-
公开(公告)号：CN109017793A
公开(公告)日：2018-12-18
申请号：CN201810831398.1
申请日：2018-07-26
Applicant: 中南大学
Abstract: 本发明公开了一种基于前后轴融合参考的自主招车导航及控制方法，包括以下步骤：步骤一，获取停车场布局、车辆停车位置及驾驶员在停车场中的位置，建立世界坐标系，用Dubins曲线规划出从车辆停车的位置到驾驶员所在的位置的全局路径；步骤二，在车辆坐标系下，根据规划的全局路径，采用基于车辆前后轴融合参考控制方法计算车辆前轮偏角；步骤三，按照根据期望车辆前轮偏角，控制车辆前轮转动并移动车辆；步骤四，更新车辆位置，如果到达驾驶员所在的位置，则自主招车结束，否则重复步骤二、三。本发明基于前后轴融合参考的自主招车导航及控制方法，能够极大的增加对车辆特别是轴距较长的车辆的控制精度，极大提高车辆的控制效果。
-
公开(公告)号：CN106126888B
公开(公告)日：2018-07-06
申请号：CN201610430812.9
申请日：2016-06-16
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于自组织编队行为的集群机器人轨迹跟踪方法，包括以下几个步骤：步骤1：从控制器向机器人个体发送路径信息；步骤2：将由多个单体机器人组成的指定六边形结构排放在指定的路径起点，并初始化路径信息；步骤3：根据从控制器接收到的路径信息、六边形结构内其他单体机器人传输信息、状态和梯度对单体机器人的运动状态进行控制，从而实现对群机器人运动和编队的周期控制；步骤4：到达终点，系统陷入死锁状态，程序停止运行，控制结束。该基于自组织编队行为的群集机器人轨迹跟踪方法，面向微小型群集机器人，对机器人硬件的要求低，硬件方面只需要红外传感器，计算能力较弱的处理器和电机。
-
公开(公告)号：CN114526739B
公开(公告)日：2024-05-07
申请号：CN202210085351.1
申请日：2022-01-25
Applicant: 中南大学
Abstract: 本发明公开了一种移动机器人室内重定位方法、计算机装置及产品，基于几何特征匹配的位姿变换关系求解进行建图定位，并对关键帧点云和关键帧位姿进行存储；对关键帧点云进行几何特征与拓扑语义特征提取，并基于建图时保留的关键帧位姿进行地图拼接，得到几何‑拓扑语义特征地图；获取移动机器人当前位置感知点云数据并构建拓扑语义地图，与全局几何‑拓扑语义地图基于三角拓扑结构进行相似度分析进行特征匹配，并完成重定位过程的位姿粗估计；基于已知匹配关系的几何特征求解非线性最优化问题来完成移动机器人的位姿精估计。本发明解决了室内场景中无卫星信号，移动机器人在地图任意位置启动的位姿获取问题。
-
公开(公告)号：CN114527753A
公开(公告)日：2022-05-24
申请号：CN202210098967.2
申请日：2022-01-25
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种人机共融的楼宇间路径规划方法、计算机装置及程序产品，通过机载激光雷达采集到的环境信息构建三维栅格地图，并基于行人与机器人运动特征的差异进行二维投影，分别生成面向行人和面向机器人的二维栅格地图，并依据面向机器人的二维栅格地图采用AMCL算法得到机器人的全局定位信息；行人预测模块通过对面向行人的二维栅格地图采用A*算法生成一条带有时间信息的、可跨越低矮障碍物等特殊环境的全局路径，并将该全局路径输入至路径规划模块；路径规划模块分为全局规划与局部规划，其中全局规划根据得到的机器人位置信息、目标位置信息以及行人路径信息生成一条基于行人预测与时空一致性约束的全局路径。本发明实现了全智能导航。
-
公开(公告)号：CN112527000B
公开(公告)日：2021-10-26
申请号：CN202011557897.X
申请日：2020-12-23
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种矿井下智能驾驶的局部路径规划方法及系统，步骤1：车载激光雷达检测矿井内特征信标，若存在特征信标，说明矿车即将进入弯道，进入步骤2，否则，说明矿车仍在直行阶段，进入步骤3；步骤2：提取特征信标与矿车之间角度及距离信息，根据信标在全局坐标系下的安装位置计算矿车位置，实现导航定位误差校正，进入步骤4；步骤3：在直道与弯道切接口，根据矿车反馈的车身与反应式规划路径的控制误差，调整反应式规划路径的横向偏移，实现入弯前矿车的横向控制校正；步骤4：矿车进入弯道后根据信标提示的转弯方向，生成矿车弯道期望路径。本发明能实现无人矿车在地下矿井的反应式局部路径规划与轨迹生成。
-
Patent Agency Ranking
公开(公告)号：CN111506081A
公开(公告)日：2020-08-07
申请号：CN202010410198.6
申请日：2020-05-15
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种机器人轨迹跟踪方法、系统及存储介质，将轨迹优化和控制融合到一起，更好的保证机器人进行轨迹跟踪的可行性。机器人穿越稠密障碍物时，本发明采用自适应的权重，根据差动机器人当前位置同障碍物间的最短距离相应调整目标函数中的权值，从而使得机器人在进行轨迹跟踪时能兼顾安全性、运行速度，改善障碍物区域的轨迹跟踪性能。本发明通过将避障约束放到目标函数中，将其转化为软约束，通过在容许控制空间中采样的方式寻找到最优控制输入，解决了非凸的优化问题，同时，通过动态调整权重的方式提高了移动机器人避障性能。
-
公开(公告)号：CN110598534A
公开(公告)日：2019-12-20
申请号：CN201910699779.3
申请日：2019-07-31
Applicant: 中南大学
Abstract: 本发明公开了一种融合点线记忆信息的仿生视觉图像目标识别方法，构建基于视觉驱动的网格细胞集，构建距离细胞模型，计算由网格细胞群体矢量编码的位置之间的位移矢量；通过高斯核计算所有感觉神经元对每一个中心凹像素k的反应，用于目标识别；使用高斯核感觉细胞对当前目标图像中心凹进行计算，响应最强的特征标签单元作为下一个跳视点，所对应的刺激身份细胞进行累加；选择下一跳视点，通过距离细胞模型更新中心凹位移矢量；循环重复目标识别过程中当前位置的计算、选择下一跳视点、矢量计算，直到某一个刺激身份细胞累加达到阈值0.9，那么则认为该刺激身份为最终识别到的目标。本发明对位置变化、缩放、被遮挡的图像有较高识别率。
-
公开(公告)号：CN107264531B
公开(公告)日：2019-07-12
申请号：CN201710427932.8
申请日：2017-06-08
Applicant: 中南大学
IPC: B60W30/18 , B60W30/08 , B60W40/02 , B60W40/105
Abstract: 本发明公开了一种半结构化环境中智能车辆自主换道超车运动规划方法，包括以下步骤：步骤一，确定车辆所处的当前行驶状态；步骤二，采用基于GPS与车道线融合的换道路径规划方法规划超车换道轨迹向左换道；步骤三，确定超车换道预瞄点坐标，更新超车换道轨迹；步骤四，向左换道结束后，依据设定超车速度和时间进行超车；步骤五，按照步骤二所述方法向右回道；步骤六，确定超车回道预瞄点坐标，更新超车回道轨迹；步骤七，向右回道结束后，按照设定的直行速度开始直行。采用基于GPS与车道线融合的变道路径规划方法，具有较好的容错能力和鲁棒性，在变道过程中动态更新变道点，使车辆能够更好的避开动静态障碍物，顺利驶入相邻车道。
-
公开(公告)号：CN106840178B
公开(公告)日：2019-05-03
申请号：CN201710052644.9
申请日：2017-01-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于ArcGIS的地图创建与智能车辆自主导航方法及系统，该方法包括以下几个步骤，步骤1：使用设备获取需导航区域的经纬度信息；步骤2：使用ArcGIS工具创建绘制二维矢量地图及岔路口路段文本文件；步骤3：使用路径规划工具获取最短路径，从路径中提取轨迹；步骤4：对轨迹进行坐标系转换；在进行自主导航时，使用5米插值算法，得到的路径点很平滑，增加路经点数目，提高该路段的路径精度，确保行驶平稳；同时路径搜索在时间上没有明显增加；该方法能保证在使用同样复杂度的地图时，为智能车自主导航提供更精确更密集的轨迹跟踪点，并且把轨迹点转化为智能车坐标系下的坐标，降低了曲线拟合的难度。
-
公开(公告)号：CN107909059A
公开(公告)日：2018-04-13
申请号：CN201711243013.1
申请日：2017-11-30
Applicant: 中南大学
CPC classification number: G06K9/00818 , G06K9/3233 , G06K9/4604 , G06K9/4671 , G06K9/6218 , G06T7/13 , G06T7/187
Abstract: 本发明公开了一种面向复杂城市场景中协同仿生视觉的交通标志牌检测与识别方法，包括以下步骤：步骤A：获取连续场景中的多幅待检测图像；步骤B：获取待检测图像集的聚类协同图；步骤C：获取每幅待检测图像的注意力显著图；步骤D：获得每幅待检测图像对应的协同显著图；步骤E：进行标志牌ROI区域的定位；步骤F：对标志牌ROI区域采用前向通道进行两级生物启发变换；步骤H：利用特征变换图与数据库中预存的交通标志牌模板图像进行Pearson相关性计算，完成对待检测图像的识别。该方法模拟了人类大脑对目标的视觉处理步骤，集成了自底向上和自顶向下的视觉处理过程。考虑全局图像的协同性，使得图像定位准确且具有较强鲁棒性识别。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.028 seconds)
