买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种基于点云地图的自动驾驶车辆编队方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115826583B 。

龙图腾网通过国家知识产权局官网在2025-10-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211698266.9，技术领域涉及：G05D1/43；该发明授权一种基于点云地图的自动驾驶车辆编队方法是由张辉;代华强设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于点云地图的自动驾驶车辆编队方法在说明书摘要公布了：本发明涉及一种基于点云地图的自动驾驶车辆编队方法，属于自动驾驶领域；包括以下步骤：针对测试的自动驾驶车辆，融合GNSS、IMU和LIDAR测量数据实时构建场景的点云地图；然后，从点云地图中获得自动驾驶车队中各车辆的运动状态信息，建立包括领航车和跟随车的平面编队运动学模型；根据目标点跟随策略设计跟随车的横纵向控制器，在离散时间下建立坡度变化路面上的车辆纵向编队的动力学模型，对领航车设计MPC，跟随车设计DMPC，仿真自动驾驶车辆上下坡路段的编队行驶结果。本发明考虑点云地图提供的地面坡度信息提高建模准确度，帮助车辆在进入上下坡路段前提前加减速，从而减小队列在上下坡中的速度波动，促使队列以更快的速度收敛到平衡状态。

本发明授权一种基于点云地图的自动驾驶车辆编队方法在权利要求书中公布了：1.一种基于点云地图的自动驾驶车辆编队方法，其特征在于，具体步骤如下： 首先，针对测试的自动驾驶车辆，融合LIDAR、IMU和GNSS三种传感器的测量数据，通过估计的位姿拼接特征点云实时构建场景的点云地图； 融合过程为： 首先，通过该车辆的前端里程计，对IMU传感器的测量数据进行优化； 优化结果为： 然后，对帧图匹配的LIDAR里程计因子，GNSS测量因子和回环检测因子进行后端优化， 优化变量为关键帧所对应的位姿； 接着，通过优化的位姿矩阵对各时刻LIDAR传感器采集的点云进行坐标变换，分别形成 边特征点云集合和面特征点云集合； 最后，将集合和集合中的特征点云进行拼接，组成场景的点云地图： 然后，从点云地图中获得自动驾驶车队中各车辆的运动状态信息，建立包括领航车和跟随车的平面编队运动学模型；根据目标点跟随策略设计平面编队任务中跟随车的横纵向控制器，领航车的状态信息通过车间通信传递给跟随车，跟随车的控制输入量为车速和前轮转角； 所述平面编队运动学模型的具体建立过程为： 步骤201、针对当前跟随车A，在该跟随车A中采用滑动窗口保存领航车的行驶路径离散 点序列，当接收到最新的领航车数据时，按时间先后顺序将数据压入滑 动窗口中，将窗口内的离散点序列当作跟随车A横向跟踪控制器的跟踪路径； 步骤202、逐一计算该跟随车A与滑动窗口内各离散点的距离，找到距离跟随车A当前位 置最小的离散点，以点为基准，将该点之前的点从滑动窗口中移除，累加计算从 离散点到离散点之间的距离，作为跟随车A至领航车的期望纵向间距； 步骤203、根据车辆的实际纵向间距与期望纵向间距之间的偏差作纵向PID控制，得到跟随车A期望的车速； 步骤204、同理，以离散点为基准，将该点之前的点从滑动窗口中移除，在离散点 序列内查找横向跟踪控制器的目标点，并计算跟随车A期望的前轮转 角； 步骤205、将跟随车A期望的车速与期望前轮转角整合后作用于该跟随车A； 步骤206、重复上述所有步骤，在循环中完成平面编队任务； 接着，在离散时间下建立坡度变化路面上的车辆纵向编队的动力学模型，并改写成状态空间方程的形式； 最后，对领航车设计模型预测控制器MPC，跟随车设计分布式模型预测控制器DMPC，结合状态空间方程，仿真自动驾驶车辆在城市道路上下坡路段的编队行驶结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。