摘要
本发明涉及智能驾驶技术领域,公开了一种无人驾驶车辆寻的驾驶控制方法,包括:将无人驾驶车辆当前行驶的路径离散化;通过建立前视距离与速度的函数关系,从离散路径点中获取目标点和目标点的属性,目标点的属性包括目标点的方向角和位置;计算无人驾驶车辆的航向角与目标点的方向角的差值,记为控制角;计算无人驾驶车辆的横向位置与目标点的横向坐标的差值;基于深度强化学习方法,使无人驾驶车辆的航向角、横向位置分别与目标点的方向角和横向坐标一致,对目标点进行寻的,实现对神经网络的训练;使用完成训练的神经网络进行自主决策;本发明实现了在不同驾驶任务中,无人驾驶车辆横向和纵向控制,有效地提高了轨迹跟踪精度和稳定性。
技术关键词
无人驾驶车辆
驾驶控制方法
深度强化学习方法
深度神经网络
智能驾驶技术
惯性导航系统
训练神经网络
坐标
神经网络训练
雷达传感器
梯度下降法
决策
策略
转向角
偏差
关系
参数
速度
系统为您推荐了相关专利信息
电力设备
概率密度曲线
实例分割模型
核密度估计法
深度神经网络模型
CT体数据
二维X射线图像
图像配准方法
深度神经网络模型
光线投射算法
车辆碰撞检测方法
碰撞检测模型
分解特征
动态权重分配
时间序列模型
位置变化信息
生命体征监测方法
非接触式生命体征
深度神经网络
特征提取算法
负荷识别方法
双向长短期记忆
深度卷积神经网络
排放量
估算系统