-
公开(公告)号：CN111741438A
公开(公告)日：2020-10-02
申请号：CN202010594908.5
申请日：2020-06-28
Applicant: 湖南大学
Abstract: 本发明公开了一种考虑车辆移动性的边端协同任务卸载方法，包括如下步骤：步骤1，通过车辆短时行驶路径，获取车辆未来一段时间进入多路边单元信号覆盖区域内与各路边单元的连接率大小，通过比较连接率的大小选择连接范围最大的路边单元；步骤2，基于车辆实时移动状态信息，建立与附近路边单元之间的时变距离，以获取通信状态信息；步骤3，比较车辆当前可连接路边单元状态信息与车辆未来行驶路径内可连接的路边单元状态信息。本发明的考虑车辆移动性的边端协同任务卸载方法，通过步骤1至步骤3的设置，便可有效的实现考虑车辆的移动性，然后具体选择卸载方法了。
-
-
公开(公告)号：CN111665843A
公开(公告)日：2020-09-15
申请号：CN202010532367.3
申请日：2020-06-12
Applicant: 湖南大学
Abstract: 本发明公开了一种考虑通信部分失效的车辆队列控制方法，其特征在于：包括如下步骤：步骤1，将车辆队列中的网联车辆从前向后依次编号为车辆0车辆1，车辆2，…，车辆N；步骤2，在每个离散采样时刻t；步骤3，在每个离散采样时刻t，每个车辆i利用自身和所有邻居车辆的假设状态轨迹和假设输入轨迹求解一个开环优化问题Pi(t)；步骤4，在每个离散采样时刻t，每个车辆i将所得最优控制输入序列的第一个元素 用于t时刻的自车控制；步骤5，不断重复上述步骤2～4以实现车辆队列行驶。本发明的考虑通信部分失效的车辆队列控制方法，通过步骤1至5的设置，便可有效的在考虑到通信部分失效的情况下实现对于车辆的队列控制了。
-
公开(公告)号：CN111381248A
公开(公告)日：2020-07-07
申请号：CN202010207660.2
申请日：2020-03-23
Applicant: 湖南大学
IPC: G01S17/931 , G01S7/497
Abstract: 本发明专利提出一种考虑车辆颠簸的障碍物检测方法及系统。其步骤：使用智能车辆车载激光雷达对车辆周围环境进行扫描，利用IMU信息对单帧内不同旋转角度点云依次进行姿态修正；基于单帧内不同旋转角度的点云对应的车辆速度信息，对激光雷达点云进行纵向畸变修正；基于激光雷达前后帧对应的IMU姿态变化信息，对多帧点云姿态进行修真；利用前后帧点云之间的背景匹配关系信息对多帧点云进行修正；结合IMU与前后帧关系对多帧点云进行融合修正。本发明对激光雷达点云进行单帧和多帧的修正，实现了考虑车辆颠簸的障碍物检测，提升了智能车辆障碍物检测系统的鲁棒性，提高了车辆行驶过程中的安全性。
-
公开(公告)号：CN111243303A
公开(公告)日：2020-06-05
申请号：CN202010015468.3
申请日：2020-01-07
Applicant: 湖南大学
IPC: G08G1/081 , G08G1/08 , G08G1/0967
Abstract: 本发明公开了一种露天矿区交叉路口车辆通行控制方法，该方法能够为露天矿区车辆通行交叉路口时提供安全有效的通行控制方法，将能够根据车辆的装载状态与道路坡度情况，确定不同的预约距离，从而给予车辆不同的通行交叉路口优先权，有利于减少安全隐患和提高露天矿区通行效率。
-
Patent Agency Ranking
公开(公告)号：CN109523807B
公开(公告)日：2020-06-05
申请号：CN201811432239.0
申请日：2018-11-28
Applicant: 湖南大学
Abstract: 本发明公开了一种交通路网车辆分布式控制方法，该方法包括：步骤1，判断车辆所处的区域；步骤2，确定车辆的跟车行为；步骤3，构建二维路网车群几何拓扑构型；步骤4，判断二维路网车群几何拓扑构型中车辆的实际跟车距离是否大于第一距离阈值，若是，进入步骤5；反之，进入步骤6；步骤5，根据车辆所在区域，拆分当前的二维路网车群几何拓扑构型；步骤6，判断二维路网车群几何拓扑构型在几何位置上的距离是否小于第二距离阈值，若是，则合并；步骤7，获取二维路网车群几何拓扑构型的信息邻域车辆集；步骤8，设计车群分布式线性反馈控制器，求解车辆的期望加速度，以控制相应车辆的纵向运动。本发明能够节省计算资源，提高整体的通行效率。
-
公开(公告)号：CN111076734A
公开(公告)日：2020-04-28
申请号：CN201911288701.9
申请日：2019-12-12
Applicant: 湖南大学
Abstract: 本发明公开了一种封闭区域非结构化道路高精地图构建方法，该方法包括：步骤1，采集初始道路边界数据，所述初始道路边界数据为地图采集车在目标封闭区域内沿边界行驶而采集到的目标封闭区域初始的边界轮廓；步骤2，剔除步骤1采集到的初始道路边界数据中的数据异常点，并保留表示道路的安全初始边界点；步骤3，将步骤2保留的安全初始边界点进行边界外扩，推断目标封闭区域的实际边界；步骤4，根据步骤2中保留表示道路的安全初始边界点，推断道路的中心线；步骤5，通过所述地图采集车采集目标封闭区域中的特殊点的位置、方位角等信息，再通过地图编辑软件进行人工编辑和修正，同时添加更多道路信息，完成地图的构建。本发明构建的地图精度高、信息量丰富，能够满足自动驾驶车辆的决策规划要求。
-
公开(公告)号：CN110654384A
公开(公告)日：2020-01-07
申请号：CN201911067157.5
申请日：2019-11-04
Applicant: 湖南大学
IPC: B60W30/12
Abstract: 本发明公开了一种基于深度强化学习的车道保持控制算法，包括如下步骤：步骤一，由摄像头、多线激光雷达和惯性测量单元采集环境及车辆的参数；步骤二，提取步骤一中采集的环境及车辆的参数构建环境模型；步骤三，根据步骤二中提取的环境及车辆的参数以及构建的环境模型定义深度强化学习基础参数；步骤四，采用深度强化学习算法构建车道保持的决策系统；步骤五，利用步骤四中的决策系统获得步骤二中环境模型下的最优控制动作序列，以输入到车辆内，实现车道保持控制。本发明的基于深度强化学习的车道保持控制算法，通过步骤一至步骤五的设置，便可有效的实现采集相应的参数然后进行学习构建决策系统了，有效的实现对于车辆行驶车道的保持。
-
公开(公告)号：CN110027553A
公开(公告)日：2019-07-19
申请号：CN201910283506.0
申请日：2019-04-10
Applicant: 湖南大学
IPC: B60W30/08
Abstract: 本发明公开了一种基于深度强化学习的防碰撞控制方法，采用深度确定性策略梯度方法(DDPG算法)进行深度强化学习，该方法包括：步骤1，提取本车参数和环境车辆参数；步骤2，利用本车参数和环境车辆参数，构建虚拟环境模型；步骤3，根据本车参数和环境车辆参数和虚拟环境模型，定义所述深度确定性策略梯度方法的基础参数；步骤4，根据步骤3定义好的基础参数，采用深度强化学习中的神经网络构建防碰撞控制决策系统，所述防碰撞控制决策系统包括策略网络和评价网络；步骤5，训练所述策略网络和评价网络，得到所述防碰撞控制决策系统。本发明通过构建基于深度神经网络的防碰撞控制决策系统，基于时间差分强化学习方法不断优化网络控制结果的防碰撞控制决策系统，有效提高了防碰撞控制决策系统的控制性能。
-
公开(公告)号：CN120063308A
公开(公告)日：2025-05-30
申请号：CN202510204175.2
申请日：2025-02-24
Applicant: 湖南大学
IPC: G01C21/34
Abstract: 本发明公开了一种含动态障碍物的狭窄非结构化场景的轨迹规划方法及系统，其包括：步骤1，分析四轮独立转向车辆的运动学模型特性，构建混合A*算法，获取非结构化场景相关参数；步骤2，根据混合A*算法，结合改进的碰撞检测算法，求解无碰撞的初始路径；改进的碰撞检测算法包括：根据车身轮廓，构建等分多圆盘轮廓及障碍物膨胀地图，计算等分多圆盘圆心坐标，通过遍历每个圆盘圆心，判断圆盘圆心是否与障碍物膨胀地图的障碍物发生干涉；步骤3，采用基于概率安全行车走廊的数值优化方法对初始轨迹优化。本发明以四轮独立转向车辆为载体，使车辆在障碍物密集、道路狭窄且存在动态障碍物的非结构化场景中能有效地生成一条安全可行的行驶轨迹。
-
-
-
-
-
-
-
-
-
Search Results
378
records
(took 0.028 seconds)
