[发明专利]人工智能大数据下粒子化无人车组、控制方法及介质有效

专利信息
申请号: 202010023463.5 申请日: 2020-01-09
公开(公告)号: CN111208820B 公开(公告)日: 2023-01-03
发明(设计)人: 石帅 申请(专利权)人: 上海逍遨软件科技有限公司
主分类号: G05D1/02 分类号: G05D1/02
代理公司: 安徽盟友知识产权代理事务所(特殊普通合伙) 34213 代理人: 邓立忠
地址: 201500 上海市金山区*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人工智能 数据 粒子 无人 车组 控制 方法 介质
【权利要求书】:

1.人工智能大数据下粒子化无人车组,若干无人车均由车身、供电装置、图像采集系统、距离传感器以及无人车控制系统组成,供电装置给整个无人车供电,由无人车组云控制系统和无人车控制系统对无人车组进行路径规划和行程控制,无人车采用如下方法控制:

(1)无人车的图像采集系统采集图像,对采集的图像进行去噪处理后通过路径边缘点做最优路径规划;

(2)对无人车组进行行程控制,使无人车在规划的路径通道内行进;

(3)对行程中的无人车组进行姿态监控;

(4)重复步骤(2)-(3)直到无人车组停止工作为止;

其特征在于,所述步骤(1)包括如下步骤:

(1.1)图像采集去噪:

无人车组通过图像采集系统对路径所处环境进行三维图像采集,对采集的图像进行高斯滤波处理;

(1.2)对图像中道路进行边缘检测:

对图像中每个像素点周围的邻点灰度值进行Sobel算子计算,通过采集图像所取的亮度选择阈值τ,当

fx=(f(a-1,b-1)+2f(a-1,b)+f(a-1,b+1))-(f(a+1,b+1)+2f(a-1,b)+f(a+1,b+1)),

fy=(f(a-1,b-1)+2f(a,b-1)+f(a+1,b-1))-(f(a-1,b-1)+2f(a,b-1)+f(a+1,b-1)),

当So(a,b)τ时,图像中点(a,b)为边缘点,a、b为边缘点坐标,f为灰度值;

(1.3)依据边缘点的路径规划:

无人车组云控制系统采集边缘点信息,通过边缘点构建出路径通道,设无人车的图像采集系统与距离传感器的与水平方向上的夹角为θa,距离传感器返回的数据为la,无人车的高度传感器的测量值为z′,水平方向参考系下的坐标为Dn0=(xa,yb,z′)=(la×cosθa,la×sinθa,z′);

根据路径通道中节点的迭代评价值确定规划的路径,两个相邻节点的距离为ln0,ln0=Dn0-Dn0-1,n0为当前节点的标号,起始点I0到当前节点In0的代价函数为:

扫描每个节点附近G(n0)最大的两个邻居节点进行连接,形成规划的路径通道;

所述步骤(2)包括:

(2.1)初始化数量大小为N的无人车组,包括无人车行进区域随机速度和无人车行进区域位置,确定每个无人车的姿态矩阵、姿态矩阵角速率以及姿态角;

(2.2)评估每组中无人车的适应值;

(2.3)评估每组中无人车当前搜索空间中最佳位置;

(2.4)更新无人车的惯性权重,更新每个无人车的速度和位置;

(2.5)在无人车组工作状态下重新执行步骤(2.2),在无人车组工作结束时结束本方法;

所述的无人车的姿态矩阵的确定步骤包括:

(2.1.1)设地球坐标系为earth系,地理坐标系为geo系,载体坐标系为carrier系,导航坐标系为pilot系,各坐标系的轴依次分别为Xg、Yg、Zg;Xc、Yc、Zc;Xp、Yp、Zp

(2.1.2)计算无人车的地理坐标系的方向余弦矩阵;

其中无人车所在经度为αe和纬度为δe;αe的取值范围为(-180°,180°);δe的取值范围为(-90°,90°);

(2.1.3)计算无人车的载体坐标系的方向余弦矩阵;

其中γc为载体坐标系相对于地理坐标系的横滚角,即Xc相对于Xg的夹角;

其中θc为载体坐标系相对于地理坐标系的俯仰角,即Yc相对于Yg的夹角;

其中为载体坐标系相对于地理坐标系的航向角,即Zc相对于Zg的夹角;

(2.1.4)计算无人车的导航坐标系的姿态矩阵;

(2.1.5)计算无人车的导航坐标系的姿态矩阵角速率;

ωe为地球角速率在导航坐标系下的投影,ωa为无人车陀螺仪测量值;

所述的评估每组中无人车的适应值为:

fj(x)表示无人车的目标路径上的第j个支路上的分支函数;αj表示第j个支路对应的权值,m为目标路径的支路总数,x表示被评估的无人车标号;

fj(x)=(βj∩γj)(βj∪γj)-2

βj为执行目标路径经过第j个支路的无人车集合;γj为输入被测程序执行后所经过第j个支路的无人车集合;

所述的步骤(3)包括如下步骤:

(3.1)通过图像采集系统提取前一个时间点上无人车轮廓的点云数据MW,在点云数据MW中取点的集合mi∈MW;同时提取mi对应的真实集合

(3.2)通过图像采集系统提取前当前时间点上无人车轮廓的点云数据QW,在点云数据QW中取点的集合qi∈QW,使|qi-mi|取得最小值;

(3.3)计算摄像系统中旋转矩阵RW和平移矩阵TW

(3.4)通过旋转矩阵RW和平移矩阵TW得到的真实集合变换位姿后的集合m′i

(3.5)计算m′i与qi的平均距离

(3.6)如果平均距离小于等于位姿预警阈值则目标位姿正常,否则通信目标进行调整。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海逍遨软件科技有限公司,未经上海逍遨软件科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010023463.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top