← 返回列表

一种非结构化环境的特种车辆自动驾驶路径规划方法

申请号: CN202311150868.5
申请人: 中国矿业大学
申请日期: 2023/9/7

摘要文本

一种非结构化环境的特种车辆自动驾驶路径规划方法,通过SLAM地面分割算法,将三维高度信息存储于相应栅格,获得非结构环境占用栅格图,再将所述栅格图地形数据划分为训练集和测试集;结合感知模块输入信息及特种车辆动力学建模,从栅格图地形数据中提取可通行区域,实现风险图构建;根据风险图构造自适应性的奖励函数,搭建强化学习模型以及Agent的神经网络;基于构建非结构化环境测试机进行训练,在每个训练周期初始化阶段构建随机函数,随机化起点和终点位置,使系统具泛化性;通过强化学习训练获得策略网络,在测试集中执行路径规划,实现非结构化环境下高效的处理环境信息,提高特种车辆面对不同地形的适应性及有效的自动驾驶。 微信公众号马克 数据网

专利详细信息

项目 内容
专利名称 一种非结构化环境的特种车辆自动驾驶路径规划方法
专利类型 发明申请
申请号 CN202311150868.5
申请日 2023/9/7
公告号 CN117346805A
公开日 2024/1/5
IPC主分类号 G01C21/34
权利人 中国矿业大学
发明人 程德强; 王衍辰; 徐飞翔; 寇旗旗; 吕晨; 张皓翔
地址 江苏省徐州市大学路中国矿业大学南湖校区

专利主权项内容

1.一种非结构化环境的特种车辆自动驾驶路径规划方法,其特征在于,包括如下步骤:步骤一、数据预处理:基于真实非结构化地形3D点云数据,通过SimultaneousLocalization and Mapping地面分割算法,将三维高度信息存储于相应栅格,获得非结构环境占用栅格图,再将所述栅格图地形数据划分为训练集和测试集;步骤二、风险图构建:结合感知模块输入信息以及特种车辆动力学建模,从栅格图地形数据中提取可通行区域,并在此基础上实现风险图的构建;步骤三、模型构建:根据风险图构造自适应性的奖励函数,搭建强化学习模型以及Agent的神经网络;步骤四、模型训练:基于构建非结构化环境测试机进行训练,在每一个训练周期初始化阶段构建随机函数,随机化起点和终点位置,使系统具有泛化性;步骤五、规划路径:通过强化学习训练获得策略网络,在测试集中执行路径规划。