公开(公告)号：CN113740871A

公开(公告)日：2021-12-03

申请号：CN202110872830.3

申请日：2021-07-30

Applicant: 西安交通大学

Inventor： 孙宏滨 ,  钱成龙 ,  张旭翀 ,  张敬敏 ,  杨彦龙

IPC: G01S17/86 ,  G01S17/89 ,  G01S17/931 ,  G01C21/16

Abstract: 本发明公开了一种在高动态环境下的激光SLAM方法、系统设备及存储介质，包括如下过程：使用IMU的预积分里程计来获得SLAM系统的初始状态估计；分别将当前激光点云和局部点云地图按照SLAM系统的定位误差所确定的分辨率投影为距离图像；比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点；将当前激光点云和局部点云地图进行点云匹配，获得SLAM系统的状态估计；判断点云匹配是否收敛；若点云匹配收敛，将获得的SLAM系统的状态估计作为最终的SLAM系统的状态估计；若点云匹配不收敛，重复进行所述距离图像获取、去除代表移动物体的点、点云匹配和收敛性判断的过程，直至点云匹配收敛。本发明能够同时提高动态点的去除率和SLAM的精度。

公开(公告)号：CN117094459B

公开(公告)日：2025-03-11

申请号：CN202311081487.6

申请日：2023-08-25

Applicant: 西安交通大学

Inventor： 孙宏滨 ,  陈黎明 ,  陈炜煌 ,  冀皓煊 ,  杨彦龙 ,  张敬敏

IPC: G06Q10/047 ,  B60W60/00 ,  G06Q50/40 ,  G06N3/09 ,  G06N3/045 ,  G06N3/0499

Abstract: 本发明公开了一种基于安全轨迹树网络的运动规划方法，包括：通过TTNET网络生成能够表示所有交通参与者的离散化可行空间的轨迹树；通过多层感知器MLP编码得到深度特征编码，自动驾驶汽车及其周围交通参与者的边界框特征和局部参考线的深度特征编码；这些深度特征编码之间经过级联后被送入空间Transformer编码器中，经过充分的特征融合，输出整体交互编码；将整体交互编码输入轨迹预测辅助与安全轨迹树网络模型，输出最终的运动规划轨迹。相较于现有方法，TTNET网络在CARLA Town05闭环测试基准上的驾驶分数提高了8.3％，路线完成度上提高了39.2％；在CARLA Longest6基准上，TTNET网络的遵守交通规则的分数提高了10.6％。同时，TTNET网络还具有至少28赫兹的推理速度，比最好的方法快了1.5倍。

公开(公告)号：CN113740871B

公开(公告)日：2024-04-02

申请号：CN202110872830.3

申请日：2021-07-30

Applicant: 西安交通大学

Inventor： 孙宏滨 ,  钱成龙 ,  张旭翀 ,  张敬敏 ,  杨彦龙

IPC: G01S17/86 ,  G01S17/89 ,  G01S17/931 ,  G01C21/16

Abstract: 本发明公开了一种在高动态环境下的激光SLAM方法、系统设备及存储介质，包括如下过程：使用IMU的预积分里程计来获得SLAM系统的初始状态估计；分别将当前激光点云和局部点云地图按照SLAM系统的定位误差所确定的分辨率投影为距离图像；比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点；将当前激光点云和局部点云地图进行点云匹配，获得SLAM系统的状态估计；判断点云匹配是否收敛；若点云匹配收敛，将获得的SLAM系统的状态估计作为最终的SLAM系统的状态估计；若点云匹配不收敛，重复进行所述距离图像获取、去除代表移动物体的点、点云匹配和收敛性判断的过程，直至点云匹配收敛。本发明能够同时提高动态点的去除率和SLAM的精度。

公开(公告)号：CN117094459A

公开(公告)日：2023-11-21

申请号：CN202311081487.6

申请日：2023-08-25

Applicant: 西安交通大学

Inventor： 孙宏滨 ,  陈黎明 ,  陈炜煌 ,  冀皓煊 ,  杨彦龙 ,  张敬敏

IPC: G06Q10/047 ,  B60W60/00 ,  G06Q50/30 ,  G06N3/09 ,  G06N3/045 ,  G06N3/0499

Abstract: 本发明公开了一种基于安全轨迹树网络的运动规划方法，包括：通过TTNET网络生成能够表示所有交通参与者的离散化可行空间的轨迹树；通过多层感知器MLP编码得到深度特征编码，自动驾驶汽车及其周围交通参与者的边界框特征和局部参考线的深度特征编码；这些深度特征编码之间经过级联后被送入空间Transformer编码器中，经过充分的特征融合，输出整体交互编码；将整体交互编码输入轨迹预测辅助与安全轨迹树网络模型，输出最终的运动规划轨迹。相较于现有方法，TTNET网络在CARLA Town05闭环测试基准上的驾驶分数提高了8.3％，路线完成度上提高了39.2％；在CARLA Longest6基准上，TTNET网络的遵守交通规则的分数提高了10.6％。同时，TTNET网络还具有至少28赫兹的推理速度，比最好的方法快了1.5倍。