-
公开(公告)号：CN112070341A
公开(公告)日：2020-12-11
申请号：CN202010723028.3
申请日：2020-07-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向多机器人充电策略的分布式求解方法，该方法以极小化所有要充电的机器人总耗时为目标，总耗时包括行驶时间、排队时间和充电时间。每个机器人在全局信息未知的情况下，利用自己获取到的通信范围内邻居机器人的位置、剩余电量信息，以及比自己优先级高的邻居机器人的充电策略等信息，基于自己充电耗时最少的原则，选择剩余电量容许可达的充电站，来实现近似最优解。本发明解决了多机器人在充电站拥堵充电的问题，有效缩短了整个多机器人充电系统的充电时间，大大的提高了机器人的充电效率。
-
公开(公告)号：CN118605526A
公开(公告)日：2024-09-06
申请号：CN202410763981.9
申请日：2024-06-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于鲁棒强化学习的电动汽车编队协同控制方法，该方法首先建立车辆i的三阶纵向动力学模型，并选择控制目标。其次根据控制目标，构建鲁棒强化学习算法框架中的奖励函数、状态变量和控制变量。然后基于状态变量、控制变量以及奖励函数，构建对抗性样本，使用强化学习算法PPO作为智能体车辆的控制器，完成车辆编队协同控制。最后通过采用渐进式课程学习方法，在训练阶段逐步增大跟随车辆数量，逐步提升多车环境下车队编队的纵向协同控制能力。本发明提高算法对复杂环境下的鲁棒性能，提升在多车协同控制中的控制效果。
-
公开(公告)号：CN117724488A
公开(公告)日：2024-03-19
申请号：CN202311727875.7
申请日：2023-12-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种地面移动机器人避障方法及系统。目前，在面对障碍物环境较为复杂的情况下，基于DWA算法或者人工势场的局部路径规划算法失败率较大甚至陷入局部最优解中。本发明的避障方法，其包括：设计并训练单目图像的深度估计网络；深度图点云化以及点云处理；通过TD3强化学习算法训练地面移动机器人的避障策略：采用TD3深度强化学习算法，并构建相应的表演者网络以及评论家网络，在自行构建的多个不同难度的Gazebo仿真环境中进行训练，以此获取有效的基于单目深度估计网络的避障策略。本发明能够在仿真环境中实现有效的避障以及导航任务，并且在一定程度上能够有效地避免陷入局部最优解。
-
公开(公告)号：CN117148711A
公开(公告)日：2023-12-01
申请号：CN202311309442.X
申请日：2023-10-11
Applicant: 杭州电子科技大学
IPC: G05B13/02
Abstract: 本发明公开了一种基于参数在线辨识的智能汽车无模型编队控制方法，该方法首先基于无迹卡尔曼滤波辨识获取车辆惯性参数。其次由多输入多输出离散时间非线性无模型系统，建立智能汽车纵向队列模型。然后确定智能汽车纵向队列模型的控制目标，获得输入输出稳定性条件和扰动弦稳定性条件。最后根据输入输出稳定性条件和扰动弦稳定性条件，设计跟踪所需间距策略的控制器，将最终的控制律导入车辆系统进行控制。本发明考虑了不确定的非线性离散时间系统，在应用上更为广泛且能够有效地保证车辆的安全性。
-
Patent Agency Ranking
公开(公告)号：CN116788248A
公开(公告)日：2023-09-22
申请号：CN202310842946.1
申请日：2023-07-11
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于自适应动态规划的智能车辆鲁棒自适应巡航控制方法，针对存在未知匹配扰动的智能车辆，建立车辆的纵向动力学模型和跟踪误差动力学模型；然后根据最优控制原理，设计了一种鲁棒最优控制器实现智能车辆的自适应巡航，并使用自适应动态规划方法构建了一个评价网络，用于逼近控制器的未知参数，从而求解最优控制输入。本发明引入了自适应动态规划方法，所构建的评价网络可以很好地逼近最优成本函数，而无需通过HJB方程求解，极大地减少了计算量，且提出的控制策略能够很好的保证车辆的渐进稳定性和驾乘舒适性。
-
公开(公告)号：CN115782904A
公开(公告)日：2023-03-14
申请号：CN202211637660.1
申请日：2022-12-19
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于非合作博弈的智能汽车换道轨迹规划方法。采用三阶动力学模型，相较于传统的二阶动力学模型，增加了车辆的惯性环节，更贴近真实情况；使用非合作博弈对车辆换道轨迹进行规划，相较于启发式轨迹规划以及图搜索类方法，既考虑多方面因素如安全和舒适度对驾驶员操纵车辆带来的影响，也考虑到了车辆之间的交互性，在未来人类驾驶车辆以及智能驾驶车辆在道路上共存的环境下，更具有实用性；采用了全速度差模型对车辆在换道前后的驾驶做出控制，保障了车辆驾驶的安全性；采用三次B样条插值，改善了离散点的控制量突变问题，更符合实际车辆操纵，且变化曲线相当光滑，使车辆控制更加稳定。
-
公开(公告)号：CN114862953A
公开(公告)日：2022-08-05
申请号：CN202210469587.5
申请日：2022-04-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于视觉特征和3D激光的移动机器人重定位及装置的方法，该方法首先需要进行环境建图和Apriltag标签世界坐标自动标定；在移动机器人丢失定位时，开启左、右相机检测标签功能，在检测到标签后停止移动；获取移动机器人与标签之间的相对位姿，并在一段时间内做滤波处理，保证位姿数据的稳定性；根据标定所得标签世界坐标恢复机器人所处世界坐标，实现初步重定位；以该世界坐标为中心进行定向范围搜索，不断将扫描得到的3D点云帧数据与现存子图进行匹配，实现精准重定位。从而恢复移动机器人利用多线激光雷达SLAM定位能力，保证移动机器人在实际运行过程能够以较小的代价恢复定位能力。
-
公开(公告)号：CN114283198A
公开(公告)日：2022-04-05
申请号：CN202111637308.3
申请日：2021-12-29
Applicant: 杭州电子科技大学
IPC: G06T7/73 , G06T7/215 , G06T7/194 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于RGBD传感器的去除动态目标的SLAM方法，该方法包括：使用目标检测神经网络YOLOv5检测图像中的动态目标；结合图像深度信息，经过一种像素级分割方法的处理，提取该帧图像中所有动态目标，形成mask图像；使用mask图像处理原图像信息后，分别得到动态目标图像和静态背景图像，使用静态背景图像进行SALM系统进行定位和地图构建；实验结果表明，本发明将深度学习与视觉SLAM相融合，可以有效的去除动态目标对SLAM系统的干扰，提升视觉SLAM系统在动态环境下的定位与建图精度；同时在没有性能良好的GPU支持下，也能保证系统的实时性，可以有效地运用在实际场景中。
-
公开(公告)号：CN113408353A
公开(公告)日：2021-09-17
申请号：CN202110542757.3
申请日：2021-05-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于RGB‑D的实时避障系统。该系统中，图形采集模块用于采集相机设备原始的深度信息以及RGB信息；标定模块用于标定地面背景，标定相机安装角度以获取地面信息以及相机安装角度信息；普通障碍物检测模块用于处理图像采集模块输出的信息提取出障碍物并输出障碍物的位置信息；验证模块用于二次判断障碍物是否为误检测；特殊障碍检测模块用于检测行人及其他智能移动机器人并输出具体位置信息；避障决策模块用于处理普通障碍物检测模块与障碍物检测模块输出的信息做出相应的避障策略；移动控制模块用于处理避障决策模块输出的避障策略控制机器人的移动实现避障功能。通过各模块配合，从而实现可靠、快速、高精度、低误检的实时避障系统。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.041 seconds)
