-
-
公开(公告)号：CN117470254A
公开(公告)日：2024-01-30
申请号：CN202311827848.7
申请日：2023-12-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01C21/28 , G01S13/86 , G01S13/931 , G01S17/931 , G01S17/86 , G06V20/56 , G06V10/80 , G06V10/74 , G06V20/64
Abstract: 本申请公开了一种基于雷达服务的车载导航系统和方法，首先获取车载导航数据和雷达标识数据，并通过车载图像获取单元获取该车辆视角的周围图像数据；然后应用一预设的多感知融合算法，依据周围图像数据和雷达标识数据建立周围图像数据中成像的移动物体与雷达标识数据中该移动物体的空间三维信息建立对应关系，以识别出该车辆在雷达标识数据中对应的空间三维信息；再图形化显示车载导航数据以获取实时导航界面；最后依据雷达标识数据模型化显示该车辆周边的移动物体，并将其加载到实时导航界面中。由于将车路协同感知技术应用到车载导航系统中，使得车载导航界面信息更丰富、更准确。
-
公开(公告)号：CN113866743B
公开(公告)日：2022-03-15
申请号：CN202111472584.9
申请日：2021-12-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G01S7/48
Abstract: 一种用于车路协同感知的路侧激光点云精简方法和系统，其中方法包括：获取路侧激光雷达采集的路侧点云；将路侧点云中的每个点与预设搜索邻域内的模板点云进行统计，通过计算其与模板点云的相似度来搜索前景点，当相似度小于设定阈值时判定为前景点，反之为背景点，保留路侧点云中所有相似度小于阈值的点，得到初步精简的结果，其中，模板点云为仅包含背景目标的路侧点云；对初步精简结果进行离群点滤波，进一步滤除背景点云，得到最终的路侧前景点云；本发明通过点云的统计特性计算相似度来鉴别前背景点，可实现前景点云的实时搜索，获得数据量小但信息量丰富的前景点云，确保实时传输的同时不损失有用信息，达到较为理想的精简效果。
-
公开(公告)号：CN111461221B
公开(公告)日：2023-05-23
申请号：CN202010250235.1
申请日：2020-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V20/56
Abstract: 本发明涉及目标检测技术领域，具体涉及一种面向自动驾驶的多源传感器融合目标检测方法和系统，主要应用于自动驾驶三维目标检测领域，在尽可能不增加算法时间复杂度和空间复杂度的前提下，提高三维目标检测的精度。该目标检测方法包括：通过传感器分别设备获取待检测的图像信息和点云信息，利用本发明提出的特征提取网络对信息进行特征提取并融合，确定目标可能所在位置，通过DRPN(串行区域提名网络)网络对目标和背景进行分类，尽可能提高了分类精度。利用回归网络进一步判断，获取目标的类别信息。通过本发明的特征提取网络、区域提名网络和分类回归网络，可以准确地识别出目标类别，提高目标检测的精准度。
-
公开(公告)号：CN115743171B
公开(公告)日：2025-05-16
申请号：CN202211357496.9
申请日：2022-11-01
Applicant: 哈尔滨工业大学(深圳)
IPC: B60W60/00 , G06V10/774 , G06V10/80 , G06V10/74 , G06V10/82
Abstract: 一种自动驾驶车路协同感知方法，包括：第一感知对象和第二感知对象获取第一视野和第二视野中至少一个车辆的图像信息和三维信息，第一视野和第二视野包括同一个车辆；第一感知对象将第一二值化特征和第一视野中至少一个车辆的三维信息发送到第二感知对象，第二感知对象对第一二值化特征和第二二值化特征进行匹配得到匹配结果，所述匹配结果中包括至少一对匹配成功的车辆；第二感知对象基于ICP算法对所述至少一对匹配成功的车辆所对应的三维信息计算得到坐标变换矩阵；第二感知对象基于坐标变换矩阵对第一视野的三维信息和第二视野的三维信息进行融合，从而扩大了感知对象的视野。
-
Patent Agency Ranking
公开(公告)号：CN116366405B
公开(公告)日：2023-11-07
申请号：CN202310296845.9
申请日：2023-03-17
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L25/02
Abstract: 面向高移动性通信的大规模MIMO信道估计方法和基站，该方法包括：接收所有用户发送的导频信号以计算各用户的导频信号协方差矩阵；对于每一个指定的用户，控制其不发送导频信号但与其使用相同导频信号的其他用户发送导频信号，获得除去该用户的导频信号协方差矩阵；根据用户的导频信号协方差矩阵和除去该用户的导频信号协方差矩阵计算得到信道的协方差矩阵；根据接收的导频信号、导频信号协方差矩阵、信道的协方差矩阵和信道时间相关系数估计信道并计算估计的信道的协方差矩阵。信道时间相关系数表示任意时刻的信道与初始状态的信道的相关程度，反映了信道的老化程度，故本方法能够获得更准确的信道知识抵抗信道老化效应，提高大规模MIMO网络的性能。
-
公开(公告)号：CN116366405A
公开(公告)日：2023-06-30
申请号：CN202310296845.9
申请日：2023-03-17
Applicant: 哈尔滨工业大学(深圳)
IPC: H04L25/02
Abstract: 面向高移动性通信的大规模MIMO信道估计方法和基站，该方法包括：接收所有用户发送的导频信号以计算各用户的导频信号协方差矩阵；对于每一个指定的用户，控制其不发送导频信号但与其使用相同导频信号的其他用户发送导频信号，获得除去该用户的导频信号协方差矩阵；根据用户的导频信号协方差矩阵和除去该用户的导频信号协方差矩阵计算得到信道的协方差矩阵；根据接收的导频信号、导频信号协方差矩阵、信道的协方差矩阵和信道时间相关系数估计信道并计算估计的信道的协方差矩阵。信道时间相关系数表示任意时刻的信道与初始状态的信道的相关程度，反映了信道的老化程度，故本方法能够获得更准确的信道知识抵抗信道老化效应，提高大规模MIMO网络的性能。
-
公开(公告)号：CN113596102A
公开(公告)日：2021-11-02
申请号：CN202110756500.8
申请日：2021-07-05
Applicant: 哈尔滨工业大学(深圳)
Abstract: 车路协同式交通系统、路侧系统和数据处理方法。其中，路侧系统包括路侧信息采集模块、目标关联匹配模块、路侧信息价值计算模块、局部信息计算模块、全局决策信息处理模块和路侧通信模块。路侧系统根据这些模块搭建了一个特殊的数据处理流程，并利用网联车辆提供的感知信息扩充路侧系统的感知信息。路侧系统在与网联车辆和云平台系统信息交互时对传输的信息进行价值评估，最终可以实现在智能网联车数量多或者少，交通参与者数量多或少，通信状态良好或较差等交通环境下，将目标感知信息、预警类信息和服务类信息可靠、实时地传输给网联车辆和云平台系统，进而增强道路交通安全性，提高通行效率。
-
公开(公告)号：CN116299588A
公开(公告)日：2023-06-23
申请号：CN202310274117.8
申请日：2023-03-17
Applicant: 哈尔滨工业大学(深圳)
Abstract: 一种定位卫星选择方法，包括：将各个仰角中最小的作为实际低仰角；在几何精度因子满足预设条件的情况下，获取第一函数关系，由第一函数关系计算得到低仰角处和高仰角处卫星数量的最大比例；根据最大比例，得到第一数量和第二数量之间的理论比例，获取第二函数关系，由第二函数关系计算得到理论高仰角；确定用于选择卫星的低仰角选星区和高仰角选星区，在低仰角选星区内，选择第一数量的卫星，在高仰角选星区内，选择第二数量的卫星，将所选符合条件的卫星用于定位。由于是基于实际低仰角，便可以得到所需卫星构成的几何构型和准最优配置，大大的降低了数据的计算量和计算成本，提升了定位精度。本发明还提供一种定位卫星选择装置及介质。
-
公开(公告)号：CN115743171A
公开(公告)日：2023-03-07
申请号：CN202211357496.9
申请日：2022-11-01
Applicant: 哈尔滨工业大学(深圳)
IPC: B60W60/00 , G06V10/774 , G06V10/80 , G06V10/74 , G06V10/82
Abstract: 一种自动驾驶车路协同感知方法，包括：第一感知对象和第二感知对象获取第一视野和第二视野中至少一个车辆的图像信息和三维信息，第一视野和第二视野包括同一个车辆；第一感知对象将第一二值化特征和第一视野中至少一个车辆的三维信息发送到第二感知对象，第二感知对象对第一二值化特征和第二二值化特征进行匹配得到匹配结果，所述匹配结果中包括至少一对匹配成功的车辆；第二感知对象基于ICP算法对所述至少一对匹配成功的车辆所对应的三维信息计算得到坐标变换矩阵；第二感知对象基于坐标变换矩阵对第一视野的三维信息和第二视野的三维信息进行融合，从而扩大了感知对象的视野。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
