公开(公告)号：CN119440013A

公开(公告)日：2025-02-14

申请号：CN202411584737.2

申请日：2024-11-07

Applicant: 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) ,  北京理工大学

Inventor： 孙超 ,  宁长久 ,  王博 ,  冷江昊 ,  陈子童 ,  文达

IPC: G05D1/43 ,  G05D1/246 ,  G05D1/65 ,  G05D1/644 ,  G05D109/10

Abstract: 本发明公开了一种适用于曲面地形自适应车辆轨迹跟踪控制方法及系统，包括以下步骤：S1.获取当前环境点云地图和参考轨迹。S2.在参考轨迹上选择关键点，并在这些关键点周围拟合局部地面方程。S3.以车辆的位置、速度和横摆角为状态量，以车辆的纵向加速度和前轮转角为控制量，建立流形模型预测控制器。S4.结合参考轨迹当前位置的曲率，调整流形模型预测控制器的目标函数权重。S5.结合车辆当前速度和车辆与参考轨迹的横向误差，使用PID控制器对控制器输出的加速度和前轮转角进行补偿。本发明所提出的方法，相比于现有的轨迹跟踪方法，能够显著地提高车辆在复杂曲面地形上的轨迹跟踪精度和控制的鲁棒性。

公开(公告)号：CN118864819A

公开(公告)日：2024-10-29

申请号：CN202410976625.5

申请日：2024-07-21

Applicant: 北京理工大学

Inventor： 李浩宇 ,  孙超 ,  赵跃然 ,  钟佳儒 ,  陈子童 ,  岳超

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/096 ,  G06N3/09

Abstract: 本发明公开了适用极端天气下基于迁移学习的单目相机3D目标检测方法，利用迁移学习将正常天气和雨雪雾天气数据集中训练，首先获取图像源域和目标域的数据，利用Resnet‑50或Resnet‑101等主干网络提取基础图像特征，并使用深度预测器获取输入图像的深度特征。随后，通过自注意力层和前馈神经网络对图像的视觉信息和深度信息进行编码，得到视觉特征和深度特征。利用深度交叉注意层和视觉交叉注意层融合不同特征，并通过交叉查询自注意力层捕获序列中的复杂关系。将这些关系输入到前馈神经网络细化特征表示，并通过头部网络生成目标预测结果。最后，通过将目标预测结果和数据集标注真实值输入到预设的损失函数中，使得模型在源域和目标域中均取得良好的检测效果。