-
公开(公告)号:CN113777591A
公开(公告)日:2021-12-10
申请号:CN202111009293.6
申请日:2021-08-31
Applicant: 同济大学
IPC: G01S7/497
Abstract: 本发明涉及一种大平面激光三维成像质量检校场及其设计方法,该检校场包括多个用于获取激光波束成像的大平面高平整度检校靶板,按给定布置方案进行布设;所述每个检校靶板包括多个用于调整局部平整度的靶板面调节器;所述方法包括:靶板基准平面参数获取、激光器三维成像点云获取、误差校验和质量精度评定。与现有技术相比,本发明可提高激光器三维成像质量精度,满足着陆区快速建模与障碍物识别的需求,为行星探测着陆器安全着陆提供支撑。
-
公开(公告)号:CN112213132B
公开(公告)日:2021-12-07
申请号:CN202011012940.4
申请日:2020-09-23
Applicant: 同济大学
IPC: G01M99/00
Abstract: 本发明涉及一种面向火星巡视器行走能力测试的火星地面模拟场,包括:爬坡能力测试区,主要考察巡视器翻越不同下垫面和不同坡度斜坡的能力;平地行走越障能力测试区,主要测试巡视器在不同材质下垫面上行走及翻越障碍的能力;避障能力测试区,主要用来测试巡视器的行走避障能力;抗沉陷能力测试区,内部覆盖为细沙,用于测试巡视器在沙质区域的沉陷情况与脱陷能力。整个模拟场可以较为真实地模拟巡视器在火星上可能遇到的各种情况,为火星巡视器在其中进行各项地面实验提供了可能。与现有技术相比,本发明可以较为真实地模拟巡视器在火星上可能遇到的各种情况,为火星巡视器在其中进行各项地面实验提供了可能。
-
公开(公告)号:CN113742909A
公开(公告)日:2021-12-03
申请号:CN202110975463.X
申请日:2021-08-24
Applicant: 同济大学
IPC: G06F30/20 , G06F30/18 , G06F9/448 , G06F111/04 , G06F111/06
Abstract: 本发明涉及无人驾驶领域,提出了封闭场景下无人驾驶车群自协模型构建方法。具体包括如下步骤:步骤1.相关定义;步骤2.无人驾驶车群动态演化算法;步骤2.1无人驾驶车群群内演化;步骤2.2无人驾驶车群群间演化;步骤3.基于有限状态机的车群自协演化模型;步骤3.1无人驾驶车群群内自协模型;步骤3.2无人驾驶车群群间自协模型;步骤4.无人驾驶车群自协模型的多目标优化。通过本方法,能够保障无人驾驶车群始终保持稳定有序的运动行为智能化自治协同,从而使得无人驾驶车群在封闭场景下能够得到应用推广。
-
公开(公告)号:CN112689267A
公开(公告)日:2021-04-20
申请号:CN202011484672.6
申请日:2020-12-16
Applicant: 同济大学
Abstract: 一种高速公路场景中开放式无人驾驶车车群动态演化方法,其特征在于,形成无人驾驶车群,步骤1,定义出四个独立变化事件以演化出每一个无人驾驶车辆“生命周期”迭代,包括节点出现、节点消失、节点加入、节点离开;步骤2,描述出无人驾驶车辆车群动态演化过程,包括:(1)车群形成事件;(2)车群消亡事件;(3)车群生存事件;(4)车群分裂事件;(5)车群合并事件。本发明技术方案专适用于高速公路场景,并不适用于诸如港口、物流等封闭式场景,也不适用于城市场景。
-
公开(公告)号:CN111754392A
公开(公告)日:2020-10-09
申请号:CN202010480409.3
申请日:2020-05-30
Applicant: 同济大学
Abstract: 本发明涉及一种火星轨道器高分辨率光学相机动态成像仿真方法,包括:S1、轨道动态参数导入;S2、相机定向参数计算和成像模型建立;S3、位置、姿态、光照参数下的三维模型和视景位置导入;S4、生成动态模拟影像;S5、生成多光谱、全色影像;S6、各类退化效应的模拟:对于生成的模拟影像,考虑几何因素、光学器件退化因素以及传输失真因素对影像造成的影响,分别建立影响模型,以像素级别遍历依次计算各类影响后的模拟影像,生成最终仿真退化影像。与现有技术相比,本发明考虑卫星几何偏移、光学器件退化、传输失真影响等多种退化效应,动态生成各种影响因素下的光学仿真影像,具有动态性、严密性、仿真性、可移植性。
-
公开(公告)号:CN111174753A
公开(公告)日:2020-05-19
申请号:CN201911384277.8
申请日:2019-12-28
Applicant: 同济大学
IPC: G01C3/00
Abstract: 本发明涉及一种基于有理函数模型的光学影像与激光测高数据平差方法,该方法包括以下步骤:S1:获取相对应的光学影像数据和激光测高数据;S2:建立光学影像数据和激光测高数据的有理函数模型;S3:根据有理函数模型,构建包含待求参数的偏差补偿模型,建立光学影像和激光测高数据的联合平差模型,该联合平差模型中包括虚拟控制点的误差方程,虚拟控制点为光学影像和激光测高数据的对应点;S4:采用基于partial-EIV模型的总体最小二乘法对联合平差模型进行求解,获取偏差补偿模型的待求参数;S5:根据偏差补偿模型,获取影像的高程定位结果。与现有技术相比,本发明具有平差精度高,有效提高了影像的高程定位精度等优点。
-
-
-
-
-