CN109991976A - 一种基于标准粒子群算法的无人车规避动态车辆的方法 - Google Patents

一种基于标准粒子群算法的无人车规避动态车辆的方法 Download PDF

Info

Publication number
CN109991976A
CN109991976A CN201910154769.1A CN201910154769A CN109991976A CN 109991976 A CN109991976 A CN 109991976A CN 201910154769 A CN201910154769 A CN 201910154769A CN 109991976 A CN109991976 A CN 109991976A
Authority
CN
China
Prior art keywords
vehicle
unmanned vehicle
dynamic
dynamic vehicle
algorithm
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.)
Granted
Application number
CN201910154769.1A
Other languages
English (en)
Other versions
CN109991976B (zh
Inventor
薛婷
贝绍轶
李波
毛坤鹏
谭琛凯
王文豪
丁月
杭玉迪
陈雪俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University of Technology
Original Assignee
Jiangsu University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University of Technology filed Critical Jiangsu University of Technology
Priority to CN201910154769.1A priority Critical patent/CN109991976B/zh
Publication of CN109991976A publication Critical patent/CN109991976A/zh
Application granted granted Critical
Publication of CN109991976B publication Critical patent/CN109991976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及无人车技术领域，尤其是一种基于标准粒子群算法的无人车规避动态车辆的方法，其步骤为：(1)首先用激光雷达扫描无人车前方的行驶环境；(2)若前方有动态车辆，则车速传感器、加速度传感器和位移传感器开始工作；(3)追踪测量前方动态车辆的任意时刻的速度Vi＝{Vi1,Vi2,Vi3,...,Vin}；(4)位移传感器追踪前方动态车辆任意时刻的位置Xi＝{Xi1,Xi2,Xi3,...,Xin}；(5)根据标准粒子群算法推算出下一秒的速度，本发明能够防止在避让的过程中发生碰撞。

Description

一种基于标准粒子群算法的无人车规避动态车辆的方法
技术领域
本发明涉及无人车技术领域，具体领域为一种基于标准粒子群算法的无人车规避动态车辆的方法。
背景技术
随着汽车保有量的增加，交通拥挤和交通事故发生率不断升高，作为解决此问题的重要手段，无人驾驶汽车的研究日益迫切。无人驾驶汽车在复杂交通环境中行驶时会不可避免的与其他交通参与者产生交互，在交互过程中必须避开所有潜在的碰撞以保证行驶安全。而当下无人车规避障碍物都是跟踪模拟障碍物的运动轨迹，但现在的基于单一轮廓特征的方法在动态障碍物检测跟踪过程中的准确率和速度较低，无法满足动态障碍物避撞安全性的要求，基于轮廓特征和运动状态的动态障碍物识别算法的准确率较低且识别范围较小，无法满足无人车驾驶汽车避撞的合理性要求，动态车辆行驶轨迹由很多因素决定，现有的基于动态车辆实时的运动轨迹检测方法误差较大，不满足无人驾驶汽车避撞准确性要求。
发明内容
本发明的目的在于提供一种基于标准粒子群算法的无人车规避动态车辆的方法，以解决现有技术中……的问题。
为实现上述目的，本发明提供如下技术方案：一种基于标准粒子群算法的无人车规避动态车辆的方法，其步骤为：
(1)首先用激光雷达扫描无人车前方的行驶环境；
(2)若前方有动态车辆，则车速传感器、加速度传感器和位移传感器开始工作；
(3)追踪测量前方动态车辆的任意时刻的速度Vi＝{Vi1,Vi2,Vi3,,Vin}；
(4)位移传感器追踪前方动态车辆任意时刻的位置Xi＝{Xi1,Xi2,Xi3,,Xin}；
(5)根据标准粒子群算法推算出下一秒的速度，即
Vi (t+1)＝wVi (t)+a1r1(Pi (t)-Xi (t))+a2r1(Pg (t)-Xi (t))，
其中，Vi表示前方动态车辆的当前速度，Pi为当前时刻动态车辆与无人车之间距离，Pg为从开始追踪到当前为止动态车辆与无人车之间距离的极大值，a1和a2表示加速系数，其作用是调节Pi和Pg的相对重要性，r1和r2为区间[0，1]上均匀分布的随机变量，t代表迭代次数，w为惯性系数，通过调整w取值来平衡算法全局搜索与局部搜索之间的矛盾，
(6)当w取较大值时，算法通过全局搜索能力，即适合追踪较大距离的动态车辆；当w取较小值时，算法通过局部搜索能力，即适合追踪较小距离的动态车辆。
优选的，根据标准粒子群算法算出的速度Vi (t+1)，与无人车的自身速度作比较，若Vi (t+1)大于无人车车速，则无人车无需避让；若Vi (t+1)小于无人车车速，则无人车需进行避让。
优选的，无人车规避障碍物方法为：根据激光雷达探测到的信息进行规避，激光雷达仅扫描前方动态车辆，根据激光雷达扫描特性，将扫描区域分为扫描边界上和扫描区域内。
优选的，前方动态车辆与无人车之间的距离，该距离是根据雷达反射的激光点来确定的，激光点的选择是根据以下原则进行选择：
左侧扫描边界：右边沿前端点；
右侧扫描边界：左边沿前端点；
扫描区域内：后边沿线中心/左后拐点/右后拐点。
优选的，激光测距过程中，若返回的激光距离小于20米，则将雷达扫描到的动态车辆投影到二维平面。。
优选的，在动态车辆的左右两边各拓宽1米，后方拓宽10米，被拓宽的区域视为危险区域。
优选的，若无人车进入危险区域，则进行减速，直至与前方动态车辆的距离拉开至20米；若需超车或变道则要避开障碍物的危险区域，若动态车辆危险区旁边的距离不够无人车行驶，则放弃变道或超车的行为。
与现有技术相比，本发明的有益效果是：保证无人车与动态车辆之间始终保持着安全距离，从而避免了碰撞；
在无人车车顶上安装三维激光雷达、车速传感器、加速度传感器和位移传感器，激光雷达对无人车前方的环境进行扫描，用来探测前方是否出现动态车辆，车速传感器用于跟踪测量前车的速度，位移传感器用来测量动态车辆的位置。若激光雷达探测到前方有动态车辆，车速传感器开始追踪动态车辆的速度，然后根据标准粒子群算法预测一段时间后的车速，并与自身车辆的速度进行比较，若前车的预测速度比自身速度大，则不进行避让；若前车的预测速度比自身小，则换道避让，换道避让时会考虑是否在换道过程中会与前方动态车辆发生碰撞，因此会根据激光雷达返回的激光射线，在动态车辆周围划出危险区域，防止在避让的过程中发生碰撞。本设计的核心就是让无人车与动态车辆之间始终保持着安全距离。
附图说明
图1为本发明的无人车避障流程图；
图2为本发明的无人车传感器安装结构图；
图3为本发明的动态车辆危险区域示意图；
图4为本发明的雷达扫描行驶环境图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1至4，本发明提供一种技术方案：一种基于标准粒子群算法的无人车规避动态车辆的方法，其步骤为：
(1)首先用激光雷达扫描无人车前方的行驶环境；
(2)若前方有动态车辆，则车速传感器、加速度传感器和位移传感器开始工作；
(3)追踪测量前方动态车辆的任意时刻的速度Vi＝{Vi1,Vi2,Vi3,,Vin}；
(4)位移传感器追踪前方动态车辆任意时刻的位置Xi＝{Xi1,Xi2,Xi3,,Xin}；
(5)根据标准粒子群算法推算出下一秒的速度，即
Vi (t+1)＝wVi (t)+a1r1(Pi (t)-Xi (t))+a2r1(Pg (t)-Xi (t))，
其中，Vi表示前方动态车辆的当前速度，Pi为当前时刻动态车辆与无人车之间距离，Pg为从开始追踪到当前为止动态车辆与无人车之间距离的极大值，a1和a2表示加速系数，其作用是调节Pi和Pg的相对重要性，r1和r2为区间[0，1]上均匀分布的随机变量，t代表迭代次数，w为惯性系数，通过调整w取值来平衡算法全局搜索与局部搜索之间的矛盾，
(6)当w取较大值时，算法通过全局搜索能力，即适合追踪较大距离的动态车辆；当w取较小值时，算法通过局部搜索能力，即适合追踪较小距离的动态车辆。
根据标准粒子群算法算出的速度Vi (t+1)，与无人车的自身速度作比较，若Vi (t+1)大于无人车车速，则无人车无需避让；若Vi (t+1)小于无人车车速，则无人车需进行避让。
无人车规避障碍物方法为：根据激光雷达探测到的信息进行规避，激光雷达仅扫描前方动态车辆，根据激光雷达扫描特性，将扫描区域分为扫描边界上和扫描区域内。
前方动态车辆与无人车之间的距离，该距离是根据雷达反射的激光点来确定的，激光点的选择是根据以下原则进行选择：
左侧扫描边界：右边沿前端点；
右侧扫描边界：左边沿前端点；
扫描区域内：后边沿线中心/左后拐点/右后拐点。
激光测距过程中，若返回的激光距离小于20米，则将雷达扫描到的动态车辆投影到二维平面。
在动态车辆的左右两边各拓宽1米，后方拓宽10米，被拓宽的区域视为危险区域。
若无人车进入危险区域，则进行减速，直至与前方动态车辆的距离拉开至20米；若需超车或变道则要避开障碍物的危险区域，若动态车辆危险区旁边的距离不够无人车行驶，则放弃变道或超车的行为。
通过本技术方案，如图2，在无人车车顶上安装三维激光雷达、车速传感器、加速度传感器和位移传感器，激光雷达对无人车前方的环境进行扫描，用来探测前方是否出现动态车辆，车速传感器用于跟踪测量前车的速度，位移传感器用来测量动态车辆的位置。若激光雷达探测到前方有动态车辆，车速传感器开始追踪动态车辆的速度，然后根据标准粒子群算法预测一段时间后的车速，并与自身车辆的速度进行比较，若前车的预测速度比自身速度大，则不进行避让；若前车的预测速度比自身小，则换道避让，换道避让时会考虑是否在换道过程中会与前方动态车辆发生碰撞，因此会根据激光雷达返回的激光射线，在动态车辆周围划出危险区域，防止在避让的过程中发生碰撞。本设计的核心就是让无人车与动态车辆之间始终保持着安全距离。
无人车上安装着雷达，根据雷达扫描到的结果来判定是否需要进行避让，若扫描到动态车辆则对动态车辆进行跟踪测量，主要检测动态车辆的位移、速度和加速度。然后根据标准粒子群算法，预估出t时刻后车辆的最大行驶速度。在该算法中，Pi和Pg是会变化的，其中Pi是无时无刻都在变化的，而Pg是将当前无人车与动态车辆的距离和历史的无人车与动态车辆的距离极大值作比较，若当前的距离大于历史的极大值，则更新Pg，否则Pg不变。该算法可以通过改变w的大小来适应不同的跟踪距离，若前方动态车辆与无人车的距离较大，则取较大的w；若前方动态车辆与无人车的距离较小，则取较小的w，通过改变w的大小来适应不同的追踪距离，使预测的t时刻的速度更加接近实际情况。
如图3，根据标准粒子群预估出来的Vi (t+1)与无人车的速度作比较，若Vi (t+1)大于无人车速度，则意味着两车不会出现相碰的情况，因此不必考虑避障。若Vi (t+1)小于无人车速度，即无人车行驶的比动态车辆快，因此需要考虑避障这一情况，但是在避障的过程中有可能与前方的车辆发生碰撞，因此又需要考虑前方动态车辆与无人车之间的距离，该距离是根据雷达反射的激光点来确定的，激光雷达扫描的过程如图1所示，根据激光雷达扫描特性，将扫描区域分为扫描边界上和扫描区域内，图中的黑点表示激光雷达返回的激光点，其中最大的黑点与无人车之间的距离即为动态车辆与无人车之间的距离，最大黑点的确定如下所示：
左侧扫描边界：右边沿前端点
右侧扫描边界：左边沿前端点
扫描区域内：后边沿线中心/左后拐点/右后拐点。
如图4，若最大黑点处返回的激光距离小于20米，则将雷达扫描到的动态车辆投影到二维平面，在动态车辆的左右两边各拓宽1米，后方拓宽10米，被拓宽的区域视为危险区域，若无人车进入危险区域，则进行减速，直至与前方动态车辆的距离拉开至20米；若需超车或变道则要避开障碍物的危险区域，若动态车辆危险区旁边的距离不够无人车行驶，则放弃变道或超车的行为。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种基于标准粒子群算法的无人车规避动态车辆的方法，其特征在于：其步骤为：
(1)首先用激光雷达扫描无人车前方的行驶环境；
(2)若前方有动态车辆，则车速传感器、加速度传感器和位移传感器开始工作；
(3)追踪测量前方动态车辆的任意时刻的速度Vi＝{Vi1,Vi2,Vi3,,Vin}；
(4)位移传感器追踪前方动态车辆任意时刻的位置Xi＝{Xi1,Xi2,Xi3,,Xin}；
(5)根据标准粒子群算法推算出下一秒的速度，即
其中，Vi表示前方动态车辆的当前速度，Pi为当前时刻动态车辆与无人车之间距离，Pg为从开始追踪到当前为止动态车辆与无人车之间距离的极大值，a1和a2表示加速系数，其作用是调节Pi和Pg的相对重要性，r1和r2为区间[0，1]上均匀分布的随机变量，t代表迭代次数，w为惯性系数，通过调整w取值来平衡算法全局搜索与局部搜索之间的矛盾，
(6)当w取较大值时，算法通过全局搜索能力，即适合追踪较大距离的动态车辆；当w取较小值时，算法通过局部搜索能力，即适合追踪较小距离的动态车辆。
2.根据权利要求1所述的一种基于标准粒子群算法的无人车规避动态车辆的方法，其特征在于：根据标准粒子群算法算出的速度Vi (t+1)，与无人车的自身速度作比较，若Vi (t+1)大于无人车车速，则无人车无需避让；若Vi (t+1)小于无人车车速，则无人车需进行避让。
3.根据权利要求2所述的一种基于标准粒子群算法的无人车规避动态车辆的方法，其特征在于：无人车规避障碍物方法为：根据激光雷达探测到的信息进行规避，激光雷达仅扫描前方动态车辆，根据激光雷达扫描特性，将扫描区域分为扫描边界上和扫描区域内。
4.根据权利要求3所述的一种基于标准粒子群算法的无人车规避动态车辆的方法，其特征在于：前方动态车辆与无人车之间的距离，该距离是根据雷达反射的激光点来确定的，激光点的选择是根据以下原则进行选择：
左侧扫描边界：右边沿前端点；
右侧扫描边界：左边沿前端点；
扫描区域内：后边沿线中心/左后拐点/右后拐点。
5.根据权利要求4所述的一种基于标准粒子群算法的无人车规避动态车辆的方法，其特征在于：激光测距过程中，若返回的激光距离小于20米，则将雷达扫描到的动态车辆投影到二维平面。
6.根据权利要求5所述的一种基于标准粒子群算法的无人车规避动态车辆的方法，其特征在于：在动态车辆的左右两边各拓宽1米，后方拓宽10米，被拓宽的区域视为危险区域。
7.根据权利要求6所述的一种基于标准粒子群算法的无人车规避动态车辆的方法，其特征在于：若无人车进入危险区域，则进行减速，直至与前方动态车辆的距离拉开至20米；若需超车或变道则要避开障碍物的危险区域，若动态车辆危险区旁边的距离不够无人车行驶，则放弃变道或超车的行为。
CN201910154769.1A 2019-03-01 2019-03-01 一种基于标准粒子群算法的无人车规避动态车辆的方法 Active CN109991976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910154769.1A CN109991976B (zh) 2019-03-01 2019-03-01 一种基于标准粒子群算法的无人车规避动态车辆的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910154769.1A CN109991976B (zh) 2019-03-01 2019-03-01 一种基于标准粒子群算法的无人车规避动态车辆的方法

Publications (2)

Publication Number Publication Date
CN109991976A true CN109991976A (zh) 2019-07-09
CN109991976B CN109991976B (zh) 2022-05-13

Family

ID=67129942

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910154769.1A Active CN109991976B (zh) 2019-03-01 2019-03-01 一种基于标准粒子群算法的无人车规避动态车辆的方法

Country Status (1)

Country Link
CN (1) CN109991976B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097827A (zh) * 2022-06-21 2022-09-23 智能网联汽车(山东)协同创新研究院有限公司 一种无人驾驶汽车的道路学习方法

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101359229A (zh) * 2008-08-18 2009-02-04 浙江大学 一种基于障碍物运动预测的移动机器人避障方法
JP2013075641A (ja) * 2011-09-30 2013-04-25 Equos Research Co Ltd 走行制御装置および車両
CN103336526A (zh) * 2013-06-20 2013-10-02 苏州经贸职业技术学院 基于协同进化粒子群滚动优化的机器人路径规划方法
CN103412565A (zh) * 2013-05-17 2013-11-27 浙江中控研究院有限公司 一种具有全局位置快速估计能力的机器人及其定位方法
US20140136018A1 (en) * 2012-05-18 2014-05-15 International Business Machines Corporation In-vehicle drive pattern optimization for reduced road wear
CN104699915A (zh) * 2015-03-25 2015-06-10 大连大学 一种基于改进粒子群算法的变速箱轻量化设计方法
CN104943689A (zh) * 2015-06-03 2015-09-30 奇瑞汽车股份有限公司 一种汽车主动防撞系统的控制方法
CN105711586A (zh) * 2016-01-22 2016-06-29 江苏大学 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法
CN105774650A (zh) * 2016-03-03 2016-07-20 胡良 一种基于卫星导航的机动车防撞预警方法及系统
CN106979784A (zh) * 2017-03-16 2017-07-25 四川大学 基于混合鸽群算法的非线性航迹规划
CN107128307A (zh) * 2017-05-08 2017-09-05 北京新能源汽车股份有限公司 一种车辆巡航控制方法、装置及汽车
CN107226089A (zh) * 2017-04-14 2017-10-03 南京航空航天大学 一种无人驾驶汽车避撞策略
CN107487322A (zh) * 2016-08-26 2017-12-19 宝沃汽车（中国）有限公司 适应雨雪路面的主动避撞方法、装置及车辆
CN107792079A (zh) * 2016-08-31 2018-03-13 福特全球技术公司 利用路径预测的自主车辆
CN107867290A (zh) * 2017-11-07 2018-04-03 长春工业大学 一种考虑运动障碍物的汽车紧急避撞分层式控制方法
CN108189835A (zh) * 2017-12-28 2018-06-22 清华大学苏州汽车研究院（吴江） 一种自动驾驶的避撞控制方法及系统
CN108437983A (zh) * 2018-03-29 2018-08-24 吉林大学 一种基于预测安全的智能车辆避障系统
CN108688631A (zh) * 2018-06-19 2018-10-23 王佐欣 一种汽车安全保护方法和装置
CN108831189A (zh) * 2018-06-07 2018-11-16 合肥中科自动控制系统有限公司 一种基于毫米波雷达防撞的智能预警方法
CN109164799A (zh) * 2018-07-24 2019-01-08 江苏大学 一种行车主动避撞系统及方法
CN109167347A (zh) * 2018-08-06 2019-01-08 云南民族大学 基于云自适应粒子群多目标电动汽车充放电优化调度方法
CN109318890A (zh) * 2018-06-29 2019-02-12 北京理工大学 一种基于动态窗口及障碍物势能场的无人车动态避障方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101359229A (zh) * 2008-08-18 2009-02-04 浙江大学 一种基于障碍物运动预测的移动机器人避障方法
JP2013075641A (ja) * 2011-09-30 2013-04-25 Equos Research Co Ltd 走行制御装置および車両
US20140136018A1 (en) * 2012-05-18 2014-05-15 International Business Machines Corporation In-vehicle drive pattern optimization for reduced road wear
CN103412565A (zh) * 2013-05-17 2013-11-27 浙江中控研究院有限公司 一种具有全局位置快速估计能力的机器人及其定位方法
CN103336526A (zh) * 2013-06-20 2013-10-02 苏州经贸职业技术学院 基于协同进化粒子群滚动优化的机器人路径规划方法
CN104699915A (zh) * 2015-03-25 2015-06-10 大连大学 一种基于改进粒子群算法的变速箱轻量化设计方法
CN104943689A (zh) * 2015-06-03 2015-09-30 奇瑞汽车股份有限公司 一种汽车主动防撞系统的控制方法
CN105711586A (zh) * 2016-01-22 2016-06-29 江苏大学 一种基于前向车辆驾驶人驾驶行为的前向避撞系统及避撞算法
CN105774650A (zh) * 2016-03-03 2016-07-20 胡良 一种基于卫星导航的机动车防撞预警方法及系统
CN107487322A (zh) * 2016-08-26 2017-12-19 宝沃汽车（中国）有限公司 适应雨雪路面的主动避撞方法、装置及车辆
CN107792079A (zh) * 2016-08-31 2018-03-13 福特全球技术公司 利用路径预测的自主车辆
CN106979784A (zh) * 2017-03-16 2017-07-25 四川大学 基于混合鸽群算法的非线性航迹规划
CN107226089A (zh) * 2017-04-14 2017-10-03 南京航空航天大学 一种无人驾驶汽车避撞策略
CN107128307A (zh) * 2017-05-08 2017-09-05 北京新能源汽车股份有限公司 一种车辆巡航控制方法、装置及汽车
CN107867290A (zh) * 2017-11-07 2018-04-03 长春工业大学 一种考虑运动障碍物的汽车紧急避撞分层式控制方法
CN108189835A (zh) * 2017-12-28 2018-06-22 清华大学苏州汽车研究院（吴江） 一种自动驾驶的避撞控制方法及系统
CN108437983A (zh) * 2018-03-29 2018-08-24 吉林大学 一种基于预测安全的智能车辆避障系统
CN108831189A (zh) * 2018-06-07 2018-11-16 合肥中科自动控制系统有限公司 一种基于毫米波雷达防撞的智能预警方法
CN108688631A (zh) * 2018-06-19 2018-10-23 王佐欣 一种汽车安全保护方法和装置
CN109318890A (zh) * 2018-06-29 2019-02-12 北京理工大学 一种基于动态窗口及障碍物势能场的无人车动态避障方法
CN109164799A (zh) * 2018-07-24 2019-01-08 江苏大学 一种行车主动避撞系统及方法
CN109167347A (zh) * 2018-08-06 2019-01-08 云南民族大学 基于云自适应粒子群多目标电动汽车充放电优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
阳路: "汽车前方防撞系统中安全预警算法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
陈友荣 等: "基于车车通信的车辆防碰撞算法", 《电信科学》 *
魏丹 等: "车辆防撞技术的发展现状与展望", 《科技与产业》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097827A (zh) * 2022-06-21 2022-09-23 智能网联汽车(山东)协同创新研究院有限公司 一种无人驾驶汽车的道路学习方法
CN115097827B (zh) * 2022-06-21 2023-02-10 智能网联汽车(山东)协同创新研究院有限公司 一种无人驾驶汽车的道路学习方法

Also Published As

Publication number Publication date
CN109991976B (zh) 2022-05-13

Similar Documents

Publication Publication Date Title
US9250324B2 (en) Probabilistic target selection and threat assessment method and application to intersection collision alert system
JP5145585B2 (ja) 物標検出装置
CN109291921A (zh) 车辆控制设备和方法
KR102569900B1 (ko) 전방위 센서퓨전 장치 및 그의 센서퓨전 방법과 그를 포함하는 차량
KR102699140B1 (ko) 동시 차로 변경 차량 예측 장치 및 그의 예측 방법과 그를 이용하는 차량
CN112526521B (zh) 一种汽车毫米波防撞雷达的多目标跟踪方法
US6643588B1 (en) Geometric based path prediction method using moving and stop objects
JP2018100899A (ja) 物体検出装置、物体検出プログラム、および記録媒体
CN106598053A (zh) 一种自动驾驶车辆横向运动控制对象选择方法
US11307292B2 (en) ODM information reliability determination system and method and vehicle using the same
JP7028982B2 (ja) レーダ処理装置
JP2016148547A (ja) 検知装置
KR20200070854A (ko) 근거리 컷-인 차량 판단 장치 및 그의 판단 방법과 그를 이용하는 차량
CN112578404B (zh) 一种行驶路径的确定方法及装置
JPH10283593A (ja) 車両の衝突防止装置
CN109991976A (zh) 一种基于标准粒子群算法的无人车规避动态车辆的方法
CN115512542B (zh) 一种基于路侧激光雷达的考虑遮挡的轨迹复原方法及系统
CN115431964A (zh) 一种自动驾驶车辆的避障系统及方法
CN114954442A (zh) 一种车辆控制方法、系统和车辆
JP3352925B2 (ja) 先行車両認識装置及び認識方法
JPH05113482A (ja) 車載用追突防止装置
JP2006047033A (ja) 物体認識方法及び物体認識装置
JP5601980B2 (ja) 車両用物体判定装置
CN105511468B (zh) 一种激光雷达与线结构光视觉系统的光束二重反射判别方法
Bauer et al. Single Filter Lead Vehicle Distance and Velocity Estimation with Multiple Hypothesis Testing

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