-
公开(公告)号：CN113050074A
公开(公告)日：2021-06-29
申请号：CN202110280532.5
申请日：2021-03-16
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种无人驾驶环境感知中相机与激光雷达标定系统及标定方法，基于一种定制标定板的传感器系统，分别对相机和激光雷达所采集的数据进行处理，得到两传感器各自坐标下标定板上镂空圆圆心的三维坐标，再基于改进的ICP(迭代最近点)算法对两组点集进行配准，解算相机与激光雷达之间的相对位姿关系，得到标定结果。本发明提供一种无人驾驶环境感知中相机与激光雷达标定系统及算法，其通过改进的算法使得软件系统或者算法具有较强的鲁棒性，提升了标定精度，为相机与激光雷达数据融合做准备。
-
公开(公告)号：CN112115889B
公开(公告)日：2022-08-30
申请号：CN202011007965.5
申请日：2020-09-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于视觉的智能车运动目标检测方法，包括：步骤一，基于立体匹配算法对相机采集到的道路图像生成对应的原视差图像，以构建相应的U‑V视差图像；步骤二，基于U‑V视差图像得到与车辆可行驶区域相关的预处理图像；步骤三，基于预处理图像生成与道路上潜在运动相关的感兴趣区，以作为潜在的障碍物目标；步骤四，结合光流和相机自运动属性对障碍物的运动属性进行判断。本发明提供一种基于视觉的智能车运动目标检测方法，通过融合光流和立体视觉计算目标运动的可能性，结合可行使区域检测结果，能有效降低车辆行驶前方中运动目标的误检率。
-
公开(公告)号：CN113160117A
公开(公告)日：2021-07-23
申请号：CN202110154147.6
申请日：2021-02-04
Applicant: 成都信息工程大学
Abstract: 本发明提供一种自动驾驶场景下的三维点云目标检测方法，方法包括：将接收的点云数据划分到大小相同的三维网格中，构造局部邻域图，经过图神经网络获得高维度的点的特征，拼接多个维度的点的特征，再选择每个网格中最具有代表性的点的特征映射到伪图像上构成特征图；将特征图送入骨干网络后拼接得到多层次的特征图；在多层次特征图上生成多个锚框，将锚框与人工标注的真值框通过在鸟瞰图中的交并比进行匹配，根据预设阈值划分为正、负样本，将其输入卷积神经网络计算损失，对损失函数进行优化，最终得到物体的朝向信息、位置信息和所属类别。该方法能提高中、小型物体的检测准确率。
-
公开(公告)号：CN112381284B
公开(公告)日：2023-12-01
申请号：CN202011254308.0
申请日：2020-11-11
Applicant: 成都信息工程大学
IPC: G06Q10/047 , G06N3/126
Abstract: 本发明公开了一种无人接驳车多站点路径优化的改进遗传算法，基于无人接驳车的多个站点进行抽象地图的构建，并采用改进的遗传算法对抽象地图进行路径规划；其中，所述抽象地图的构建方式在于通过选取多个站点中的任意一个站点作为基准，把站点与站点之间的最短实际距离转化为欧式距离并进行地形加权得到真实代价之后逐一进行排列，逐个设置坐标得到最终的抽象地图。本发明提供一种无人接驳车多站点路径优化的改进遗传算法，其采用对复杂地图进行抽象地图构建，配合对应的改进遗传算法对抽象地图进行路径规划，具有更好的适应性。
-
公开(公告)号：CN114140452A
公开(公告)日：2022-03-04
申请号：CN202111486276.1
申请日：2021-12-07
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于RGB‑D深度相机的低矮凸起障碍物、路面坑洼检测方法，包括：对RGB‑D深度相机的原始点云进行预处理以得到对应的平面点云，从平面点云中提取凸起低矮障碍物点云，并将提取的凸起低矮障碍物点云投影到平面模型参数平面上，对模型参数平面上的凸起低矮障碍物点云进行降采样、凸包分割，将凸包变换到/map坐标系下并发布，对投影后的凸起低矮障碍物点云合并到地平面点云以形成新平面点云，将新平面点云变换到base_footprint下转成地平面二维栅格地图，将地平面二维栅格地图进行Fake伪坑洞滤波，边缘提取方法CV对坑洞进行提取。本发明提供一种基于RGB‑D深度相机的低矮凸起障碍物、路面坑洼检测方法，可同时检测到地面上的低矮凸起障碍物、坑洼，提高了安全性。
-
Patent Agency Ranking
公开(公告)号：CN113920163A
公开(公告)日：2022-01-11
申请号：CN202111176760.4
申请日：2021-10-09
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于传统和深度学习结合的运动目标检测方法，包括：步骤一，采用实例分割算法对双目相机采集的道路图像相邻帧进行检测，以将各图像划分为潜在运动目标区域和静止区域；步骤二，分别对各图像中的潜在运动目标区域、静止区域进行特征点提取与匹配；步骤三，基于相机自运动参数确定运动补偿，通过计算重投影误差以对运动状态判断，以基于判断结果完成对图像中运动目标进行标记。本发明公开一种基于传统和深度学习结合的运动目标检测方法，能有效提高算法实时性，同时通过提高自运动参数估计的精度提升检测精度。
-
公开(公告)号：CN113920163B
公开(公告)日：2024-06-11
申请号：CN202111176760.4
申请日：2021-10-09
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于传统和深度学习结合的运动目标检测方法，包括：步骤一，采用实例分割算法对双目相机采集的道路图像相邻帧进行检测，以将各图像划分为潜在运动目标区域和静止区域；步骤二，分别对各图像中的潜在运动目标区域、静止区域进行特征点提取与匹配；步骤三，基于相机自运动参数确定运动补偿，通过计算重投影误差以对运动状态判断，以基于判断结果完成对图像中运动目标进行标记。本发明公开一种基于传统和深度学习结合的运动目标检测方法，能有效提高算法实时性，同时通过提高自运动参数估计的精度提升检测精度。
-
公开(公告)号：CN114119940A
公开(公告)日：2022-03-01
申请号：CN202111488317.0
申请日：2021-12-07
Applicant: 成都信息工程大学
IPC: G06T19/20
Abstract: 本发明公开了一种基于RANSAC和角点提取的障碍物点云凸包分割方法，包括：对障碍物点云进行至少一次降采样、降维处理，以得到预处理后的二维点云；对二维点云进行多次RANSAC直线点云提取以及欧式聚类，遍历欧式聚类得到的各个点云，进行角点提取；根据二维点云的角点确定重心，同时确定各角点的极角，并根据角点对应的极角对角点进行顺/逆时针排序；遍历排序好的角点，进行凹点判断并发布二维凸包，直至所有角点遍历完；根据凹凸点进行凸包分割。本发明提供一种基于RANSAC和角点提取的障碍物点云凸包分割方法，本发明基于RANSAC算法和角点提取使二维凸包包裹面积更接近于障碍物实际面积，增加机器人可行驶区域。
-
公开(公告)号：CN112381284A
公开(公告)日：2021-02-19
申请号：CN202011254308.0
申请日：2020-11-11
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种无人接驳车多站点路径优化的改进遗传算法，基于无人接驳车的多个站点进行抽象地图的构建，并采用改进的遗传算法对抽象地图进行路径规划；其中，所述抽象地图的构建方式在于通过选取多个站点中的任意一个站点作为基准，把站点与站点之间的最短实际距离转化为欧式距离并进行地形加权得到真实代价之后逐一进行排列，逐个设置坐标得到最终的抽象地图。本发明提供一种无人接驳车多站点路径优化的改进遗传算法，其采用对复杂地图进行抽象地图构建，配合对应的改进遗传算法对抽象地图进行路径规划，具有更好的适应性。
-
公开(公告)号：CN112115889A
公开(公告)日：2020-12-22
申请号：CN202011007965.5
申请日：2020-09-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于视觉的智能车运动目标检测方法，包括：步骤一，基于立体匹配算法对相机采集到的道路图像生成对应的原视差图像，以构建相应的U‑V视差图像；步骤二，基于U‑V视差图像得到与车辆可行驶区域相关的预处理图像；步骤三，基于预处理图像生成与道路上潜在运动相关的感兴趣区，以作为潜在的障碍物目标；步骤四，结合光流和相机自运动属性对障碍物的运动属性进行判断。本发明提供一种基于视觉的智能车运动目标检测方法，通过融合光流和立体视觉计算目标运动的可能性，结合可行使区域检测结果，能有效降低车辆行驶前方中运动目标的误检率。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.032 seconds)
