欢迎来到汽车供应链寻源协同平台
摘要：本发明提供一种基于深度学习的道路障碍物的轨迹预测方法，该方法包括以下步骤：采集车辆信息、车辆周围的障碍物信息及道路信息；将车辆信息、车辆周围的障碍物信息及道路信息转换至Frenet坐标系中，在该Frenet坐标系中设置记录缓存；将所述车辆信息、道路信息以及缓存处理后的车辆周围的障碍物信息添加至数据库中获得图像训练数据集；将所述图像训练数据集中的样本输入深度神经网络模型中，生成障碍物轨迹预测模型；利用该预测模型预测车辆周围的障碍物的运动轨迹。本发明采集到的训练样本更为真实，可基于道路状况不断变化的障碍物信息预测出车辆周围障碍物的运动轨迹更为准确；另外，本发明获得的障碍物轨迹预测模型不再单一。
摘要：本说明书提供一种自动驾驶车辆的控制方法、装置、系统及设备，所述方法包括，可以对车辆行驶位置处的网络信号进行实时监测，同时获取车辆行驶轨迹中各个路段的网络状态数据，确定出车辆行驶过程中信号比较好的区域。基于车辆上报的采集数据，在信号比较好的区域向车辆发送控制指令，确保控制指令可以准确及时的发送给车辆，实现对车辆的准确控制，提高了自动驾驶车辆行驶的安全性。
摘要：本公开提供了一种传感器的安装装置、安装方法及拆卸方法，属于自动驾驶技术领域。通过在牵引车上设置夹持单元和用于承托传感器支架的承托件，可以通过控制单元来控制该夹持单元将该传感器支架和传感器安装到集装箱上，相对于传感器安装到牵引车上，安装到集装箱上可以使传感器的盲区范围大大缩小，且不会随卡车的相对转动而变化，以对卡车周围环境进行比较全面的探测，减少安全隐患；在需要将集装箱拆下时，又可以通过夹持单元将该传感器支架和传感器从集装箱上拆下，并收回到牵引车上的承托件上，保证了传感器不会随集装箱的转运而移动，便于传感器的管理。
摘要：本申请提供了一种车辆行驶速度确定方法和装置，其中，该方法包括：获取目标道路的道路信息、目标车辆的车辆信息和目标车辆的发动机油耗特性图；根据车辆信息和道路信息建立目标车辆的动力和阻力模型；根据动力和阻力模型生成目标状态方程；根据目标状态方程和发动机油耗特性图生成目标车辆的目标成本函数；利用动态规划算法确定目标成本函数的最小值和最小值对应的目标控制序列，并根据目标控制序列和目标状态方程确定目标车辆在目标道路上的行驶速度曲线。上述方法可以通过动态规划算法确定目标车辆在目标道路上行驶的合适的行驶速度曲线，从而能有效地降低车辆行驶的油耗，改善车辆的燃油经济性，节约资源和成本。
摘要：本说明书实施例公开了一种自动驾驶的数据处理方法、装置及设备。所述方法包括接收车辆采集信息；根据所述车辆采集信息计算车辆信息，所述车辆信息包括车辆行为信息和车辆状态信息；判断所述车辆信息是否触发告警规则；确定触发所述告警规则时，获取报警信息；判断是否存在与所述报警信息对应的报警规则；确定存在时，按照所述报警规则推送所述报警信息。利用本说明书实施例可以实时计算并预测车辆行为的同时，也可以在出现紧急情况时及时向驾驶舱内的负责人发出报警信息，从而可以极大程度减少危险的发生。
摘要：本说明书实施例公开了一种自动驾驶的监控报警系统、客户端、服务器。所述系统包括射频装置，用于接收车辆采集信息，并发送至告警处理装置和存储器；告警处理装置，用于根据车辆采集信息计算车辆信息；还用于判断车辆信息是否触发存储器中对应的告警规则，确定触发时，发送报警信息至报警平台；存储器，用于存储配置的告警规则；还用于存储车辆采集信息和车辆信息；报警平台，用于配置报警规则；还用于判断是否存在与报警信息对应的报警规则，确定存在时，按照报警规则推送报警信息。利用本说明书实施例可以实时计算并预测车辆行为的同时，也可以在出现紧急情况时及时向驾驶舱内的负责人发出报警信息，从而可以极大程度减少危险的发生。
摘要：本发明提供一种确定车辆的制动气室压力信号的上升时间的方法，其特征在于，该方法包括以下步骤：采集车辆的制动气室压力信号；基于所述制动气室压力信号的变化时间获得制动气室压力信号的超调量；将所述制动气室压力信号的超调量与预设的超调阈值进行比较，以获得制动气室压力信号的上升时间。本发明还公开了一种确定车辆的制动气室压力信号的上升时间的系统。本发明的方法和系统可以更好地表现制动系统中的信号延迟、执行器响应延迟等非线性特性，从而能够较为精准地反映该自动驾驶卡车制动系统特性的模型。
摘要：本发明提供一种基于前馈控制的自动驾驶车辆的纵向控制系统和方法，该系统包括参考模型、第一融合子模块、自适应律子模块、前馈模块和第二融合模块；参考模型根据预先设定的车辆模型和参考输入量生成参考模型的输出控制量；第一融合子模块融合参考模型的输出控制量和当前系统的实时状态量获得第一误差；自适应律子模块根据车辆的类型和第一误差获得调整后的参考模型的输出控制量；前馈模块根据车辆的输入值和输出值获得前馈输出控制量；第二融合模块融合调整后的参考模型的输出控制量和前馈输出控制量获得系统的最终控制量。本发明的纵向控制系统的鲁棒性好，能够很好地处理重型卡车换挡所带来的顿挫问题及控制过程中的动态偏差。
摘要：本发明提供一种自动驾驶车辆制动系统的建模方法，该方法包括以下步骤：采集自动驾驶车辆的车辆信息获得测试数据；根据测试数据建立第一对应关系；其中，该第一对应关系用于表示自动驾驶车辆制动系统中的命令响应延迟、制动气室压力信号的上升时间、制动气压稳态值和制动减速度命令稳态值之间的对应关系；根据车辆的制动气压稳态值和制动减速度稳态值建立第二对应关系；根据所述第一对应关系和第二对应关系，生成自动驾驶车辆制动系统模型。本发明还提供了一种自动驾驶车辆制动系统。本发明可以快速地获得自动驾驶车辆制动系统模型、较好地表现制动系统中的信号延迟、执行器响应延迟等非线性特性且获得的制动系统模型简单。
摘要：本申请提供了一种车辆控制方法、装置和设备，其中，该方法包括：获取目标车辆的参考轨迹、所述目标车辆在当前轨迹点的特征信息和动力学模型；根据参考轨迹、特征信息和动力学模型，利用模型预测控制器确定目标轨迹点的第一控制量，目标轨迹点为所述当前轨迹点的下一轨迹点；根据特征信息，利用前馈算法确定目标轨迹点第二控制量；根据参考轨迹和动力学模型，利用模型参考自适应控制算法确定目标轨迹点的第三控制量；根据所述第一控制量、第二控制量和第三控制量，确定目标轨迹点的目标控制量。在本申请实施例中，采用MPC+FF+MRAC算法的方式，有效提高了车辆控制的鲁棒性，使得车辆在特殊工况下依然能够快速稳定的跟踪参考轨迹。
