一种基于图像差分和粒子滤波的动态场景RGB-D SLAM方法

    公开(公告)号:CN119399502A

    公开(公告)日:2025-02-07

    申请号:CN202411444231.1

    申请日:2024-10-16

    Abstract: 本发明涉及自主导航下的视觉SLAM技术领域,且公开了一种基于图像差分和粒子滤波的动态场景RGB‑D SLAM方法,首先,基于FAST特征和BRIEF描述子的视觉SLAM匹配特征点,引入PROSAC算法进行匹配优化。其次,基于优化的匹配点集计算基础矩阵,将前一帧RGB图像重投影到当前图像,通过差分两张图像来粗略检测物体运动。再次,基于粒子滤波跟踪以增强物体运动检测,具体的,将差分图像信息用作粒子滤波的测量信息,更新粒子的权重,从而优化移动对象位置估计。在每次迭代中,计算移动对象位置的MAP估计。进而,通过矢量量化深度图来进一步优化检测结果,以精确地分割移动对象。最后,通过移除位于分割区域中的特征,为实现相机精确自运动估计,以及有效建图提供基础。

    一种基于仿射信息的动态环境下实时视觉SLAM方法

    公开(公告)号:CN117671505A

    公开(公告)日:2024-03-08

    申请号:CN202311710990.3

    申请日:2023-12-13

    Abstract: 一种基于仿射信息的动态环境下实时视觉SLAM方法,包括:S1、根据图像采集传感器的输出特征,构建基于匹配点间仿射关系的仿射一致性约束条件;S2、逐帧解析图像采集传感器采集到的实时图像,基于当前帧生成实际匹配点集;S3、通过仿射一致性约束条件检测实际匹配点集中的异常点得到异常占比,根据异常占比设置语义分割先验值;S4、若前一帧对应的语义分割先验值达到预设的识别阈值,则将当前帧作为关键帧,利用实时语义分割模型从关键帧中提取出动态对象;S5、基于异常点的信息和动态对象更新地图;S6、基于关键帧的选择结果和动态对象实时建图。本发明能够解决现有技术中的vSLAM在动态环境下定位速度慢、定位精度低以及建图效果差的问题不足。

    一种玻璃屏内表面智能自控清洁系统及其方法

    公开(公告)号:CN117463736A

    公开(公告)日:2024-01-30

    申请号:CN202311525861.7

    申请日:2023-11-16

    Abstract: 本发明提供一种玻璃屏内表面智能自控清洁系统,包括传输机构、清理机构、旋升机构和同步驱动机构,旋升机构的升降旋转台通过旋转支撑和升降机构与固定座连接,在升降旋转台上侧分别安装有面传输带和吸盘,面传输带的前后端分别与相邻传输机构相互衔接,在旋转支撑的一侧连接旋转驱动机构,在旋升机构的一侧设置有清理机构,清理机构和旋升机构之间通过同步驱动机构实现同步连贯性往复动作。本发明为智能一体化设备,降低了人工干预,提高了工作效率,通过纵向和横向擦拭能够实现对玻璃屏的全面清洁,提升了清洁效果,优化联动设计,减少了设备数量,降低了成本。

    一种转弯机动下的多星凸型扩展目标跟踪方法

    公开(公告)号:CN113030940B

    公开(公告)日:2023-11-17

    申请号:CN202110164218.0

    申请日:2021-02-05

    Abstract: 本发明涉及一种转弯机动下的多星凸型扩展目标跟踪方法,通过调整基于随机超曲面的ET‑GM‑PHD滤波器以及交互型多模型方法的步骤,将基于随机超曲面的ET‑GM‑PHD滤波器作为模型条件滤波器嵌入到交互型多模型框架中,得到适用于扩展目标的模型概率更新公式以及模型概率的合并步骤,并充分考虑形态参数的几何意义,提出适用于星凸型扩展目标的形态参数合并步骤,有效处理了多星凸型扩展目标的机动模型不确定性,极大地提高了多星凸型扩展目标在复杂机动行为下的扩展形态估计性能,准确地实现了在杂波以及漏检情况下多机动星凸型扩展目标个数、质心动态以及扩展形态的联合估计。

    一种基于安全强化学习的跟车能量管理方法

    公开(公告)号:CN116729352A

    公开(公告)日:2023-09-12

    申请号:CN202310578257.4

    申请日:2023-05-22

    Abstract: 本发明涉及燃料电池混合动力汽车设计领域,尤其涉及一种基于安全强化学习的跟车能量管理方法,首先建立跟车场景下被控车辆动力学模型、燃料电池和锂电池经验老化模型,其次以被控车辆本身为环境,利用双延迟深度确定策略梯度算法设计基于多智能体的分层强化学习跟车能量管理框架,实现车辆外部运动控制和内部动力系统能量管理的协同优化。本发明建立跟车场景下被控车辆动力学模型、燃料电池和锂电池经验老化模型,获取不同采样时刻下实际车间距、车辆速度、燃料电池SoH和锂电池SoH,根据所获状态信息,以被控车辆本身为环境,利用TD3设计基于多智能体的分层强化学习跟车能量管理框架,实现车辆外部运动控制和内部动力系统能量管理的协同优化。

Patent Agency Ranking