-
公开(公告)号：CN119354208B
公开(公告)日：2025-04-18
申请号：CN202411463377.0
申请日：2024-10-18
Applicant: 东南大学
IPC: G01C21/28 , G06T7/73 , G06T5/70 , G06T7/10 , G06V10/77 , H04W4/02 , H04W4/40 , G01C21/16 , G01S17/86
Abstract: 本发明公开了一种基于LiDAR/IMU/UWB紧耦合里程计技术的车辆定位方法。该方法首先对原始点云数据进行预处理，包括点云畸变去除、地面和非地面点云分割，从而为LiDAR关键帧里程计的位姿估计与后续的点云建图提供了基础；进而，构建紧耦合模型，包括基于IMU预积分的模型和UWB距离观测的模型，并进行局部因子图优化，从而能在城市特征退化环境下为LiDAR关键帧里程计提供一个较为准确的位姿初值。最后，对LiDAR关键帧进行优化，根据局部优化后的位姿初值将静态边缘点云投影到世界坐标系下，并利用“边缘点—直线”构成的约束来进一步优化当前位姿。本方法在SLAM特征退化环境下具有良好的定位性能，能够实现更准确的车辆定位。
-
公开(公告)号：CN114821064B
公开(公告)日：2025-01-03
申请号：CN202210521072.5
申请日：2022-05-13
Applicant: 东南大学
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于多光谱图像融合的森林非结构化场景分割方法，该方法针对森林非结构化场景背景复杂、多光线和阴影干扰等情况，引入增强植被指数(EVI)数据，设计了并行双编码结构来提取RGB与EVI的特征，并在编码过程中形成多模态互补特征。此外，编码阶段还利用扩张卷积增加了网络的感受野，优化了特征提取过程。接着将解码特征与编码产生的融合特征二次融合，得到多光谱融合卷积神经网络，而后对该网络进行训练并输入RGB与EVI图像实现森林非结构化场景的语义分割。本发明有效解决了基于RGB图像的非结构化分割方法容易出现适应性差、误分割的问题，提高了森林非结构化场景语义分割的准确性和鲁棒性。
-
公开(公告)号：CN115257820B
公开(公告)日：2024-12-27
申请号：CN202211070542.7
申请日：2022-09-02
Applicant: 东南大学
IPC: B60W60/00 , B60W50/00 , G06F17/10 , G06N3/126 , G06N3/0464 , G06N3/084 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种面向开放干扰场景的营运车辆前向防撞驾驶决策方法。首先，提取人类驾驶员的安全驾驶行为，构建形成用于前向防撞驾驶决策学习的“类人”驾驶行为数据库。其次，利用行为克隆算法从“类人”驾驶行为数据库中学习前向防撞驾驶策略。最后，利用生成对抗模仿学习算法继续学习驾驶策略，得到具有高度类人水平的前向防撞驾驶策略。本发明提出的方法，能够模拟人类驾驶员的安全驾驶行为，且考虑了视觉盲区、突遇障碍物、不同行驶工况等因素对前向防撞决策的影响，输出加速、减速、转向等高级决策策略，实现了开放干扰场景下的营运车辆前向防撞驾驶决策。
-
公开(公告)号：CN118334348A
公开(公告)日：2024-07-12
申请号：CN202410596446.9
申请日：2024-05-14
Applicant: 东南大学
IPC: G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种面向复杂环境重叠目标的3D点云语义分割方法，该方法首先提取图像和点云的特征：对于图像2D特征，利用空洞率将卷积核扩大为宽大形感受野，将宽大形感受野的输出作为注意力模块的输入，使得网络更专注于特征图中的重叠目标；对于点云3D特征，采用稀疏卷积和U‑Net组成特征提取环节。接着，利用2D学习器将2D特征和3D特征融合，形成2D3D特征融合语义分割网络，得到每个点的融合语义分数和3D语义分数。最后，构建基于知识蒸馏的3D点云语义分割网络，对融合语义分数进行蒸馏得到包含丰富信息的软标签。3D点云语义分割网络本身具有结构简单、参数量小的特点，推理速度较快，同时该网络在经过融合语义分数蒸馏出的软标签训练后，又具有图像易于区分重叠目标的特点。本发明方法能够在复杂环境下实现重叠目标的快速、准确语义分割。
-
公开(公告)号：CN114567869B
公开(公告)日：2024-07-05
申请号：CN202210169668.3
申请日：2022-02-23
Applicant: 东南大学
Abstract: 本发明公开了一种基于FPGA的智能车路系统多目标测评装置及方法，首先建立测评装置与智能车路系统之间的通信连接，即测评装置可以获取RSU/OBU收到或发出的消息；然后利用FPGA设计计数器模块、车载端测评模块和路侧端测评模块，并使用外部PPS秒脉冲信号以及内部高速振荡器时钟源作为时钟基准，测量智能车路通信功能测评所需的时间相关基础参数；最后，实现多目标混合环境下的单目标通信时延、综合通信时延、单目标丢包率、综合丢包率等指标的准确、定量测评。本发明在智能车路系统的测评过程中无需统一路侧端及车载端的时钟基准，使用FPGA进行模块化设计，具有安装方便、成本低的特点，且可根据被测对象的特点进行接口和计数器位数修改，灵活性强。
-
Patent Agency Ranking
公开(公告)号：CN114407931B
公开(公告)日：2024-05-03
申请号：CN202210158758.2
申请日：2022-02-21
Applicant: 东南大学
Abstract: 本发明公开了一种高度类人的自动驾驶营运车辆安全驾驶决策方法。首先，进行典型交通场景下驾驶行为的多源信息同步采集，构建表征优秀驾驶员驾驶行为的专家轨迹数据集。其次，综合考虑前向碰撞、后向碰撞、侧向碰撞、车辆侧倾稳定性和驾驶平顺性等因素对行车安全的影响，利用生成对抗模仿学习算法模拟优秀驾驶员的驾驶行为，分别采用近段策略优化算法和深度神经网络构建生成器和判别器，进而建立具有高度类人水平的安全驾驶决策模型。最后，对安全驾驶决策模型进行训练，得到不同行驶工况下的安全驾驶策略。本发明能够模拟人类优秀驾驶员的驾驶意图，为自动驾驶营运车辆提供更加合理、安全的驾驶策略，可以有效保障自动驾驶营运车辆的行车安全。
-
公开(公告)号：CN117539242A
公开(公告)日：2024-02-09
申请号：CN202311362621.X
申请日：2023-10-19
Applicant: 东南大学
IPC: G05D1/43 , G05D1/246 , G05D1/633 , G05D1/644 , G05D105/22
Abstract: 针对当前路径规划算法无法满足长距离自主规划的需求，本发明公开了一种融合全局平滑规划的局部路径动态规划方法。无人车根据任务解析得到需经过的全局路径点，结合事先构造的拓扑地图，初步得到一条全局路径，该路径经过三次样条插值处理，使得路径平滑程度满足车辆动力学要求，随后参考全局路径，融合高精定位信息和实时障碍物检测结果，在局部路径规划时使用考虑全局信息权重的DWA算法，完成实时局部动态路径规划与决策，当局部规划决策算法发现无可行路线时，更新拓扑地图关系并重规划全局参考路线，使得局部规划算法能够重新寻找到局部最优路径。
-
公开(公告)号：CN117274305A
公开(公告)日：2023-12-22
申请号：CN202311181049.7
申请日：2023-09-13
Applicant: 东南大学
Abstract: 本发明涉及一种基于路侧摄像头的道路抛洒物检测方法，该方法的核心在于，针对传统高斯混合模型背景建模方法对大尺度目标的建模精度问题，基于图像金字塔和自适应背景差法，设计了一种多尺度自适应道路背景建模方法，提高了原有方法在不同视频分辨率下的背景建模精度，另一方面，针对抛洒物视觉特征识别准确率不足的问题，基于视觉特征与运动特征，构建了抛洒物多层级特征筛选方法。本发明所设计的方案具有较强的尺度适应性和环境适应性，能够有效降低抛洒物误报、漏报率，提升抛洒物视觉检测系统的检测精度。
-
公开(公告)号：CN117169861A
公开(公告)日：2023-12-05
申请号：CN202311141363.2
申请日：2023-09-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于主动特征与移动中继的路侧多激光雷达配准方法，首先布置所有激光雷达位点与公共区域的主动几何特征形状标记，其次以多个激光雷达点云以及GPS时间戳数据作为输入，经过预处理后划定包含主动特征的待配准区域；再通过区域正态分布变换获取源点云与目标点云之间的粗配准参数，拟合两个待配准点云之间的主动几何特征空间表示方程，求解两个激光雷达坐标之间的强相关特征，即公共关键点；借助关键特征点对，基于最近点匹配算法应用奇异值分解求解两个激光雷达点位之间精确的位姿参数，从而对每个相邻的激光雷达点云重复相同的配准操作，获取相邻路侧点位的位姿变换参数，最终将整个隧道场景进行高精度全局坐标整合，精准度更高。
-
公开(公告)号：CN116578115A
公开(公告)日：2023-08-11
申请号：CN202310553289.9
申请日：2023-05-16
Applicant: 东南大学
IPC: G05D1/10
Abstract: 本发明公开了一种适应纹理退化环境的语义感知快速拓展随机树(RRT)路径规划方法，该方法首先获取视觉导航的RGB图像和深度图像；接着对输入的RGB图像进行语义分割，并采用模糊评价方法为不同的语义类赋予不同权重值，将语义掩码图像与深度图像建立的占据栅格地图结合，从而生成规划所需的信息地图；随后在信息地图上进行启发式采样，选取信息增益较大的节点作为树结构中的节点，并对其进行连接和拓展。该方法利用语义信息引导无人机往特征丰富场景飞行，能够解决在使用RRT方法做路径搜索时，无人机飞往环境纹理退化的区域，而出现视觉定位漂移的问题。使用本发明提出的方法能够使无人机更加安全且高效的到达预定的目标点。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.026 seconds)
