-
-
公开(公告)号：CN110796852A
公开(公告)日：2020-02-14
申请号：CN201911080628.6
申请日：2019-11-07
Applicant: 中南大学
Abstract: 本发明公开了一种车辆队列建图及其自适应跟车间距计算方法，包括：地图采集车采集车辆队列行驶路径上的GPS点，构建特征地图；对车辆队列中每辆车从1～n编号；车辆队列中每辆车均执行以下操作：获取本车的位置和速度信息；根据本车的位置信息，在特征地图上找到距离本车最近的点，将该点在特征地图中的位移作为本车的位移；将本车的车辆编号、位移、速度信息无线发送给其他车辆；根据本车车辆编号、速度以及接收的其他车辆的车辆编号、速度，定义期望自适应跟车间距，进而结合本车位移以及接收的其他车辆的位移计算跟车间距误差。本发明可提高协同跟车间距的计算精度、车辆队列的灵活性，兼顾交通流密度与跟车安全性。
-
公开(公告)号：CN110750093A
公开(公告)日：2020-02-04
申请号：CN201911130970.2
申请日：2019-11-19
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种可扩展集群微粒机器人自组织协同跟踪控制方法，基于单点预瞄理论计算预瞄距离与预瞄点，驱动集群微粒机器人自组织地跟踪期望路径，并且当集群机器人出现横向位移偏差，可以重新回到期望路径。本发明提供的自组织协同跟踪控制方法无需对群体中的每个机器人进行编号，也不需要机器人集群保持固定的队形，并且不需要与特定个体进行通讯，因此在协同运动的过程中能扩展其他的微粒机器人加入集群。
-
公开(公告)号：CN110749333A
公开(公告)日：2020-02-04
申请号：CN201911081063.3
申请日：2019-11-07
Applicant: 中南大学
IPC: G01C21/34
Abstract: 本发明公开了一种基于多目标优化的无人驾驶车辆运动规划方法，将车辆及环境从笛卡尔坐标系映射到Frenet坐标系；建立无人驾驶车辆多目标路径规划问题的数学模型；利用线性动态规划方法进行路径规划；以分段五次多项式描述轨迹，分别以轨迹斜率最小、曲率最小、乘坐体验舒适、距离线性动态规划得到的路径最近作为优化目标，以分段五次多项式连接点处位置、一阶导、二阶导、三阶导作为等式约束，以道路自然边界约束和障碍物边界约束作为不等式约束，建立无人驾驶车辆多目标轨迹生成问题的数学模型；获得无人驾驶车辆多目标轨迹生成问题的最优解。本发明解决了基于随机撒点的路径规划方法得到的路径难以符合车辆运动学约束的问题。
-
公开(公告)号：CN110749333B
公开(公告)日：2022-02-22
申请号：CN201911081063.3
申请日：2019-11-07
Applicant: 中南大学
IPC: G01C21/34
Abstract: 本发明公开了一种基于多目标优化的无人驾驶车辆运动规划方法，将车辆及环境从笛卡尔坐标系映射到Frenet坐标系；建立无人驾驶车辆多目标路径规划问题的数学模型；利用线性动态规划方法进行路径规划；以分段五次多项式描述轨迹，分别以轨迹斜率最小、曲率最小、乘坐体验舒适、距离线性动态规划得到的路径最近作为优化目标，以分段五次多项式连接点处位置、一阶导、二阶导、三阶导作为等式约束，以道路自然边界约束和障碍物边界约束作为不等式约束，建立无人驾驶车辆多目标轨迹生成问题的数学模型；获得无人驾驶车辆多目标轨迹生成问题的最优解。本发明解决了基于随机撒点的路径规划方法得到的路径难以符合车辆运动学约束的问题。
-
Patent Agency Ranking
公开(公告)号：CN110750093B
公开(公告)日：2021-05-18
申请号：CN201911130970.2
申请日：2019-11-19
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种可扩展集群微粒机器人自组织协同跟踪控制方法，基于单点预瞄理论计算预瞄距离与预瞄点，驱动集群微粒机器人自组织地跟踪期望路径，并且当集群机器人出现横向位移偏差，可以重新回到期望路径。本发明提供的自组织协同跟踪控制方法无需对群体中的每个机器人进行编号，也不需要机器人集群保持固定的队形，并且不需要与特定个体进行通讯，因此在协同运动的过程中能扩展其他的微粒机器人加入集群。
-
公开(公告)号：CN111830985A
公开(公告)日：2020-10-27
申请号：CN202010723850.X
申请日：2020-07-24
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种多机器人定位方法、系统及集中式通信系统，系统内各独立机器人利用自身携带的激光雷达探测周围环境，完成各子区域环境地图的构建，并将子区域栅格地图发送给终端计算机。终端计算机接收到子区域栅格地图后，首先对子区域栅格地图进行空间关系特征的提取，确定子区域栅格地图之间的重合部分。其次，通过对子区域栅格地图重合部分的ORB特征进行提取匹配，计算最优匹配点，设定融合比例进行子区域栅格地图的融合，得到全局地图。然后，通过amcl自适应蒙特卡罗定位方法对机器人进行定位，最后，在原有地图基础上，加入特征地图层，为路径规划提供便利。
-
公开(公告)号：CN110928297A
公开(公告)日：2020-03-27
申请号：CN201911031001.1
申请日：2019-10-28
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于多目标动态粒子群优化的智能公交车辆路径规划方法，包括：实时获取车辆和道路信息，生成全局参考路径；基于道路规则线和全局参考路径构建二维环境模型，并初始化粒子群中每个粒子：粒子的每个维度对应一个坐标点，每相邻两个维度坐标点之间设定曲线段，得到粒子对应的轨迹；根据路径长度、平滑度以及静态安全度指标设计轨迹的静态多目标适应度函数；然后采用粒子群算法，并应用静态多目标适应度函数，提取最优轨迹候选集；根据动态障碍物设计动态多目标适应度函数和约束加速度关系，并与静态安全性设计适应度函数结合，从最优轨迹候选集中选择综合适应度最优的一条轨迹。本发明在改善舒适性指标同时，大大提高动态安全性能。
-
公开(公告)号：CN111506081A
公开(公告)日：2020-08-07
申请号：CN202010410198.6
申请日：2020-05-15
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种机器人轨迹跟踪方法、系统及存储介质，将轨迹优化和控制融合到一起，更好的保证机器人进行轨迹跟踪的可行性。机器人穿越稠密障碍物时，本发明采用自适应的权重，根据差动机器人当前位置同障碍物间的最短距离相应调整目标函数中的权值，从而使得机器人在进行轨迹跟踪时能兼顾安全性、运行速度，改善障碍物区域的轨迹跟踪性能。本发明通过将避障约束放到目标函数中，将其转化为软约束，通过在容许控制空间中采样的方式寻找到最优控制输入，解决了非凸的优化问题，同时，通过动态调整权重的方式提高了移动机器人避障性能。
-
公开(公告)号：CN111506081B
公开(公告)日：2021-06-25
申请号：CN202010410198.6
申请日：2020-05-15
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种机器人轨迹跟踪方法、系统及存储介质，将轨迹优化和控制融合到一起，更好的保证机器人进行轨迹跟踪的可行性。机器人穿越稠密障碍物时，本发明采用自适应的权重，根据差动机器人当前位置同障碍物间的最短距离相应调整目标函数中的权值，从而使得机器人在进行轨迹跟踪时能兼顾安全性、运行速度，改善障碍物区域的轨迹跟踪性能。本发明通过将避障约束放到目标函数中，将其转化为软约束，通过在容许控制空间中采样的方式寻找到最优控制输入，解决了非凸的优化问题，同时，通过动态调整权重的方式提高了移动机器人避障性能。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.026 seconds)
