CN114684202B - 一种用于自动驾驶车辆的智能***及其集成控制方法 - Google Patents
一种用于自动驾驶车辆的智能***及其集成控制方法 Download PDFInfo
- Publication number
- CN114684202B CN114684202B CN202210612201.1A CN202210612201A CN114684202B CN 114684202 B CN114684202 B CN 114684202B CN 202210612201 A CN202210612201 A CN 202210612201A CN 114684202 B CN114684202 B CN 114684202B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- agent
- intelligent system
- intelligent
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 46
- 238000004891 communication Methods 0.000 claims abstract description 21
- 230000008447 perception Effects 0.000 claims abstract description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000000875 corresponding effect Effects 0.000 claims description 18
- 230000002787 reinforcement Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/32—Control or regulation of multiple-unit electrically-propelled vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/14—Adaptive cruise control
- B60W30/16—Control of distance between vehicles, e.g. keeping a distance to preceding vehicle
- B60W30/165—Automatically following the path of a preceding lead vehicle, e.g. "electronic tow-bar"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2220/00—Electrical machine types; Structures or applications thereof
- B60L2220/40—Electrical machine applications
- B60L2220/42—Electrical machine applications with use of more than one motor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/10—Vehicle control parameters
- B60L2240/12—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4042—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/20—Ambient conditions, e.g. wind or rain
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2720/00—Output or target parameters relating to overall vehicle dynamics
- B60W2720/10—Longitudinal speed
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Power Engineering (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种用于自动驾驶车辆的智能***及其集成控制方法,包括感知融合层、决策层、协调层和执行层;所述感知融合层包括多传感器信息特征融合Agent,多传感器信息特征融合Agent连接有GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent;所述决策层包括***Agent,***Agent连接有无线通信Agent;所述协调层包括四个电机Agent;所述执行层包括ECU,ECU经电机连接车轮;本发明可以进行自动驾驶车辆的协调与控制,节省成本并且提高工作效率。
Description
技术领域
本发明涉及汽车自动驾驶技术领域,特别是一种用于自动驾驶车辆的智能***及其集成控制方法。
背景技术
目前,随着计算机技术的蓬勃发展,将智能***之间的协调配合应用到复杂的工作中,可大大提高工作效率与***灵活性和鲁棒性,并节省***成本。同时,伴随着自动驾驶车辆和多智能***的迅速发展,将多智能***技术应用到自动驾驶车辆的协调与控制中也成为一个热点方向。起源于分布式人工智能的多Agent(代理)***是近年来飞速发展的技术,它是为解决大规模问题的智能求解而发展起来的,涉及并行计算、分布式***、知识工程和专家***等许多领域,是传统对象技术的发展和飞跃,Agent通过对问题域的描述、分解和分配,构成分散的、面向特定问题相对简单的子***,并协调各***并行和相互协作地进行问题求解,其思想十分适合大规模诊断问题的智能求解对于一个动态的、分布的、实时的和不确定的复杂***,多Agent***在故障的分辨、诊断和控制方面表现出了极大的优势,多个Agent通过与所处环境、人以及个体之间进行交互、协调与合作表现出一定的社会智能,从而解决一些传统AI无法解决的大规模复杂的问题。基于此,如何针对不同情况采取不同的控制策略,使得自动驾驶车辆可以应用于矿山、港口运输、工厂园区、仓库巡逻等场所,达到节省成本并且提高工作效率成为了申请人亟待解决的技术问题。
发明内容
本发明的目的在于,提供一种用于自动驾驶车辆的智能***及其集成控制方法。本发明可以进行自动驾驶车辆的协调与控制,节省成本并且提高工作效率。
本发明的技术方案:一种用于自动驾驶车辆的智能***,包括感知融合层、决策层、协调层和执行层;所述感知融合层包括多传感器信息特征融合Agent,多传感器信息特征融合Agent连接有GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent;所述决策层包括***Agent,***Agent连接有无线通信Agent;所述协调层包括四个电机Agent;所述执行层包括与相应电机Agent对应连接的MCU,MCU连接有电机,电机的输出端连接车轮;所述感知融合层用于感知车辆周围的环境信息数据和车辆的位置信息数据,多传感器信息特征融合Agent用于将数据进行融合输出;所述***Agent用于将无线通讯Agent发来的工作任务进行分解和顺序优化,接收感知融合层传来的数据,并与车辆自身的数据进行综合处理,下达工作指令;所述协调层用于确保***层和执行层的信息交互和协作的关系;所述执行层用于采集实时的工况信息,执行***层下达的工作指令,确保动力输出。
上述的用于自动驾驶车辆的智能***,由无线通讯Agent接收工作指令并将其发送给***Agent,然后由***Agent分解并优化工作指令,再由GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent感知环境信息数据和车辆信息数据,利用多传感器信息特征融Agent对数据进行融合,然后发送给***Agent,***Agent进行综合处理,再下达指令输出到协调层和执行层,最后由协调层和执行层接收指令并输出给车辆;同时***Agent记录车辆的动作数据、状态数据和环境信息数据,利用记录的数据对***Agent进行深度强化学习,再利用深度强化学习后的***Agent进行指令的下发。
前述的用于自动驾驶车辆的智能***,所述多传感器信息特征融合Agent将数据进行融合输出的过程是先对GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent进行联合标定,然后进行时间和空间的同步,再将GPS定位Agent获取的车辆位置和姿态信息、摄像头Agent获取的障碍物位置坐标信息、毫米波雷达Agent获取的车辆间距、车速和角度信息以及激光雷达Agent获取的点云图进行数据关联和融合,进而进行目标的判定。
前述的用于自动驾驶车辆的智能***,所述摄像头Agent的标定是将摄像头所处的相机坐标系转换为像素坐标系:
利用径向畸变参数对坐标进行修正:
利用切向畸变参数对坐标进行修正:
所述激光雷达Agent和毫米波雷达Agent的标定均分为内参标定和外参标定;所述内参标定为距离校正角度、旋转校正角度、垂直校正角度以及水平偏移因子;所述外参标定是通过标定建立传感器与世界坐标系或其他传感器坐标系之间的关系。
前述的用于自动驾驶车辆的智能***,所述时间同步包括硬件同步和软件同步;所述硬件同步是指多传感器在同一时刻下触发采样;所述软件同步是指通过统一的上位机给各个传感器提供基准时间,使得传感器每帧数据同步到统一的时间戳上。
前述的用于自动驾驶车辆的智能***的集成控制方法,包括多量具有智能***的自动驾驶车辆,所述车辆之间采用垂直化控制,由控制终端向一级领导者车辆的智能***下达指令任务,再由一级领导者车辆的智能***向二级领导者车辆的智能***下达指令任务,最后由二级领导者车辆的智能***向跟随者车辆的智能***下发指令任务,以此使得各车辆执行对应的区域任务。
前述的用于自动驾驶车辆的智能***的集成控制方法,所述区域任务包括多车辆的编队任务,由控制终端向一级领导者车辆的智能***下达编队任务,一级领导者车辆的智能***接收消息并做出相应的编队动作,同时向二级领导者车辆的智能***发布编队任务,二级领导者车辆的智能***接收编队任务并做出确定各二级领导者车辆的编队位置顺序的编队动作,同时二级领导者车辆的智能***向跟随车辆的智能***发布编队任务,跟随车辆的智能***接收编队任务并做出确定各跟随车辆的编队位置顺序;确定完各车辆的位置顺序后完成编队,一级领导者车辆的智能***根据目标点、环境、障碍物位置信息完成初步的路径规划,一级领导者车辆出发时,将给二级领导者车辆的智能***发出出发信号,二级领导者车辆的智能***向其跟随车辆的智能***发出出发信号,然后二级领导者车辆和跟随车辆按照编队顺序出发,跟随车辆保持与前车距离,并向后传递信息,同时根据感知融合层传入的数据,时刻调整各电机输出的动力;各车辆之间根据无线通信Agent进行通讯连接,一级领导者车辆在获取障碍物位置坐标信息后,依次由二级领导者车辆向跟随车辆传递,并做出相应的动作,更新路径规划,二级领导者车辆和跟随智能***车辆提前知晓障碍物信息,提前做出相应的动作,同时检测障碍物是否还在原位置,若还存在于原位置,则不更新路径规划,反之,则重新更新路径规划,直到所有车辆到达目的地后,结束编队。
前述的用于自动驾驶车辆的智能***的集成控制方法,所述一级领导者车辆、二级领导者车辆和跟随车辆的间距和编队步骤如下:
二阶***的动态模型描述为:
针对二阶***,其控制算法为:
式中:为邻接矩阵元素,为连接矩阵的元素,用于描述二级领导者车辆的智
能***获取一级领导者车辆的智能***信息的情况;为智能***与智能***之间的
期望纵向距离;为二级领导者的智能***与一级领导者的智能***的期望纵向距
离,和分别为控制增益。
前述的用于自动驾驶车辆的智能***的集成控制方法,在车辆执行区域任务时,任意车辆的智能***接收其它车辆的智能***的信息,车辆的智能***根据任务和信息产生期望车速,结合车辆自身的多传感器信息特征融合Agent传入的数据后,车辆输出指定车速前进,同时智能***根据毫米波雷达Agent采集数据,计算出前车距离,若与前车距离超过阈值范围,则智能***通过调节各电机转速来改变车辆速度。
前述的用于自动驾驶车辆的智能***的集成控制方法,在车辆执行区域任务时,任意车辆的智能***接收其它车辆的智能***的信息,车辆的智能***根据任务和信息产生参考轨迹和/或期望航向角,结合车辆自身的多传感器信息特征融合Agent传入的数据后,车辆按照实际的轨迹和/或航向角前进,同时智能***根据毫米波雷达Agent采集数据,计算出车辆实际轨迹和/或航向角与参考轨迹和/或期望航向角的阈值,若超过阈值范围,则车辆智能***通过深度强化学习进行改进轨迹和/或航向角,若训练次数未达到要求,则车辆智能***同样进行深度强化学习改进。
与现有技术相比,本发明的智能***包括了感知融合层、决策层、协调层和执行层,利用感知融合层进行感知车辆周围的环境信息数据和车辆的位置信息数据,再由多传感器信息特征融合Agent用于将数据进行融合输出,通过***Agent将无线通讯Agent发来的工作任务进行分解和顺序优化,接收感知融合层传来的数据,并与车辆自身的数据进行综合处理,下达工作指令;利用协调层来确保***层和执行层的信息交互和协作的关系;最后通过执行层来采集实时的工况信息,执行***层下达的工作指令,确保动力输出。本发明智能***间针对不同情况可以采取不同的控制策略,当智能***进行编队控制/发布任务指令时,智能***采取垂直化控制,即领导的智能***向跟随的智能***发布任务指令、车辆的速度、所探测到的障碍物等信息。当智能***执行区域任务(巡逻等情况)时,多智能***间采取扁平化控制,即在同一区域内,智能***间可以相互通讯、相互传递消息。本发明还可以对多智能***进行控制,使得智能***间的航向角和/或轨迹基于强化学习进行优化,以及多智能***间的距离进行调节。
附图说明
图1是本发明智能***的结构示意图;
图2是本发明智能***的运行原理图;
图3是多传感器信息特征融合Agent;
图4是智能***的垂直化控制示意图;
图5是智能***执行区域任务的扁平化控制示意图;
图6是车辆编队控制流程;
图7是车辆的编队控制顺序示意图;
图8是智能***纵向控制示意图;
图9是智能***横向控制示意图;
图10是智能***ROS控制示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明,但并不作为对本发明限制的依据。
实施例:一种用于自动驾驶车辆的智能***,如图1所示,包括感知融合层、决策层、协调层和执行层;所述感知融合层包括多传感器信息特征融合Agent,多传感器信息特征融合Agent连接有GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent;所述决策层包括***Agent,***Agent连接有无线通信Agent;所述协调层包括四个电机Agent;所述执行层包括与相应电机Agent对应连接的MCU,MCU连接有电机,电机的输出端连接车轮;所述感知融合层用于感知车辆周围的环境信息数据和车辆的位置信息数据,多传感器信息特征融合Agent用于将数据进行融合输出;所述无线通信Agent主要接收控制终端(电脑终端)向车辆智能***发送工作任务,接收车辆向其它车辆发送工作任务或者障碍物位置信息、车速等信息;所述***Agent用于将无线通讯Agent发来的工作任务进行分解和顺序优化,接收感知融合层传来的数据,并与车辆自身的数据进行综合处理,下达工作指令;所述协调层用于确保***层和执行层的信息交互和协作的关系;所述执行层用于采集实时的工况信息,执行***层下达的工作指令,确保动力输出。
如图2所示,该智能***由无线通讯Agent接收工作指令并将其发送给***Agent,然后由***Agent分解并优化工作指令,再由GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent感知环境信息数据和车辆信息数据,利用多传感器信息特征融Agent对数据进行融合,然后发送给***Agent,***Agent进行综合处理,再下达指令输出到协调层和执行层,最后由协调层和执行层接收指令并输出给车辆;同时Agent和其它功能Agent通过can总线进行交互信息,***Agent记录车辆的动作数据、状态数据和环境信息数据,利用记录的数据对***Agent进行深度强化学习,再利用深度强化学习后的***Agent进行指令的下发。
本实施例中,如图3所示,所述多传感器信息特征融合Agent将数据进行融合输出的过程是先对GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent进行联合标定,然后进行时间和空间的同步,再将GPS定位Agent获取的车辆位置和姿态信息、摄像头Agent获取的障碍物位置坐标信息、毫米波雷达Agent获取的车辆间距、车速和角度信息以及激光雷达Agent获取的点云图进行数据关联和融合,进而进行目标的判定。
其中,所述摄像头Agent的标定是将摄像头所处的相机坐标系转换为像素坐标系:
式中:和分别为相机x轴和y轴的焦距;和分别为图像坐标系u轴和v
轴的光学中心;像素坐标系用于描述相机成像芯片上像素点在图像上的位置,原点为图
像左上角的角点;相机坐标系用于描述空间内物体相对于相机本体的三维坐标,原点为
相机光心, 和为平行于像素平面的轴,为相机光轴,单位为米;
利用径向畸变参数对坐标进行修正:
利用切向畸变参数对坐标进行修正:
所述激光雷达Agent和毫米波雷达Agent的标定均分为内参标定和外参标定;所述内参标定为距离校正角度、旋转校正角度、垂直校正角度以及水平偏移因子;一般激光雷达和毫米波雷达的内部硬件参数由厂家设定好,激光雷达采集的点云数据可以直接应用于建图和目标检测。毫米波雷达则可以检测障碍物。所述外参标定是通过标定建立传感器与世界坐标系或其他传感器坐标系之间的关系。其标定原理:采用标定物特征点关联方法完成联合标定,即两个异源传感器采集同一棋盘标定板,提取标定板上的特征点在各自传感器坐标系下的坐标,求解联合标定的外参矩阵。
激光雷达坐标系中目标物体表面的点云坐标可以表示为,同时该特征点
在像素坐标系中的像素点坐标可以表示为,即三维坐标去除距离信息后在图像平面
的表示方法,两者始终表示为同一特征点。其标定流程为,通过rosbag 功能包录制传感器
数据,含时间戳、点云数据、图像数据等;将录制的数据输出给上位机中的标定功能包,然后
在标定功能包中手动选择三维空间特征点与二维图像对应点之间的关系;最后,选择一定
数量的特征点对进行迭代计算, 求解旋转矩阵和平移矩阵。
本实施例中,所述时间同步包括硬件同步和软件同步;所述硬件同步是指多传感器在同一时刻下触发采样;所述软件同步是指通过统一的上位机给各个传感器提供基准时间,使得传感器每帧数据同步到统一的时间戳上。
基于上述用于自动驾驶车辆的智能***的集成控制方法,包括多量具有智能***的自动驾驶车辆,管理员可以通过电脑终端对车辆的智能***进行监督控制,并下达工作任务。如图4所示,所述车辆之间采用垂直化控制,由控制终端向一级领导者车辆的智能***下达指令任务,再由一级领导者车辆的智能***向二级领导者车辆的智能***下达指令任务,最后由二级领导者车辆的智能***向跟随者车辆的智能***下发指令任务,以此使得各车辆执行对应的区域任务。
当电脑终端向车辆的智能***发布区域工作任务时,一级领导者车辆的智能***依照垂直化控制方式向各车辆发布工作任务。因此,层层传递任务后,车辆就会执行区域任务。,在执行区域任务时,各车辆多智能***会自动进行组合分为了组合A、组合B……,如图5所示,组合A(B、C …… )采取扁平化控制——一个组合中的任意车辆多智能***相互之间可以通讯,可以发送环境、障碍物等信息。比如:在执行区域巡逻任务时,任意组合中的任一车辆智能***通过雷达/摄像头感知到障碍物时,将障碍物信息发给***Agent,***Agent根据障碍物坐标位置信息、车辆参数信息和环境等信息处理后,分别对四个电机分别进行控制输出到车辆。同时,该车辆智能***会将障碍物信息发往该组合中的其它车辆智能***,让其提前知晓障碍物信息,同时与其相邻的车辆智能***会提前做出相应的动作,并检测障碍物是否还在原位置,若还存在于原位置,则不更新障碍物信息,反之,则向其它车辆智能***发出更新后的障碍物的信息,其它车辆智能***提前知晓障碍物信息。同时车辆在执行区域传递物料任务时,任意组合的任一车辆智能***会获得其组合中其它的车辆的位置信息和任务过程,根据该组合中其它车辆的速度、转向等信息,提前做出规划,缩短时间成本。以及车辆在进行编队控制时,前车智能***也会将所遇到的障碍物等信息提前发送给跟随车智能***,跟随车智能***提前做出规划,并检测障碍物位置是否还在原位,若还在,则不更新障碍物坐标,反之,则更新并发送给该智能***的跟随车智能***。
以下对所述区域任务为多车辆的编队任务进行说明,如图6所示,由控制终端向一级领导者车辆的智能***下达编队任务,一级领导者车辆的智能***接收消息并做出相应的编队动作,同时向二级领导者车辆的智能***发布编队任务,二级领导者车辆的智能***接收编队任务并做出确定各二级领导者车辆的编队位置顺序的编队动作,同时二级领导者车辆的智能***向跟随车辆的智能***发布编队任务,跟随车辆的智能***接收编队任务并做出确定各跟随车辆的编队位置顺序;如图7所示,确定完各车辆的位置顺序后完成编队,一级领导者车辆的智能***根据目标点、环境、障碍物位置信息完成初步的路径规划,一级领导者车辆出发时,将给二级领导者车辆的智能***发出出发信号,二级领导者车辆的智能***向其跟随车辆的智能***发出出发信号,然后二级领导者车辆和跟随车辆按照编队顺序出发,跟随车辆保持与前车距离,并向后传递信息,同时根据感知融合层传入的数据,时刻调整各电机输出的动力;各车辆之间根据无线通信Agent进行通讯连接,一级领导者车辆在获取障碍物位置坐标信息后,依次由二级领导者车辆向跟随车辆传递,并做出相应的动作,更新路径规划,二级领导者车辆和跟随智能***车辆提前知晓障碍物信息,提前做出相应的动作,同时检测障碍物是否还在原位置,若还存在于原位置,则不更新路径规划,反之,则重新更新路径规划,直到所有车辆到达目的地后,结束编队。
本实施例中,所述一级领导者车辆、二级领导者车辆和跟随车辆的间距和编队步骤如下:
二阶***的动态模型描述为:
二阶***的动态模型描述为:
针对二阶***,其控制算法为:
二阶***的一致性是一种更一般且更切合实际的多智能******控制问题。二阶
***模型采用加速度作为控制输入量,不仅考虑个***置状态间的影响,更考虑速度状态
间的作用关系。通过控制算法,对于任意的和,当,,,那么且,多智能***网
络收敛到一致;
在多智能***编队控制问题中,往往还涉及到头车和跟随车辆的概念,类似于多智能******研究中的领导者与跟随者的关系。头车(或领导者)相对于其他车辆来说较为特殊,其运动状态不受跟随车辆影响。在行驶过程中,通过不断更新控制器,跟随车辆的速度和位移将尽可能跟踪到头车的参考速度和位移。于是,我们可以将智能车编队问题考虑为多智能******中的领导者跟随一致性问题。
式中:为邻接矩阵元素,为连接矩阵的元素,用于描述二级领导者车辆的智
能***获取一级领导者车辆的智能***信息的情况;为智能***与智能***之间的
期望纵向距离;为二级领导者的智能***与一级领导者的智能***的期望纵向距
离,和分别为控制增益。
进一步地,如图8所示,在车辆执行区域任务时,任意车辆的智能***接收其它车辆的智能***的信息,车辆的智能***根据任务和信息产生期望车速,结合车辆自身的多传感器信息特征融合Agent传入的数据后,车辆输出指定车速前进,同时智能***根据毫米波雷达Agent(包含有IMU惯性传感器)采集数据,计算出前车距离,若与前车距离超过阈值范围,则智能***通过调节各电机转速来改变车辆速度。
进一步地,如图9所示,在车辆执行区域任务时,任意车辆的智能***接收其它车辆的智能***的信息,车辆的智能***根据任务和信息产生参考轨迹和/或期望航向角,结合车辆自身的多传感器信息特征融合Agent传入的数据后,车辆按照实际的轨迹和/或航向角前进,同时智能***根据毫米波雷达Agent采集数据,计算出车辆实际轨迹和/或航向角与参考轨迹和/或期望航向角的阈值,若超过阈值范围,则车辆智能***通过强化学习进行改进轨迹和/或航向角,若训练次数未达到要求,则车辆智能***同样进行强化学习改进。
本实施例中,控制终端和各车辆智能***通过基于TCP/IP协议的局域网通信,控制终端连接各车辆智能***服务器的IP地址,实现客户端和服务端的数据通信,传递的数据有检测到的障碍物位置、航向角、速度、路径规划轨迹等数据。
本实施例中,如图10所示,车辆执行区域任务时,需要的ros节点/功能包有:1.车辆智能***底盘控制功能包(movebase_control):根据参照的消息进行路径规划,使移动机器人到达指定的位置。2.车辆智能***2D/3D建图功能包(gmapping):根据激光雷达深度学习后的点云图像的和摄像头输出经过深度学习后的图像建立地图。3.车辆智能***定位功能包(amcl):智能***根据已经有的地图进行定位。4.全局路径规划节点(global_planner):智能***根据给定的目标位置进行总体路径的规划。5.局部路径规划节点(local_planner):智能***根据附近的障碍物进行躲避并且完成路线规划。6.tf变换节点(sensors_transform):智能***执行区域任务功能包要求智能***以tf树的形式发布各个相关参考系的变换关系。7. 各传感器信息融合功能包(sensors_sourcefusion):智能***执行区域任务时,需要采集机器人的传感器信息,以达到实时避障的效果。这些传感器节点(激光雷达、毫米波雷达和摄像头等)要求能够通过ROS发布sensor_msgs/LaserScan、sensor_msgs/PointCloud、sensor_msgs/Image等格式的消息,也就是二维雷达信息、三维点云数据、图像数据等,经过传感器的融合后发送给执行区域任务功能包。8. 里程计信息节点(odometry_source):智能***执行区域任务时,要求机器人发布nav_msgs/Odometry格式的里程计信息,同时在也要发布相应的tf变换 odom-to-base_link。里程计包含两方面的信息,一方面是位姿,另一方面是速度。9.车辆智能***控制节点(robot_control):智能***可以通过话cmd_vel发布geometry_msgs/Twist类型的消息,这个消息基于智能***的基座坐标系,它传递的是运动命令。这意味着必须有一个节点订阅cmd_vel话题, 将该话题上的速度命令转换为电机命令发送给移动基座。10.地图节点(map_server):在智能***执行区域任务时给予环境地图。11.智能***通讯节点(robot_communication):智能***接收/发送其它智能***传来的消息如:任务、障碍物等。
综上所述,本发明可以针对不同情况采取不同的控制策略,使得自动驾驶车辆可以应用于矿山、港口运输、工厂园区、仓库巡逻等场所,达到节省成本并且提高工作效率的效果。
Claims (9)
1.一种用于自动驾驶车辆的智能***,其特征在于:包括感知融合层、决策层、协调层和执行层;所述感知融合层包括多传感器信息特征融合Agent,多传感器信息特征融合Agent连接有GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent;所述决策层包括***Agent,***Agent连接有无线通信Agent;所述协调层包括四个电机Agent;所述执行层包括与相应电机Agent对应连接的MCU,MCU连接有电机,电机的输出端连接车轮;所述感知融合层用于感知车辆周围的环境信息数据和车辆的位置信息数据,多传感器信息特征融合Agent用于将数据进行融合输出;所述***Agent用于将无线通讯Agent发来的工作任务进行分解和顺序优化,接收感知融合层传来的数据,并与车辆自身的数据进行综合处理,下达工作指令;所述协调层用于确保***层和执行层的信息交互和协作的关系;所述执行层用于采集实时的工况信息,执行***层下达的工作指令,确保动力输出;
用于自动驾驶车辆的智能***的集成控制方法,包括多辆具有智能***的自动驾驶车辆,所述车辆之间采用垂直化控制,由控制终端向一级领导者车辆的智能***下达指令任务,再由一级领导者车辆的智能***向二级领导者车辆的智能***下达指令任务,最后由二级领导者车辆的智能***向跟随者车辆的智能***下发指令任务,以此使得各车辆执行对应的区域任务。
2.根据权利要求1所述的用于自动驾驶车辆的智能***,其特征在于:由无线通讯Agent接收工作指令并将其发送给***Agent,然后由***Agent分解并优化工作指令,再由GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent感知环境信息数据和车辆信息数据,利用多传感器信息特征融Agent对数据进行融合,然后发送给***Agent,***Agent进行综合处理,再下达指令输出到协调层和执行层,最后由协调层和执行层接收指令并输出给车辆;同时***Agent记录车辆的动作数据、状态数据和环境信息数据,利用记录的数据对***Agent进行深度强化学习,再利用深度强化学习后的***Agent进行指令的下发。
3.根据权利要求2所述的用于自动驾驶车辆的智能***,其特征在于:所述多传感器信息特征融合Agent将数据进行融合输出的过程是先对GPS定位Agent、摄像头Agent、毫米波雷达Agent和激光雷达Agent进行联合标定,然后进行时间和空间的同步,再将GPS定位Agent获取的车辆位置和姿态信息、摄像头Agent获取的障碍物位置坐标信息、毫米波雷达Agent获取的车辆间距、车速和角度信息以及激光雷达Agent获取的点云图进行数据关联和融合,进而进行目标的判定。
4.根据权利要求3所述的用于自动驾驶车辆的智能***,其特征在于:所述摄像头Agent的标定是将摄像头所处的相机坐标系转换为像素坐标系:
利用径向畸变参数对坐标进行修正:
利用切向畸变参数对坐标进行修正:
所述激光雷达Agent和毫米波雷达Agent的标定均分为内参标定和外参标定;所述内参标定为距离校正角度、旋转校正角度、垂直校正角度以及水平偏移因子;所述外参标定是通过标定建立传感器与世界坐标系或其他传感器坐标系之间的关系。
5.根据权利要求3所述的用于自动驾驶车辆的智能***,其特征在于:所述时间同步包括硬件同步和软件同步;所述硬件同步是指多传感器在同一时刻下触发采样;所述软件同步是指通过统一的上位机给各个传感器提供基准时间,使得传感器每帧数据同步到统一的时间戳上。
6.根据权利要求1所述的用于自动驾驶车辆的智能***,其特征在于:所述区域任务包括多车辆的编队任务,由控制终端向一级领导者车辆的智能***下达编队任务,一级领导者车辆的智能***接收消息并做出相应的编队动作,同时向二级领导者车辆的智能***发布编队任务,二级领导者车辆的智能***接收编队任务并做出确定各二级领导者车辆的编队位置顺序的编队动作,同时二级领导者车辆的智能***向跟随车辆的智能***发布编队任务,跟随车辆的智能***接收编队任务并做出确定各跟随车辆的编队位置顺序;确定完各车辆的位置顺序后完成编队,一级领导者车辆的智能***根据目标点、环境、障碍物位置信息完成初步的路径规划,一级领导者车辆出发时,将给二级领导者车辆的智能***发出出发信号,二级领导者车辆的智能***向其跟随车辆的智能***发出出发信号,然后二级领导者车辆和跟随车辆按照编队顺序出发,跟随车辆保持与前车距离,并向后传递信息,同时根据感知融合层传入的数据,时刻调整各电机输出的动力;各车辆之间根据无线通信Agent进行通讯连接,一级领导者车辆在获取障碍物位置坐标信息后,依次由二级领导者车辆向跟随车辆传递,并做出相应的动作,更新路径规划,二级领导者车辆和跟随智能***车辆提前知晓障碍物信息,提前做出相应的动作,同时检测障碍物是否还在原位置,若还存在于原位置,则不更新路径规划,反之,则重新更新路径规划,直到所有车辆到达目的地后,结束编队。
7.根据权利要求6所述的用于自动驾驶车辆的智能***,其特征在于:所述一级领导者车辆、二级领导者车辆和跟随车辆的间距和编队步骤如下:
二阶***的动态模型描述为:
针对二阶***,其控制算法为:
8.根据权利要求1所述的用于自动驾驶车辆的智能***,其特征在于:在车辆执行区域任务时,任意车辆的智能***接收其它车辆的智能***的信息,车辆的智能***根据任务和信息产生期望车速,结合车辆自身的多传感器信息特征融合Agent传入的数据后,车辆输出指定车速前进,同时智能***根据毫米波雷达Agent采集数据,计算出前车距离,若与前车距离超过阈值范围,则智能***通过调节各电机转速来改变车辆速度。
9.根据权利要求1所述的用于自动驾驶车辆的智能***,其特征在于:在车辆执行区域任务时,任意车辆的智能***接收其它车辆的智能***的信息,车辆的智能***根据任务和信息产生参考轨迹和/或期望航向角,结合车辆自身的多传感器信息特征融合Agent传入的数据后,车辆按照实际的轨迹和/或航向角前进,同时智能***根据毫米波雷达Agent采集数据,计算出车辆实际轨迹和/或航向角与参考轨迹和/或期望航向角的阈值,若超过阈值范围,则车辆智能***通过深度强化学习进行改进轨迹和/或航向角,若训练次数未达到要求,则车辆智能***同样进行深度强化学习改进。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612201.1A CN114684202B (zh) | 2022-06-01 | 2022-06-01 | 一种用于自动驾驶车辆的智能***及其集成控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612201.1A CN114684202B (zh) | 2022-06-01 | 2022-06-01 | 一种用于自动驾驶车辆的智能***及其集成控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114684202A CN114684202A (zh) | 2022-07-01 |
CN114684202B true CN114684202B (zh) | 2023-03-10 |
Family
ID=82131030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210612201.1A Active CN114684202B (zh) | 2022-06-01 | 2022-06-01 | 一种用于自动驾驶车辆的智能***及其集成控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114684202B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410399A (zh) * | 2022-08-09 | 2022-11-29 | 北京科技大学 | 一种货车停车方法、装置及电子设备 |
CN115840234B (zh) * | 2022-10-28 | 2024-04-19 | 苏州知至科技有限公司 | 雷达数据采集方法、装置和存储介质 |
CN117048365B (zh) * | 2023-10-12 | 2024-01-26 | 江西五十铃汽车有限公司 | 一种汽车扭矩控制方法、***、存储介质及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445885A (zh) * | 2018-04-20 | 2018-08-24 | 鹤山东风新能源科技有限公司 | 一种基于纯电动物流车的自动驾驶***及其控制方法 |
CN109146980A (zh) * | 2018-08-12 | 2019-01-04 | 浙江农林大学 | 基于单目视觉的优化的深度提取和被动测距方法 |
CN109857115A (zh) * | 2019-02-27 | 2019-06-07 | 华南理工大学 | 一种基于视觉反馈的移动机器人的有限时间编队控制方法 |
CN110162065A (zh) * | 2019-06-18 | 2019-08-23 | 东北大学 | 一种基于有向跟随的自适应多智能体编队控制方法 |
CN110286694A (zh) * | 2019-08-05 | 2019-09-27 | 重庆邮电大学 | 一种多领导者的无人机编队协同控制方法 |
CN111245953A (zh) * | 2020-02-26 | 2020-06-05 | 洛阳智能农业装备研究院有限公司 | 一种无人驾驶电动拖拉机智能网联***及集群驾驶方法 |
CN111766879A (zh) * | 2020-06-24 | 2020-10-13 | 天津大学 | 一种基于自主协同导航的智能车编队*** |
CN112445229A (zh) * | 2020-11-04 | 2021-03-05 | 清华大学 | 一种领航车队协同的单车道多队列分层控制方法 |
CN113282083A (zh) * | 2021-05-17 | 2021-08-20 | 北京航空航天大学 | 一种基于机器人操作***的无人车编队实验平台 |
CN113359752A (zh) * | 2021-06-24 | 2021-09-07 | 中煤科工开采研究院有限公司 | 一种井工煤矿料车自动驾驶方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020168341A1 (en) * | 2019-02-15 | 2020-08-20 | DRiV Automotive Inc. | Autonomous vehicle platooning system and method |
-
2022
- 2022-06-01 CN CN202210612201.1A patent/CN114684202B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108445885A (zh) * | 2018-04-20 | 2018-08-24 | 鹤山东风新能源科技有限公司 | 一种基于纯电动物流车的自动驾驶***及其控制方法 |
CN109146980A (zh) * | 2018-08-12 | 2019-01-04 | 浙江农林大学 | 基于单目视觉的优化的深度提取和被动测距方法 |
CN109857115A (zh) * | 2019-02-27 | 2019-06-07 | 华南理工大学 | 一种基于视觉反馈的移动机器人的有限时间编队控制方法 |
CN110162065A (zh) * | 2019-06-18 | 2019-08-23 | 东北大学 | 一种基于有向跟随的自适应多智能体编队控制方法 |
CN110286694A (zh) * | 2019-08-05 | 2019-09-27 | 重庆邮电大学 | 一种多领导者的无人机编队协同控制方法 |
CN111245953A (zh) * | 2020-02-26 | 2020-06-05 | 洛阳智能农业装备研究院有限公司 | 一种无人驾驶电动拖拉机智能网联***及集群驾驶方法 |
CN111766879A (zh) * | 2020-06-24 | 2020-10-13 | 天津大学 | 一种基于自主协同导航的智能车编队*** |
CN112445229A (zh) * | 2020-11-04 | 2021-03-05 | 清华大学 | 一种领航车队协同的单车道多队列分层控制方法 |
CN113282083A (zh) * | 2021-05-17 | 2021-08-20 | 北京航空航天大学 | 一种基于机器人操作***的无人车编队实验平台 |
CN113359752A (zh) * | 2021-06-24 | 2021-09-07 | 中煤科工开采研究院有限公司 | 一种井工煤矿料车自动驾驶方法 |
Non-Patent Citations (1)
Title |
---|
车联网环境下基于反馈的智能车辆编队控制研究;李科志;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180415(第4期);C035-109 * |
Also Published As
Publication number | Publication date |
---|---|
CN114684202A (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114684202B (zh) | 一种用于自动驾驶车辆的智能***及其集成控制方法 | |
CN109100730B (zh) | 一种多车协同快速建图方法 | |
CN110244772A (zh) | 移动机器人的领航跟随***和领航跟随控制方法 | |
JP2019501384A (ja) | 自律測位航法設備、測位航法方法及び自律測位航法システム | |
CN110703751B (zh) | 一种多移动机器人***半自主编队及避障控制方法 | |
CN109857102B (zh) | 一种基于相对位置的轮式机器人编队与跟踪控制方法 | |
CN111367285B (zh) | 一种轮式移动小车协同编队与路径规划方法 | |
WO2022252221A1 (zh) | 一种移动机器人队列***及路径规划、跟随方法 | |
CN112947407A (zh) | 一种多智能体有限时间的编队路径跟踪控制方法及*** | |
CN106556395A (zh) | 一种基于四元数的单目视觉***的导航方法 | |
CN115993825A (zh) | 一种基于空地协同的无人车集群控制*** | |
WO2024000616A1 (zh) | 行驶路径边界确定方法及装置、车辆、存储介质、终端 | |
CN116540706A (zh) | 一种无人机为地面无人车提供局部路径规划***及方法 | |
CN114721275A (zh) | 一种基于预设性能的视觉伺服机器人自适应跟踪控制方法 | |
Pires et al. | Cooperative localization and mapping with robotic swarms | |
CN114299039B (zh) | 一种机器人及其碰撞检测装置和方法 | |
CN114993285A (zh) | 一种基于四轮全向全驱移动机器人的二维激光雷达建图方法 | |
CN113610910B (zh) | 一种移动机器人避障方法 | |
CN111830995B (zh) | 基于混合式架构的群体智能协同方法和*** | |
CN113093759A (zh) | 基于多传感器信息融合的机器人编队构造方法及*** | |
CN112797986A (zh) | 基于无人自主技术的智能物流机器人定位***及方法 | |
CN112318507A (zh) | 一种基于slam技术的机器人智能控制*** | |
CN115837912A (zh) | 一种基于轨迹跟踪的指令变道方法及*** | |
US20220339786A1 (en) | Image-based trajectory planning method and movement control method and mobile machine using the same | |
CN112925326B (zh) | 一种基于激光雷达和深度相机数据融合的agv避障方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |