-
公开(公告)号：CN118037695A
公开(公告)日：2024-05-14
申请号：CN202410271451.2
申请日：2024-03-11
Applicant: 浙江大学
IPC: G06T7/00 , G06T7/50 , G06V10/762 , G06V10/80 , G06N3/084
Abstract: 本发明公开了一种面向立体匹配网络的损失函数构建与视差估计方法。包括以下步骤：首先，将训练集中的各真值视差图转换为多模态视差分布真值；接着，将训练集中的双目图像输入到立体匹配网络中，网络输出多模态视差分布预测值，计算多模态视差分布预测值和对应的多模态视差分布真值之间的交叉熵并作为损失函数，基于该损失函数对立体匹配网络进行训练，获得训练好的立体匹配网络；最后，将待预测的双目图像输入到训练好的立体匹配网络中，输出获得多模态视差分布预测值，基于多模态视差分布预测值进行视差估计，获得对应的视差图。本发明能够指导立体匹配网络学习有效的匹配模式，提高视差预测的精度以及网络泛化能力。
-
公开(公告)号：CN117392237A
公开(公告)日：2024-01-12
申请号：CN202311381487.8
申请日：2023-10-24
Applicant: 浙江大学 , 泛亚汽车技术中心有限公司
Abstract: 本发明公开了一种鲁棒的激光雷达‑相机联合自标定方法。首先对激光雷达采集的数据进行预处理获得稠密点云地图和反射强度图，从点云地图提取几何边缘，从反射强度图中提取强度边缘；接着从相机图像中提取像素边缘线。通过对标定外参进行快速初值搜索，实现激光雷达和相机共视区域下的两种边缘的初始配准。将激光雷达边缘线上的点投影到相机图像下，通过最小化雷达边缘点到图像边缘线的点‑线距离残差，进一步优化激光雷达和相机之间的外参。本发明通过充分利用激光雷达几何和强度边缘与相机图像边缘的对应性，实现了不依赖于标定板的联合外参自标定，具有较好的场景适应性，标定精度高，可靠性好，为激光雷达和相机融合的自动驾驶技术提供了基础。
-
公开(公告)号：CN116242331A
公开(公告)日：2023-06-09
申请号：CN202211648067.7
申请日：2022-12-21
Applicant: 浙江大学
Abstract: 本发明公开了一种面向地库环境自主定位的物体级语义SLAM方法。本发明将基于深度学习获得的物体级场景语义融入到SLAM系统中。针对地库场景纹理弱、光照差等对于常规特征点提取带来的困难，提出采用单目3D目标检测网络获得地下车库中柱子等静态物体的位置与姿态信息，将其建立为语义地图，并在该语义地图中实现实时定位。相比基于特征点的单目SLAM方法，本发明有效地提升了SLAM系统的鲁棒性，建立的地图语义明确、可解释性好，并能在长时间跨度下重复使用，计算代价小，实时性强。
-
公开(公告)号：CN112882469A
公开(公告)日：2021-06-01
申请号：CN202110049370.4
申请日：2021-01-14
Applicant: 浙江大学
IPC: G05D1/02
Abstract: 本发明公开了一种融合全局训练的深度强化学习避障导航方法。根据已知信息规划初始路径；机器人从初始点沿着初始路径向目标点运动；选择临时目标向着临时目标运动；设置累计期望奖励惩罚值，不断多次导航，机器人导航过程中每一帧给予奖励惩罚值；从传感器获得交互元组；输入深度学习网络训练；将待导航的交互元组输入训练后的深度学习网络，输出最优的路径及累计期望奖励惩罚值，按照最优路径运动。本发明能够有效地提高深度强化学习的收敛速度，在导航过程中提高机器人的导航效率，同时使得机器人的运动具有环境友好性，将对周边环境的影响降至最低。
-
公开(公告)号：CN111586632A
公开(公告)日：2020-08-25
申请号：CN202010372427.X
申请日：2020-05-06
Applicant: 浙江大学
Abstract: 本发明公开了一种基于通信传感异步数据融合的协作邻居车辆定位方法，包括：(1)车辆利用通信和传感等技术获得邻居车辆的多源异步状态测量信息；(2)车辆根据粒子滤波方法实现多源异步数据融合，提高对邻居车辆的定位精度。本发明考虑具备通信能力的车辆在道路上行驶时对所有邻居车辆进行定位评估的场景，结合了通信和传感器的优点，测量范围广、可靠性强，考虑了通信和传感失败的可能性，适应性强；同时，本发明通过多源异步数据融合明显提高了定位精度，保障车辆行驶安全。
-
Patent Agency Ranking
公开(公告)号：CN111476822A
公开(公告)日：2020-07-31
申请号：CN202010269236.0
申请日：2020-04-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于场景流的激光雷达目标检测与运动跟踪方法。自身车辆平台上的激光雷达采集获得多帧时序点云，体素化处理生成多帧鸟瞰图；建立SDP-Net网络结构，通过SDP-Net网络结构实现自身车辆平台的位姿估计、点云中的3D目标的检测、预测和追踪；输入训练设置总损失函数进行优化监督，获得网络参数值；待测点云输入到SDP-Net网络结构中，由SDP-Net网络结构输出自身车辆平台的相对位姿变化以及目标的检测、预测和追踪结果。本发明无需对多帧点云数据进行复杂的预先配准操作，能有效提取多帧之间的运动信息，在复杂场景中同时完成自身位姿估计、3D目标检测、预测和追踪的任务获得高准确率，计算代价小，实时性强。
-
公开(公告)号：CN106650640B
公开(公告)日：2020-03-03
申请号：CN201611101791.2
申请日：2016-12-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于激光雷达点云局部结构特征的负障碍物检测方法。已采集的激光雷达点云数据，逐线检测局部点云距离跳变、局部点云分布密集和局部点云高度下降的三个结构特征，依据三个结构特征在单线激光点云中提取筛选获得可能属于负障碍物的候选点对；由各线激光的激光点云获得的所有候选点对，依据点对长度一致性和空间位置一致性进行聚类，得到负障碍物候选区域，再经过面积过滤、点对数量过滤得到负障碍物区域。本发明能够有效检测环境中的负障碍物，具备良好的检测成功率，计算代价小，实时性强。
-
公开(公告)号：CN106791335B
公开(公告)日：2019-05-14
申请号：CN201710056580.X
申请日：2017-01-25
Applicant: 浙江大学
Abstract: 本发明公开了一种紧凑的大视野光场采集系统及其分析优化方法。系统由一个远心相机和五个抛物镜面组成，包括一个主镜面和四个辅镜面；四个辅镜面布置于与光轴垂直的同一平面上，主镜面位于中心正上方，远心相机置于主镜面正上方；通过主镜面与四个辅镜面的镜面反射在归一化图像平面上获得归一化坐标，再反向投影得到三维重构的空间坐标；根据反向投影的公式，分析测量误差从像素坐标到重构空间坐标的误差传递关系，通过仿真得到误差在空间中的分布和误差再归一化图像平面上的分布；利用系统参数的变化对误差的影响进而获得系统参数最优设计范围。本发明充分利用了多镜面之间的水平和垂直基线，结构紧凑，具有较高的光场采集效率和三维重建精度。
-
公开(公告)号：CN106791335A
公开(公告)日：2017-05-31
申请号：CN201710056580.X
申请日：2017-01-25
Applicant: 浙江大学
CPC classification number: H04N13/261 , G06T3/005 , G06T3/0087 , H04N5/2253 , H04N5/2254 , H04N13/204 , H04N13/275 , H04N13/302
Abstract: 本发明公开了一种紧凑的大视野光场采集系统及其分析优化方法。系统由一个远心相机和五个抛物镜面组成，包括一个主镜面和四个辅镜面；四个辅镜面布置于与光轴垂直的同一平面上，主镜面位于中心正上方，远心相机置于主镜面正上方；通过主镜面与四个辅镜面的镜面反射在归一化图像平面上获得归一化坐标，再反向投影得到三维重构的空间坐标；根据反向投影的公式，分析测量误差从像素坐标到重构空间坐标的误差传递关系，通过仿真得到误差在空间中的分布和误差再归一化图像平面上的分布；利用系统参数的变化对误差的影响进而获得系统参数最优设计范围。本发明充分利用了多镜面之间的水平和垂直基线，结构紧凑，具有较高的光场采集效率和三维重建精度。
-
公开(公告)号：CN104180819B
公开(公告)日：2017-01-25
申请号：CN201410363063.3
申请日：2014-07-28
Applicant: 浙江大学
IPC: G01C25/00
Abstract: 本发明公开了一种同轴心距等光流折反射相机测距系统的参数标定方法。旋转体镜面的中心对称轴和透视相机的光轴共线，被测物体置于旋转体镜面的下方，入射光经镜面反射成像到透视相机，旋转体镜面具有等光流特性的镜面轮廓。参数标定方法包括：采用该相机测距系统建立多个不同的仿真环境，各个仿真环境中的被测物体空间点到光轴的轴心距逐步递增，并分别计算得到各个仿真环境下被测物体空间点在透视相机采集图像上的光流，然后重新拟合轴心距与光流之间的关系。本发明方法通过对系统进行参数标定，在系统非理想配置情况下，减小镜面特性受加工精度和安装精度的影响，改善了测距精度。与传统的外参标定方法相比较，本发明方法更为简便有效。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.022 seconds)
