一种基于深度强化学习的车辆队列控制方法及系统

    公开(公告)号:CN117008621A

    公开(公告)日:2023-11-07

    申请号:CN202311084199.6

    申请日:2023-08-25

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于深度强化学习的车辆队列控制方法及系统,根据车辆的动力学模型构建车辆队列运行的运动仿真模型;基于车辆队列运行的运动仿真模型和车辆运行状态,使用恒定时间间距策略,获取车辆队列控制的状态空间和动作空间;基于车辆队列控制的状态空间和动作空间建立DDPG网络,并利用奖励函数机制对DDPG网络进行训练,直至训练过程中每个回合获得的总奖励不再增加时停止训练,得到训练好的控制策略网络,利用训练好的控制策略网络进行队列控制;本发明考虑多种因素实现队列的控制,并且该队列控制方法的控制策略训练完成后,不需要在执行过程中进行复杂计算,控制效率非常高,并且可以当前场景的不同状况下保持控制效果,不需要更换参数。

    一种弱GNSS环境下车辆定位方法和系统

    公开(公告)号:CN118310514A

    公开(公告)日:2024-07-09

    申请号:CN202410409727.9

    申请日:2024-04-07

    Applicant: 长安大学

    Abstract: 本发明提供了一种弱GNSS环境下车辆定位方法和系统,该方法包括:对自动驾驶车辆的系统运行数据信息进行预处理,其中系统运行数据信息包括从GNSS系统获取的经纬度数据和从INS系统获取的三轴加速度、三轴角速度及航向信息;将预处理后的从INS系统获取系统运行数据信息训练位置预测网络,最终输出预测网络的监督信息;根据步骤S2中的监督信息以及预处理后系统运行数据信息和位置修正网络的监督信息训练位置修正网络;最终输出预测值进行修正;在弱GNSS环境或GNSS中断情况下,通过位置预测网络和位置修正网络,输出最终预测值。以解决如何在不增加额外传感器的前提下,仅利用GNSS/INS组合导航系统的数据,提升GNSS/INS组合导航系统在弱GNSS条件下的车辆定位性能的问题。

    一种车辆位置重识别方法及系统
    4.
    发明公开

    公开(公告)号:CN117518121A

    公开(公告)日:2024-02-06

    申请号:CN202311437884.2

    申请日:2023-10-31

    Applicant: 长安大学

    Abstract: 本发明公开了一种车辆位置重识别方法及系统,通过对车辆的激光雷达数据进行预处理获取车辆激光雷达的点云结果;利用获取的点云结果进行环境描述符构建;根据获取车辆的激光雷达数据的激光雷达传感器的种类和测量环境计算动态过滤策略阈值;根据构建的环境描述符以及得到的动态过滤策略阈值,与历史数据库中点云数据进行比对,获取车辆的位置信息,本发明能够提高位置重识别的准确率和效率,本发明考虑不同激光雷达的角分辨率和测量范围,提出了动态阈值过滤策略,提高了本方法对多种型号传感器的泛化能力,本发明分离激光雷达测量的地面点与非地面点,融合地面点高度信息和非地面点强度信息构建描述符,提高了描述符对环境的表达能力。

    一种基于点云描述符提取的车辆位置识别方法及系统

    公开(公告)号:CN119205903A

    公开(公告)日:2024-12-27

    申请号:CN202410975727.5

    申请日:2024-07-19

    Applicant: 长安大学

    Abstract: 本发明公开了一种基于点云描述符提取的车辆位置识别方法及系统,通过对获取的车辆激光点云数据进行去噪处理;采用点云描述符预训练模型对去噪处理后的激光点云数据进行点云全局描述符提取,根据获取的点云全局描述符获取车辆位置,本发明同时使用点云深度图与点云鸟瞰图作为输入,避免使用数据量庞大的原始点云数据的同时极大程度的保留了点云的几何信息,引入注意力机制同时提取数据的空间和时间维度特征,构建了具有旋转不变性的全局描述符。与传统描述符构建方法相比,本发明构建的描述符更加鲁棒,位置重识别效果好,在反向重访或带有一定旋转角度的重访情况下,能够以很好的进行位置重识别。

    一种具有容错性的智能网联汽车协同定位方法及系统

    公开(公告)号:CN118565471A

    公开(公告)日:2024-08-30

    申请号:CN202410724047.6

    申请日:2024-06-05

    Applicant: 长安大学

    Abstract: 本发明公开了一种具有容错性的智能网联汽车协同定位方法及系统,属于智能网联汽车定位领域,通过将预处理后的车辆的当前位置的经度、维度、高程信息、车辆的角速度、速度、加速度、轮速、转向角和里程数据以及校准后的车辆相对于其他合作车辆的相对距离的估计值进行高斯置信传播迭代融合,得到车辆的最终位置;通过融合车辆的各传感器测量值包括车辆的经纬度信息,里程计信息以及车间距离信息,保证了协同定位数据的完整性;在图模型中进行故障检测和排除方法,保证了协定定位系统的容错性;通过融合不同来源的车间相对距离,使得定位系统具有更高的鲁棒性和精度。

Patent Agency Ranking