-
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：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。
-
公开(公告)号：CN108749809A
公开(公告)日：2018-11-06
申请号：CN201810533293.8
申请日：2018-05-29
Applicant: 北理慧动(常熟)车辆科技有限公司
IPC: B60W10/06 , B60W10/18 , B60W40/105 , B60W40/00
Abstract: 本发明涉及一种智能驾驶车辆加速度跟踪控制系统，属于智能车辆控制技术领域，解决了现有技术中无法实现对智能驾驶车辆加速度精确跟踪的问题。上位机模块，用于根据加速度补偿量Δa计算预估行驶阻力Fd，并根据Fd计算得到发动机控制量和制动控制量；纵向控制器模块，用于根据所述发动机控制量和制动控制量，生成发动机控制指令、制动控制指令；电控驱动模块，用于接收并执行所述发动机控制指令；电控制动模块，用于接收并执行所述制动控制指令。车载传感器模块，用于采集智能驾驶车辆的当前车速信息和历史车速信息发送至上位机模块，由上位机模块计算得到加速度补偿量Δa。实现了智能驾驶车辆加速度的精确跟踪。
-
Patent Agency Ranking
公开(公告)号：CN119595002B
公开(公告)日：2025-05-20
申请号：CN202510142278.0
申请日：2025-02-10
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)教育科技有限公司
IPC: G01C21/34 , G06T17/05 , G06V20/58 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06N3/096
Abstract: 本申请公开了一种持续学习的运动规划方法、装置、设备、介质及产品，涉及智能驾驶领域，该方法包括：将当前越野环境的点云数据投影至栅格地图，生成地势高度图和路面粗糙度图；根据速度信息，构建引导地图，并将地势高度图、路面粗糙度图和引导地图输入到第k‑1次更新后的运动规划模型中，生成当前越野环境的规划轨迹地图；获取无人车根据规划轨迹地图行驶后的真实轨迹，并将真实轨迹加入至样本数据集；根据当前越野环境的样本数据集和预设历史样本数据集，采用均方误差作为损失函数并通过反向传播算法对运动规划模型进行第k次更新。本申请通过持续学习与迭代优化，提升了无人车在复杂越野场景下的运动规划能力与行驶安全性。
-
公开(公告)号：CN119595002A
公开(公告)日：2025-03-11
申请号：CN202510142278.0
申请日：2025-02-10
Applicant: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)教育科技有限公司
IPC: G01C21/34 , G06T17/05 , G06V20/58 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/084 , G06N3/096
Abstract: 本申请公开了一种持续学习的运动规划方法、装置、设备、介质及产品，涉及智能驾驶领域，该方法包括：将当前越野环境的点云数据投影至栅格地图，生成地势高度图和路面粗糙度图；根据速度信息，构建引导地图，并将地势高度图、路面粗糙度图和引导地图输入到第k‑1次更新后的运动规划模型中，生成当前越野环境的规划轨迹地图；获取无人车根据规划轨迹地图行驶后的真实轨迹，并将真实轨迹加入至样本数据集；根据当前越野环境的样本数据集和预设历史样本数据集，采用均方误差作为损失函数并通过反向传播算法对运动规划模型进行第k次更新。本申请通过持续学习与迭代优化，提升了无人车在复杂越野场景下的运动规划能力与行驶安全性。
-
公开(公告)号：CN110458047B
公开(公告)日：2023-01-10
申请号：CN201910667021.1
申请日：2019-07-23
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: G06V20/52 , G06V20/56 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于深度学习的越野环境场景识别方法及系统，属于越野环境场景识别技术领域，解决了现有越野环境场景识别时间长、可通过区域提取成本高且提取效果较差的问题。一种基于深度学习的越野环境场景识别方法，包括如下步骤：获取越野环境场景下拍摄得到的待检测图像；对待检测图像进行场景识别，处理得到待检测图像的烟雾识别结果、扬尘识别结果、自然场景识别结果和道路类型识别结果；根据所述道路类型识别结果对待检测图像进行道路语义分割，处理得到待检测图像的路面分割结果；在待检测图像上统一显示所述烟雾识别结果、扬尘识别结果、自然场景识别结果、道路类型识别结果及路面分割结果。该方法有效缩短了越野环境场景识别时间。
-
公开(公告)号：CN110210350B
公开(公告)日：2021-12-21
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：CN112923933A
公开(公告)日：2021-06-08
申请号：CN201911246424.5
申请日：2019-12-06
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
Abstract: 本发明率先提出一种基于特征概率栅格地图的激光雷达SLAM算法‑CPFG(Closet Probability and Feature Grid，最近邻概率特征栅格)算法。该算法利用三维激光雷达数据，实时创建和更新线、面及高斯分布特征以及占据概率的栅格地图，并结合鲁棒化后的马氏距离作为优化函数进行实时位姿估计，该算法主要分为三步：点云预处理，点云与特征概率栅格地图的匹配及位姿估计，特征概率栅格地图的更新。本发明的激光雷达SLAM算法与目前几个主流算法相比，在实时性和定位精度方面有更好的表现。然后本发明融合了惯导的姿态信息，将激光雷达SLAM的高位移精度与惯导低姿态漂移的特性相结合，其相对定位精度可以达到千分之一左右，在无人驾驶定位领域具有广泛的使用前景。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.031 seconds)
