-
公开(公告)号：CN112233184A
公开(公告)日：2021-01-15
申请号：CN202010936777.4
申请日：2020-09-08
Applicant: 东南大学
Abstract: 本申请实施例公开了一种基于图像配准的激光雷达与相机标定参数校正方法及装置，属于智能驾驶环境感知领域与机器人环境感知领域。所述方法包括：在完成相机和激光雷达之间的标定参数的标定后，根据预定场景获取基准相机图像和基准点云投影图，基准点云投影图是根据基准相机图像和标定参数得到的；检测相机和激光雷达之间的相对姿态是否发生了变化；若相对姿态发生了变化，则根据基准相机图像和基准点云投影图配准得到的单应性矩阵校正标定参数。本申请实施例可以结合图像配准和原始的标定参数来校正标定参数，无需布置标定试验环境，简化了标定参数的校正流程，提高了校正效率。另外，校正后的标定参数误差小，从而提高了校正的精度。
-
公开(公告)号：CN109741400B
公开(公告)日：2020-08-18
申请号：CN201811508271.2
申请日：2018-12-11
Applicant: 东南大学
IPC: G06T7/80
Abstract: 本发明涉及一种工业双目摄像头与红外热成像仪联合标定的装置和方法，以标准格式的张正友标定板内角点为圆心，开设小孔，小孔的半径小于黑白格边长的一半；在小孔内安装白炽灯泡，白炽灯泡的底座通过调节装置与电源连通；在张正友标定板上方架设传感器支架，传感器支架上安装工业双目摄像头和红外线热成像仪，两者对标定的装置拍摄时视角重合；本发明不仅设计简单、操作简单、成本低廉，能够同时标定两摄像头。
-
公开(公告)号：CN108895157B
公开(公告)日：2020-08-04
申请号：CN201810606044.7
申请日：2018-06-12
Applicant: 东南大学
Abstract: 本发明涉及一种无人驾驶拖拉机自动换挡通用装置，包括安装在拖拉机座椅下方的纵向驱动装置以及安装在拖拉机右侧挡泥板侧面的横向驱动装置；纵向驱动装置包括套设在挡杆上的纵向矩形换挡框和纵向电动推杆，纵向矩形换挡框通过螺栓与纵向电动推杆自由端固联；横向驱动装置包括套设在挡杆上的横向矩形换挡框和横向电动推杆，横向矩形换挡框通过螺栓与横向电动推杆自由端固联；在纵向电动推杆自由端和横向电动推杆自由端上分别连接线性位移传感器自由端；纵向矩形换挡框与横向矩形换挡框由下至上且相互垂直套设在挡杆上；本发明实现了无人驾驶拖拉机自动换挡精确控制，稳定可靠，安装方便，不改变拖拉机原有结构，具有通用性。
-
公开(公告)号：CN109229091B
公开(公告)日：2020-04-24
申请号：CN201810992751.4
申请日：2018-08-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于能量效率最大化的多模混合动力汽车能量管理控制策略，共分两层。内层是效率归一化最大化策略，其基于全局归一化效率因的效率分析方法，用于计算最优的能量分配律，能够同时处理混合动力模式与纯电动模式的能量效率优化问题；外层是动态规划，用于处理多模混合动力汽车的模式切换问题，求解最优模式切换命令，其能够在避免频繁换挡与换挡能量损失，提高换挡平顺性的前提下，做出最优模式切换控制命令。外层与内层相互协调，最终形成适用于多模混合动力汽车的近优能量管理控制策略NEMS+，该方法在实现能量管理控制策略优化的同时，能够保证模式切换的平顺性与合理的模式切换频率。
-
公开(公告)号：CN108895157A
公开(公告)日：2018-11-27
申请号：CN201810606044.7
申请日：2018-06-12
Applicant: 东南大学
Abstract: 本发明涉及一种无人驾驶拖拉机自动换挡通用装置，包括安装在拖拉机座椅下方的纵向驱动装置以及安装在拖拉机右侧挡泥板侧面的横向驱动装置；纵向驱动装置包括套设在挡杆上的纵向矩形换挡框和纵向电动推杆，纵向矩形换挡框通过螺栓与纵向电动推杆自由端固联；横向驱动装置包括套设在挡杆上的横向矩形换挡框和横向电动推杆，横向矩形换挡框通过螺栓与横向电动推杆自由端固联；在纵向电动推杆自由端和横向电动推杆自由端上分别连接线性位移传感器自由端；纵向矩形换挡框与横向矩形换挡框由下至上且相互垂直套设在挡杆上；本发明实现了无人驾驶拖拉机自动换挡精确控制，稳定可靠，安装方便，不改变拖拉机原有结构，具有通用性。
-
Patent Agency Ranking
公开(公告)号：CN114882182B
公开(公告)日：2024-11-05
申请号：CN202210428195.4
申请日：2022-04-22
Applicant: 东南大学
IPC: G06T17/05 , G06V10/26 , G06V10/46 , G06V10/762
Abstract: 本发明公开了一种基于车路协同感知系统的语义地图构建方法，涉及智能驾驶技术领域，解决了无人驾驶技术中单车感知范围较小语义地图误差较大的技术问题，其技术方案要点是利用车路协同感知的思想将车端和路侧感知设备检测的交通参与者数据进行匹配融合；利用RangeNet++网络对点云进行语义分割，再通过LeGO‑LOAM算法建立点云地图。对道路全量交通参与者进行检测识别，不仅能够为单车实时构建点云语义地图，还能够融合各车的点云语义地图形成大范围的语义地图，供区域内行驶的所有车辆使用，有较好的应用前景，且该方法所构建的地图算法结构简单，语义信息丰富，建图范围大，误差小，且具有较强的鲁棒性。
-
公开(公告)号：CN114519847B
公开(公告)日：2024-10-01
申请号：CN202210037327.0
申请日：2022-01-13
Applicant: 东南大学
IPC: G06V20/54 , G06V20/56 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种适用于车路协同感知系统的目标一致性判别方法，包括以下步骤：步骤10)根据路端目标图像和车端目标图像，判断得到路端目标和车端目标的图像相似度；步骤20)根据路端目标X方向的位置信息、路端目标X方向的速度信息、路端目标Y方向的位置信息、路端目标Y方向的速度信息、车端目标X方向的位置信息、车端目标X方向的速度信息、车端目标Y方向的位置信息和车端目标Y方向的速度信息，判断得到路端目标和车端目标的位速相似度；步骤40)结合图像相似度和位速相似度，得到路端目标和车端目标的目标相似度。本发明适用于车路协同感知系统的目标一致性判别方法，能够得到路端感知目标和车端感知目标的目标相似度，得到的目标相似度精度高。
-
公开(公告)号：CN118644633A
公开(公告)日：2024-09-13
申请号：CN202410836709.9
申请日：2024-06-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于激光与视觉融合的高空大范围真实场景重建方法，涉及三维重建技术领域，解决了重建大范围场景容易失效且重建周期长的技术问题，其技术方案要点利用激光雷达和可见光相机的互补特性实时重建场景；利用可见光相机获取真实场景的纹理信息和视觉特征；利用激光雷达获取场景的空间结构信息；利用自适应注意力下采样获得稳定的骨干点；利用具有特征约束的自适应迭代优化方法估计稳健位姿。该算法在满足实时性的要求下，具有较高的准确性和鲁棒性，在机器人、三维重建领域有较好的应用前景。
-
公开(公告)号：CN116513214B
公开(公告)日：2024-07-23
申请号：CN202310438690.8
申请日：2023-04-23
Applicant: 东南大学
IPC: B60W50/00 , B60W30/02 , B60W30/165
Abstract: 本发明提供了一种基于滑模控制的车辆纵向跟随分层式控制系统及方法，基于滑模控制的车辆纵向跟随控制方法包括：建立车辆编队跟随的数学模型，采用前车跟随式信息流拓扑结构和固定车头时距跟车策略；建立车辆纵向动力学模型、发动机模型以及制动执行器模型；设计上下位控制器，上层控制负责实现车辆纵向间距误差的快速稳定收敛和期望加速度的计算；下层控制基于车辆纵向动力学模型，通过节气门开度和轮端制动压力的控制调整车辆的纵向运动状态，实现对期望加速度的稳定跟踪。本发明能有效保证车辆编队的稳定性，通过趋近律参数优化，削弱系统抖振并加快误差收敛，在保证良好控制效果的基础上减少了计算复杂度。
-
公开(公告)号：CN117152628A
公开(公告)日：2023-12-01
申请号：CN202311057880.1
申请日：2023-08-22
Applicant: 东南大学
IPC: G06V20/13 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09 , G06V10/766
Abstract: 本发明公开了一种基于多视角特征的三维目标检测方法，至少包括距离视角特征提取模块、逐点视角特征提取模块和鸟瞰视角特征提取模块，距离视角特征提取模块包括一条自底向上的传播路径、一条自顶向下的传播路径以及若干横向连接，用于从距离图中提取染色点云的特征；逐点视角特征提取模块包括四个三维卷积块，对特征再次进行特征提取，并从逐点视角进行降采样；鸟瞰视角特征提取模块输出两个尺寸为H/8×W/8×C的特征图，并按通道拼接，最终完成特征提取。本发明方法通过相机图像和激光雷达点云作为数据输入，以点云染色的形式完成数据级信息融合，在距离视角、逐点视角及鸟瞰视角进行特征提取，最终在基于鸟瞰视角中设置的锚框完成三维目标检测。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.017 seconds)
