公开(公告)号：CN114519277B

公开(公告)日：2025-05-09

申请号：CN202210180824.6

申请日：2022-02-25

Applicant: 同济大学

Inventor： 赵君峤 ,  毕晓栋 ,  叶晨 ,  杜嘉文 ,  王胜坤

IPC: G06F30/20 ,  G06F17/11 ,  G06T3/4007 ,  G06F111/04

Abstract: 本发明公开了一种基于GPU加速的无人驾驶多激光雷达协同仿真方法，具有这样的特征，包括以下步骤：步骤1，获取车辆初始位置的激光雷达的深度信息，并转化为对应激光雷达的点云输出，得到初始位置激光雷达的深度信息和点云；步骤2，基于车辆的最新位置，使用GPU生成环绕车辆的深度图；步骤3，基于深度图构造优化损失函数和优化问题；步骤4，简化优化损失函数；步骤5，求出优化问题的最优解；步骤6，根据最优解判断优化损失函数是否达到优化阈值；步骤7，将激光雷达的深度信息转化为对应的点云。

公开(公告)号：CN114519277A

公开(公告)日：2022-05-20

申请号：CN202210180824.6

申请日：2022-02-25

Applicant: 同济大学

Inventor： 赵君峤 ,  毕晓栋 ,  叶晨 ,  杜嘉文 ,  王胜坤

IPC: G06F30/20 ,  G06F17/11 ,  G06T3/40 ,  G06F111/04

Abstract: 本发明公开了一种基于GPU加速的无人驾驶多激光雷达协同仿真方法，具有这样的特征，包括以下步骤：步骤1，获取车辆初始位置的激光雷达的深度信息，并转化为对应激光雷达的点云输出，得到初始位置激光雷达的深度信息和点云；步骤2，基于车辆的最新位置，使用GPU生成环绕车辆的深度图；步骤3，基于深度图构造优化损失函数和优化问题；步骤4，简化优化损失函数；步骤5，求出优化问题的最优解；步骤6，根据最优解判断优化损失函数是否达到优化阈值；步骤7，将激光雷达的深度信息转化为对应的点云。