一种封闭区域非结构化道路高精地图构建方法

    公开(公告)号:CN111076734B

    公开(公告)日:2021-07-23

    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。

    一种基于前馈-反馈控制的车辆编队方法和系统

    公开(公告)号:CN111332290B

    公开(公告)日:2021-06-01

    申请号:CN202010215120.9

    申请日:2020-03-24

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于前馈‑反馈控制的车辆编队方法,包括如下步骤:步骤1,将编队中的车辆从前到后进行0~N编号,其中第0辆为领航车辆,其余N辆为跟随车辆,步骤2,对于第i(i=1,2,…,N)辆车;步骤3,在行驶过程中,领航车辆和每个跟随车辆利用车载通信设备将自身的编号、期望加速度、跟踪误差信息广播至周围若干车辆;步骤4,车辆i的纵向跟踪误差,步骤5,由步骤2中所得的Pi;步骤7,每个跟随车辆根据步骤6中的期望加速度;步骤8,每个跟随车辆不断重复上述步骤3~7,以实现车辆编队行驶。本发明的基于前馈‑反馈控制的车辆编队方法,通过步骤1至8的设置,便可有效的通过期望加速度实现对于车辆行驶进行编队了。

    一种面向泊车场景的地图简化系统

    公开(公告)号:CN112799393A

    公开(公告)日:2021-05-14

    申请号:CN202011402007.8

    申请日:2020-12-04

    Applicant: 湖南大学

    Abstract: 本发明公开了一种面向泊车场景的地图简化系统,包括:泰森多边形处理模块,基于泰森多边形算法,对环境进行预处理,获得泰森多边形节点;Ransec聚类分析模块,基于Ransec算法,对节点进行聚类分析,得到代表道路信息的线段;膨胀处理模块:对线段进行膨胀化处理,获得矩形安全隧道;Dijkstra隧道搜索模块:基于Dijkstra算法,对各个矩形安全隧道的中点进行搜索,挑选出适合轨迹规划起始点和目标点的矩形安全隧道。本发明的面向泊车场景的地图简化系统,通过对环境信息的处理,将复杂的环境信息转变为矩形安全隧道,以期简化环境。

    一种非结构化道路全局路径规划方法与系统

    公开(公告)号:CN112612266A

    公开(公告)日:2021-04-06

    申请号:CN202011406640.4

    申请日:2020-12-04

    Applicant: 湖南大学

    Abstract: 本发明公开了一种非结构化道路全局路径规划方法,通过在A*算法子节点拓展时考虑车辆的运动学模型,使得搜索得到的路径满足车辆的非完整约束要求。其次,通过在同一个离散前轮转角处向前拓展多步,得到多层候选子节点,从而实现在一次节点拓展时完成多步长跨越,大大加快了路径搜索的效率。同时对每个候选子节点进行碰撞检测,保证即使是大步长的跨越也能满足车辆安全性需求。最后,对搜索得到的路径进行圆弧插值处理,保证了路点的均匀性。本发明的有益效果在于:对A星算法的子节点拓展方式作出改进,能够在非结构化道路中快速的搜索出一条从起始位姿到达目标位姿的平滑、安全、高效的全局路径。

    一种车辆倒车路径跟踪控制方法

    公开(公告)号:CN110955250B

    公开(公告)日:2021-02-23

    申请号:CN201911358609.5

    申请日:2019-12-25

    Applicant: 湖南大学

    Abstract: 本发明公开了一种车辆倒车路径跟踪控制方法,该方法包括:S1,对已有的参考路径点进行插值,获得新参考路径;S2,获得车辆状态信息;S3,在新参考路径上找出最近路径点;S4,以最近路径点为起点,以预设搜索距离,沿新参考路径向后搜索N个预瞄点;S5,构建预测模型、目标函数以及系统约束,根据当前测量信息和预测模型,预测车辆未来动态,在线求解满足所述目标函数和约束条件的优化问题,获取N个预瞄点所对应的期望前轮转角构成的最优控制序列;S6,根据最优控制序列,控制车辆直到下一采样时刻到达,下一观测时刻到达时,重复步骤S2至S5。本发明提供的方法跟踪精度较高,同时也能够保证在控制过程中的舒适性,不会产生控制量的突变。

    一种高性能高可靠的环境融合感知方法及系统

    公开(公告)号:CN112085101A

    公开(公告)日:2020-12-15

    申请号:CN202010944096.2

    申请日:2020-09-10

    Applicant: 湖南大学

    Abstract: 本发明公开了一种高性能高可靠的环境融合感知方法及系统,该方法及系统包含并行的底层安全模块与深度学习模块,其中底层安全模块中分割、聚类算法的设计是基于环境物理特征的,且其理论解释性强,能对出现的安全性问题做出及时、有效的调整,具有高可靠性的优点;深度学习模块准确性高、实时性好且输出信息丰富,具有高性能的优点。然后通过建立环境感知信息融合模块对二者输出的环境感知信息进行适当的融合处理,使得环境融合感知系统兼具深度学习模块的高性能和底层安全模块的高可靠性的同时,能够有效规避深度学习模块失效导致的感知系统失效问题。

    一种基于深度强化学习的防碰撞控制方法

    公开(公告)号:CN110027553B

    公开(公告)日:2020-10-23

    申请号:CN201910283506.0

    申请日:2019-04-10

    Applicant: 湖南大学

    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。

    智能运载系统
    60.
    发明公开

    公开(公告)号:CN111754082A

    公开(公告)日:2020-10-09

    申请号:CN202010482977.7

    申请日:2020-06-01

    Applicant: 湖南大学

    Abstract: 本发明公开了一种智能运载系统,包括:智能调度子系统,其负责载具的作业任务调度、作业信息管理、作业状态监控、作业异常处理;智能互联子系统,其负责提供子系统内和子系统间的双向数据传输服务、运载作业环境监控以及信息安全管理;智能驾驶子系统,其接收由智能调度子系统下发、由智能互联子系统传输的作业任务分配和调度指令,控制载具完成运载作业。本发明的智能运载系统,通过智能调度子系统、智能互联子系统和智能驾驶子系统的相互融合,便可提供智能、安全、高效和节能的运载服务。

Patent Agency Ranking