述姿态信息输入地形分类SVM模型对车辆所处的地形工况进行坡道工况、颠簸路面工况和加减速工况分类；使用与分类结果对应的地形参量估计算法，对分类地形参量分别进行估计。本发明充分考虑了在越野环境行驶工况下引起车辆姿态变化的各种工况，建立快速入地形分类SVM模型；可以以80％以上的准确率识别出不同地形工况，识别速度快；并且不依赖于车辆纵向动力学模型，在不同平台间通用性好，提升智能车辆在行驶工况突变时的快速识别和反应调整能力，在无人驾驶领域具有广泛的使用前景。
-
公开(公告)号：CN107651010A
公开(公告)日：2018-02-02
申请号：CN201710851601.7
申请日：2017-09-19
Applicant: 北京理工大学
IPC: B62D6/00 , B62D137/00
CPC classification number: B62D6/001
Abstract: 本发明涉及一种基于驾驶员模型的速差转向车辆转向控制器及控制方法。所述控制器包括基于经验驾驶员操纵杆聚类模型的Bang-Bang控制器和基于强化学习优化的模糊PI控制器，将经验驾驶员操纵模型、Bang-Bang控制和基于强化学习优化的模糊PI控制相结合对液压伺服驱动转向系统进行控制，同时保证系统响应速度的快速性和操纵杆到位精确性，可以满足无人车转向系统自主转向运动的需要。
-
公开(公告)号：CN107300917A
公开(公告)日：2017-10-27
申请号：CN201710368725.X
申请日：2017-05-23
Applicant: 北京理工大学
IPC: G05D1/02
CPC classification number: G05D1/0251 , G05D2201/02
Abstract: 本发明涉及一种基于分层架构的视觉SLAM后端优化方法，其特征在于，包括：建立底层优化层，对关键帧进行优化，得到当前关键帧的最佳位置；建立高层优化层，对关联帧单元内的关键帧进行优化，得到关联帧单元的最佳位置。本发明通过将SLAM运行过程中产生的关键帧进行逐层分块优化的方法来减小误差，减少了由于多帧误差积累等原因造成的SLAM地图和定位结果漂移的现象，提高了SLAM定位结果和地图的准确性和稳定性，通过将本发明方法和目前效果最好的SLAM方法得到的定位结果进行比较，证明了本发明的有效性。
-
公开(公告)号：CN106828601A
公开(公告)日：2017-06-13
申请号：CN201710076559.6
申请日：2017-02-13
Applicant: 北京理工大学
IPC: B62D11/00
CPC classification number: B62D11/003 , B62D11/005
Abstract: 本发明提供了一种无人车离合器转向机转向系统，包括：脚踏板、操纵杆、锁死机构、伺服液压缸、中间轴、倾斜拉杆、转向轴拉杆臂、转向轴、角位移传感器、液压控制油路、协同动作机构和执行机构，伺服液压缸一端连接至操纵杆，另一端连接至中间轴上；中间轴与倾斜拉杆相连；倾斜拉杆另一端连接至转向轴拉杆臂，转向轴拉杆臂另一端连接至转向轴一端；角位移传感器安装在转向轴两侧；执行机构通过协同动作机构与转向轴末端相连接；液压控制油路与伺服液压缸相连接。本系统通过电液伺服阀对液压缸及转向操纵杆的往复运动进行控制，从而驱动车辆转向，同时可实现手动操纵和电控操纵的切换，机构简单可行，方便加工安装，并适应履带车辆的恶劣工作环境。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.027 seconds)
