-
公开(公告)号：CN116295354B
公开(公告)日：2023-09-29
申请号：CN202310320547.9
申请日：2023-03-24
Applicant: 之江实验室
Abstract: 本申请涉及一种无人车主动全局定位方法和系统，其中，该方法包括：构建先验地图，将先验地图进行场景分割，得到目标拓扑特征地图；将获取的当前观测全局描述子和当前观测特征信息，与目标拓扑特征地图进行匹配，得到候选位姿；计算候选位姿的邻近场景之间的差异度，将差异度最大的邻近场景作为无人车运动的全局目标；根据全局目标和候选位姿，获取虚拟观测数据并计算对应的信息增益，获取信息增益最大的虚拟观测数据，作为无人车运动的局部目标；根据局部目标进行最短路径规划，用于控制无人车运动进行主动全局定位。通过本申请，解决了无人车全局定位系统响应速度较慢和定位精度较低问题，提高了无人车主动全局定位的响应速度和定位准确性。
-
公开(公告)号：CN116518992B
公开(公告)日：2023-09-08
申请号：CN202310399453.5
申请日：2023-04-14
Applicant: 之江实验室
Abstract: 本发明公开了一种退化场景下的无人车定位方法，结合预先设计好的特征图层进行全局定位，消除定位的累积误差，以及融合imu和车辆底盘速度信息，提供较为准确的实际位姿，最后将里程计和全局匹配的观测信息融入卡尔曼滤波框架中对实际位姿进行校正，得到高频的、鲁棒的无人车定位结果。本发明还公开了一种退化场景下的无人车定位装置和存储介质。
-
公开(公告)号：CN116310680A
公开(公告)日：2023-06-23
申请号：CN202310238226.4
申请日：2023-03-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于动态稀疏特征融合的点云场景识别方法，该点云场景识别方法采用多个三维子卷积对下采样点云特征进行细节特征提取，由于该三维子卷积中的卷积核仅有一个维度不为1，从而在提取细节特征过程中，降低了参数量，同时能够基于当前场景信息灵活的配置三维子卷积的数量，在准确提取当前场景下的有用特征的同时提供运算效率，在上采样过程中，对上采样点云特征和对应尺寸的点云编码特征的特征点和特征通道进行权重分配，以优化点云局部特征，进而较为准确的获得当前场景的点云帧。
-
Patent Agency Ranking
公开(公告)号：CN116295354A
公开(公告)日：2023-06-23
申请号：CN202310320547.9
申请日：2023-03-24
Applicant: 之江实验室
Abstract: 本申请涉及一种无人车主动全局定位方法和系统，其中，该方法包括：构建先验地图，将先验地图进行场景分割，得到目标拓扑特征地图；将获取的当前观测全局描述子和当前观测特征信息，与目标拓扑特征地图进行匹配，得到候选位姿；计算候选位姿的邻近场景之间的差异度，将差异度最大的邻近场景作为无人车运动的全局目标；根据全局目标和候选位姿，获取虚拟观测数据并计算对应的信息增益，获取信息增益最大的虚拟观测数据，作为无人车运动的局部目标；根据局部目标进行最短路径规划，用于控制无人车运动进行主动全局定位。通过本申请，解决了无人车全局定位系统响应速度较慢和定位精度较低问题，提高了无人车主动全局定位的响应速度和定位准确性。
-
公开(公告)号：CN116184357A
公开(公告)日：2023-05-30
申请号：CN202310218573.0
申请日：2023-03-07
Applicant: 之江实验室
IPC: G01S7/48
Abstract: 本申请涉及一种地面点云数据处理方法、装置、电子装置和存储介质，其中，该地面点云数据处理方法包括：通过激光雷达采集原始点云数据，得到地面点云数据；根据车辆位姿将激光雷达坐标系下的地面点云数据转换为地图坐标系下的第一点云数据；根据车辆的行驶方向，从第一点云数据中获取搜索种子；根据搜索种子和高程变化阈值，将第一点云数据分为道路点云数据和障碍物点云数据；根据点云数据强度阈值对道路点云数据进行二分聚类，得到前景点云数据和背景点云数据。通过本申请，解决了相关技术中存在复杂路况下采集的点云数据处理存在噪声大，导致点云数据目标识别不精确的问题，实现了精确高效过滤路面点云数据的技术效果。
-
公开(公告)号：CN116863432B
公开(公告)日：2023-12-22
申请号：CN202311126363.5
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V20/56 , G06V20/70 , G06V10/40 , G06V10/774 , G06V10/84
Abstract: 本发明公开了一种基于深度学习的弱监督激光可行驶区域预测方法和系统，本发明利用激光可行驶区域预测算法较为容易的获得下采样点云是否地面点的粗略标注，将该粗略标注作为标签，从而较为容易的获得了用于训练深度学习点云特征提取模型的标签，但由于该标签的准确性有待提高，因此，在第一次对深度学习点云特征提取模型进行训练之后，基于当前预测得到的初始地面点预测概率和上一次预测得到的初始地面点预测概率通过交叉熵损失函数构建新增损失函数以完成之后的训练，因此能够利用大量的数据量较小的标注标签训练获得能够较为准确预测地面点概率的地面点预测模型，从而能够(56)对比文件Wan, J等.DGANet: A Dilated GraphAttention-Based Network for Local FeatureExtraction on 3D Point Clouds《.REMOTESENSING》.2021,第13卷(第17期),3484.Siyun Chen等.A Dense Feature PyramidNetwork-Based Deep Learning Model forRoad Marking Instance Segmentation UsingMLS Point Clouds《. IEEE Transactions onGeoscience and Remote Sensing 》.2021,第59卷(第1期),784 - 800.
-
公开(公告)号：CN117011685A
公开(公告)日：2023-11-07
申请号：CN202311256742.6
申请日：2023-09-27
Applicant: 之江实验室
Abstract: 本申请涉及一种场景识别方法、装置和电子装置，其中，该场景识别方法包括：获取连续的激光扫描帧；根据每帧该激光扫描帧，获取融合该连续的激光扫描帧的局部栅格地图，并基于该局部栅格地图得到各帧下的障碍物区域信息；将该各帧下的障碍物区域信息输入至训练完备的目标场景识别模型，得到每帧该激光扫描帧对应的全局描述信息；根据该全局描述信息生成该连续的激光扫描帧下的场景识别结果。通过本申请，解决了场景识别的准确性和效率无法兼顾的问题，实现了精确、高效的场景识别方法。
-
公开(公告)号：CN116664645A
公开(公告)日：2023-08-29
申请号：CN202310940230.5
申请日：2023-07-28
Applicant: 之江实验室
Abstract: 本申请涉及一种点云匹配方法、装置、电子装置和存储介质，其中，该点云匹配方法包括：将待匹配点云划分为多个点云块，输入多个点云块至预训练后的点云特征编码模块，得到多个点云块的特征向量；根据多个点云块的特征向量获取待匹配点云的全局描述向量，将待匹配点云的全局描述向量与预设的历史数据库中的点云帧的全局描述向量进行匹配，确定在预设的匹配阈值范围内的历史数据库中的点云帧为点云匹配结果。通过本申请，解决了基于有监督深度学习的点云匹配技术的匹配准确度低的问题。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.016 seconds)
