-
公开(公告)号：CN119148163B
公开(公告)日：2025-03-11
申请号：CN202411629301.0
申请日：2024-11-15
Applicant: 北京理工大学
IPC: G01S17/931 , G01S17/42 , G01S17/88 , G06V20/58 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/092
Abstract: 本申请公开了一种无人车在未知环境下的自主导航方法、设备及介质，涉及无人驾驶技术领域，对当前时刻的三维点云数据进行处理，得到当前时刻的无人车位姿和周围环境信息，以目标点位姿以及当前时刻的无人车位姿和周围环境信息作为输入，利用训练好的强化学习模型确定当前时刻的无人车速度，无人车速度包括线速度和角速度，控制无人车按照当前时刻的无人车速度运动，直至无人车到达目标点，本申请引入训练好的强化学习模型，能够基于样本经验来确定无人车速度，不需要人工调整参数，可解决无人车在未知环境下自主导航时需要进行大量参数调整的问题，提高无人车在未知环境中的适应性，避免给开发过程带来大量的人力、物力负担。
-
公开(公告)号：CN114440901A
公开(公告)日：2022-05-06
申请号：CN202011236206.6
申请日：2020-11-05
Applicant: 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)科技有限公司 , 北京理工大学
IPC: G01C21/32
Abstract: 本发明基于栅格地图、拓扑地图以及几何特征地图各自的优缺点，汲取各种地图模型的优点，提出了一种可同时服务于位姿估计以及无人车辆导航的全局混合地图模型。全局混合地图主要由子地图节点以及子地图节点间连通关系构成。子地图节点中的地图数据包括三维概率特征子地图、三维概率栅格子地图以及可通行区域。三维概率特征子地图以及三维概率栅格子地图采用基于顺序存储结构和树形结构的混合数据结构进行数据组织，以提高其数据更新的实时性，并通过概率滤波提高了子地图对于系统噪声的鲁棒性。三维概率特征子地图以及三维概率栅格子地图共同与点云匹配进行位姿估计。基于三维概率栅格子地图提取用于无人车辆导航的可通行区域。
-
公开(公告)号：CN114155501A
公开(公告)日：2022-03-08
申请号：CN202111465540.3
申请日：2021-12-03
Applicant: 北京理工大学
IPC: G06V20/56 , G06V10/20 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G01S13/931 , G06T7/80
Abstract: 本发明公开的一种无人车在烟雾遮挡环境下的目标检测方法，属于无人车辆感知领域。本发明基于红外相机和毫米波雷达联合标定方法，通过毫米波雷达有效性检验方法滤除大量无效目标，通过安全边界的图像感兴趣区域提取方法缩小图像检测范围，融合红外图像检测方法得到无人车辆前方目标的位置和速度。本发明通过优化单应矩阵，提高红外相机和毫米波雷达的标定精度；通过检验毫米波雷达目标的有效性，提取有效车辆目标，减少融合数据处理量；通过基于距离的自适应方法，提高鲁棒性；通过优化神经网络，减少训练参数，提高检测速度；采用迁移学习方法，解决红外样本不足问题；最终实现在烟雾环境下的目标精确检测，增强无人车的感知能力。
-
公开(公告)号：CN110033457B
公开(公告)日：2021-11-30
申请号：CN201910180734.5
申请日：2019-03-11
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种目标点云分割方法，属于目标分割技术领域，解决了现有激光雷达分割方法存在的计算量大、计算速度慢、分割不精确的问题。包括以下步骤：步骤S1：接收并处理激光雷达采集的激光雷达点云数据，得到所述激光雷达点云数据对应的深度图；步骤S2：识别深度图角度矩阵中的地面信息，并将深度图中的相应坐标的R值置为‑1，得到去除地面信息的深度图；步骤S3：对去除地面信息的深度图进行目标分割，得到目标分割结果。实现了目标点云的快速分割，计算量小、计算结果精确，可以满足车辆运动时的实时目标分割需求。
-
公开(公告)号：CN110032949B
公开(公告)日：2021-09-28
申请号：CN201910222741.7
申请日：2019-03-22
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种基于轻量化卷积神经网络的目标检测与定位方法，属于深度学习技术领域，解决了现有方法不能满足无人驾驶车辆实时性处理的要求。包括：实时采集车辆前方的图像数据和点云数据；将图像数据传输到目标检测模型，进行目标识别，获取目标信息；目标检测模型采用轻量化卷积神经网络；将获取的目标信息及点云数据输入到训练好的目标定位模型，进行目标定位，得到目标相对于车辆的位置信息。本方法实现了对静态、动态目标的实时检测和定位，使得车辆能够实时感知目标信息，及时地对目标进行避障处理，检测和识别结果具有较高的准确度，能够用于存在多个静态、动态目标的复杂场景，并且满足自动驾驶车辆的实时性检测定位要求。
-
Patent Agency Ranking
公开(公告)号：CN110082783B
公开(公告)日：2021-04-23
申请号：CN201910390135.6
申请日：2019-05-10
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
IPC: G01S17/931 , G01S17/42
Abstract: 本发明涉及一种悬崖检测的方法及装置，属于无人驾驶汽车感知技术领域，解决无人驾驶汽车在越野场景下的悬崖检测问题；方法包括，对获取激光雷达点云数据预处理得到有效激光雷达点云数据；采用滑窗方法，选取垂直角度相同有效激光雷达点云数据进行窗口特征数据提取，根据所述窗口特征数据在窗口滑动过程中的畸变特征，得到悬崖区域。本发明使用激光雷达点云数据，使悬崖检测距离更远，精度更高；采用滑窗方法判断悬崖区域，而不是根据单点的高度和距离特征，排除了杂点或者噪声点的干扰，使检测更加鲁棒和高效。
-
公开(公告)号：CN111341102A
公开(公告)日：2020-06-26
申请号：CN202010136047.6
申请日：2020-03-02
Applicant: 北京理工大学
IPC: G08G1/01
Abstract: 本说明书提供一种类人驾驶运动基元库的构建方法和装置以及一种连接运动基元的方法和装置，构建方法包括：获取有人驾驶情况下，各个采样时刻的车辆特征数据；行驶数据包括航向特征数据、速度特征数据和位置特征数据；确定车辆行驶的航向变化过零点，分割车辆特征数据，得到过分割数据段；根据各个过分割数据段的速度特征数据和位置特征数据，计算各个过分割数据段对应的属性特征集；基于所有过分割数据段对应的属性特征集，采用期望最大算法筛选得到用于作为运动基元库中运动基元的过分割数据段，以及对应的属性特征集。采用前述的运动基元库中运动基元构建的自动驾驶路径，更能满足乘客的乘坐体验。
-
公开(公告)号：CN110210350A
公开(公告)日：2019-09-06
申请号：CN201910429977.8
申请日：2019-05-22
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种基于深度学习的快速停车位检测方法，属于驾驶技术领域，用于解决停车位检测环境适应性差、模型计算量大问题，方法包括离线步骤：离线采集包含有停车位的图像数据，建立训练、验证数据集；进行神经网络模型的训练、评价和优化；所述神经网络模型用于对图像数据中停车位边线进行语义分割；在线步骤：在线采集包含有停车位的图像数据，使用训练好的神经网络模型进行停车位边线语义分割得到停车位边线掩膜，对得到的边线掩膜进行拟合、聚类与组合，得到由边线组成的几何形状；根据设定的形状判别条件，对所述几何形状进行筛选确定停车位。本发明具环境适应性强；采用模型体积很小，计算量低，对计算资源的需求较小；系统造价低，具有大规模应用的潜力。
-
公开(公告)号：CN110033457A
公开(公告)日：2019-07-19
申请号：CN201910180734.5
申请日：2019-03-11
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种目标点云分割方法，属于目标分割技术领域，解决了现有激光雷达分割方法存在的计算量大、计算速度慢、分割不精确的问题。包括以下步骤：步骤S1：接收并处理激光雷达采集的激光雷达点云数据，得到所述激光雷达点云数据对应的深度图；步骤S2：识别深度图角度矩阵中的地面信息，并将深度图中的相应坐标的R值置为-1，得到去除地面信息的深度图；步骤S3：对去除地面信息的深度图进行目标分割，得到目标分割结果。实现了目标点云的快速分割，计算量小、计算结果精确，可以满足车辆运动时的实时目标分割需求。
-
公开(公告)号：CN109960261A
公开(公告)日：2019-07-02
申请号：CN201910222739.X
申请日：2019-03-22
Applicant: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
Abstract: 本发明涉及一种基于碰撞检测的动态障碍物避让方法，属于无人车辆技术领域，通过初规划构造车辆期望轨迹，并根据接收的动态障碍物预测轨迹和所述车辆期望轨迹，进行碰撞检测，对车辆的行驶速度和/或路径进行重新规划，得到车辆无碰撞行驶速度和/或路径数据，重新构造车辆期望轨迹，避让动态障碍物；实现无人车辆自主避让动态障碍物。本发明立足于自动驾驶车辆在动态环境下，所采用碰撞检测方法保证既不失碰撞检测精度，又可以提升碰撞检测效率；所采用重规划方法可以兼顾通行效率、通行平顺性和通行安全性效果。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.023 seconds)
