-
公开(公告)号：CN118999566A
公开(公告)日：2024-11-22
申请号：CN202411091128.3
申请日：2024-08-09
Applicant: 大连理工大学
IPC: G01C21/20
Abstract: 本发明公开了一种适用于复杂井下环境的A*‑RRT算法机器人路径规划方法，该方法首先初始化起点和终点，利用RRT算法的进行路径探索，通过随机采样和最近邻连接策略，形成到达终点的路径。随后，A*算法对RRT算法生成的路径进行细化，通过代价函数评估，寻找成本更低的优化路径。为了增强机器人避障能力，引入空中飞行走廊概念进一步优化路线，提高路径规划的鲁棒性。此外，本发明的方法相比现有技术，具有更强的适应性和灵活性，尤其在障碍物密集或环境变化频繁的井下场景中，能够显著提高路径规划的效率和成功率，同时降低因环境不确定性导致的路径失败风险。
-
Patent Agency Ranking
公开(公告)号：CN118407297A
公开(公告)日：2024-07-30
申请号：CN202410492484.X
申请日：2024-04-23
Applicant: 大连理工大学
Abstract: 本发明公开了一种面向智能网联环境下的交叉路口及其交通控制方法，所述交叉口包括所述的四个方向的道路、多车协同行驶区以及中央控制设备，每一个方向的道路都包括交叉口停止线、入口道调速区、地面指示标记、过街请求按钮、红绿灯装置、入口道等待区、禁止变道实线、交叉口控制起始线、中央禁止变道双黄线、允许变道虚线、出口道驶离区、斑马线后停止线、斑马线、斑马线前停止线、出口道排队等待区和排队等待区截止线。本发明不仅可以有效提升智能网联环境下车辆在交叉口的通行效率，而且可以减少行人不必要的红绿灯等待时间。
-
公开(公告)号：CN119160215A
公开(公告)日：2024-12-20
申请号：CN202411281914.X
申请日：2024-09-13
Applicant: 大连理工大学
Abstract: 本发明公开了基于深度强化学习与A‑Star算法的自动驾驶决策规划方法，通过A‑Star算法进行全局路径规划，并利用深度强化学习模型处理局部环境感知信息，做出实时决策；通过设置奖励函数来训练神经网络模型，使其能够在保证安全性的前提下，有效地处理复杂的交通环境，并具有良好的实时性和灵活性；引入了基于车速的动态安全车距计算机制，以及对偏离全局路径、靠近前方车辆等行为的奖惩机制，以提升行驶安全性；通过仿真环境训练，智能体能够学习最佳的驾驶策略，实现更高效、更智能的自动驾驶。本发明方法，能够高效、准确地为自动驾驶车辆提供行驶决策，并具有良好的泛化能力和适应性，以适应复杂多变的交通环境。
-
公开(公告)号：CN119124145A
公开(公告)日：2024-12-13
申请号：CN202411281923.9
申请日：2024-09-13
Applicant: 大连理工大学
Abstract: 本发明公开了一种多传感器融合的园区清扫车定位与环境建图方法，包括以下步骤：S1、针对多个传感器采集的多模态数据进行预处理；S2、提取并融合多个传感器预处理后的多模态数据中的语义特征和几何特征；S3、使用VoxelNet点云处理算法对点云数据进行几何特征提取与识别；S4、通过融合多传感器数据进行位姿估计与航迹推算；S5、通过回环检测识别清扫车重复经过的地点，校正累计误差；S6、通过融合激光雷达、视觉特征和IMU数据构建三维环境地图，并应用图优化技术进行全局优化，修正误差和提升地图精度，同时实时更新地图。本发明不仅增强了清扫车的自主导航能力，还提升了清扫效率和安全性，适用于多种复杂和动态的园区环境。
-
公开(公告)号：CN119018185A
公开(公告)日：2024-11-26
申请号：CN202411192464.7
申请日：2024-08-28
Applicant: 大连理工大学
Abstract: 本发明公开了一种井工况下盲区的障碍物的轨迹预测方法，通过获取并处理车辆自身位置、井下巷道环境信息和待进入盲区目标障碍物的类型信息和运动信息，判断待进入盲区目标障碍物是否会进入盲区，并引入卡尔曼滤波算法预测不断变化的盲区范围；结合实时感知数据信息和预测盲区范围数据同步输入训练好的DQN深度强化学习模型中，采用深度Q网络算法生成实时更新预测并利用策略进行动作选择，提升模型的泛化能力和初始轨迹预测的鲁棒性，结合扩展卡尔曼滤波算法预测目标位置信息，提高了目标障碍物轨迹的预测准确性和预测精度。本发明方法，实现了井工况下盲区的障碍物的轨迹预测，在复杂和不确定环境下的预测精度高，增强模型的鲁棒性和适应性，并确保在感知受限的遮挡条件下车辆行驶的安全性。
-
公开(公告)号：CN117994990A
公开(公告)日：2024-05-07
申请号：CN202311587784.8
申请日：2023-11-24
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于车路协同和数字孪生的信号交叉口轨迹规划方法，采用将交叉口几何形状和路面坡度等静态数据存储在云端服务器，同时将车辆部件级动力学模型也存储在云端服务器，不仅较大程度减少信号传递量而且有效缩短信号传递时延；基于车路协同和数字孪生技术，依托人工智能大模型方法，深度挖掘车辆轨迹规划的潜力，提升其综合性能；在数字孪生场景进行轨迹规划时，充分考虑车辆的经济性，采用车辆部件级动力学模型，借助云端大算力处理能力和5G低延时技术，充分挖掘规划潜力，提升道路通行效率，车辆行驶经济性、稳定性和安全性。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
