-
公开(公告)号：CN111366153A
公开(公告)日：2020-07-03
申请号：CN202010197086.7
申请日：2020-03-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于激光雷达和IMU紧耦合的机器人定位方法，通过IMU对系统实时运动状态进行估计，通过激光雷达的点云数据提取平面特征进行跟踪，并利用平面特征的观测模型对IMU估计的运动状态进行纠正。本发明方法利用MSCKF框架对激光雷达和IMU两种传感器实现了优势互补，一方面IMU高频的运动估计能够对系统的实时状态进行估计，另一方面激光雷达点云提取的平面特征能够鲁棒地在环境中被跟踪，从而能够定时对系统状态进行纠正，且本发明在降低计算复杂度的同时，也保持了定位的鲁棒性和准确性。
-
公开(公告)号：CN109085823B
公开(公告)日：2020-06-30
申请号：CN201810730918.X
申请日：2018-07-05
Applicant: 浙江大学
Abstract: 本发明公开了一种园区场景下基于视觉的低成本自动循迹行驶方法，使车辆利用低成本的车载摄像头预瞄前方的轨迹线，根据偏移情况调整车轮转角，从而平稳地沿轨迹线自动驾驶，在园区场景下达到低成本自动驾驶的目标，且具有直角转弯、小转弯半径转弯的能力。本发明从限定场景出发，基于普通摄像头，摒弃了更加精准昂贵的激光雷达等传感器，通过结合车道线检测算法、多种颜色空间的滤波算法以及针对观测量的模糊控制算法以低成本的方式实现自动驾驶，既能在技术实际应用并落地实现开始自动驾驶，继而通过快速迭代不断扩展，保证自动驾驶的安全性和可验证性。
-
公开(公告)号：CN107170276B
公开(公告)日：2020-05-08
申请号：CN201710429040.1
申请日：2017-06-08
Applicant: 浙江大学
IPC: G08G1/14 , G08G1/0968 , G07B15/02
Abstract: 本发明公开了一种基于云的无人停车场自动泊车管理系统，包括停车应用服务器、车端云服务器、环境感知设备、停车客户端以及停车场管理与监控客户端；该系统中车辆利用可拆卸雷达实现低成本车辆定位，利用云端系统控制智能汽车行驶实现自动泊车，利用停车应用服务器进行车辆和停车位规划实现密集停车，增加停车场容量；同时该系统中的停车应用提供停车位预定、租赁、出租等相关服务，解决停车位不确定性和停车位空闲浪费问题，停车应用的客户端提供对智能停车场和停车位的便捷管理。
-
公开(公告)号：CN118036703B
公开(公告)日：2025-05-06
申请号：CN202311754550.8
申请日：2023-12-20
Applicant: 浙江大学
Abstract: 本发明属于自动驾驶技术领域，公开了一种针对反射率扰动的弹性解耦点云模型训练方法，包括如下步骤：步骤1：证明反射率的重要性和模型脆弱性；步骤1.1：计算反射率的信息量；步骤1.2：证明反射率扰动的脆弱性；步骤1.3：证明反射率对抗性攻击的脆弱性；步骤2：基于解耦的训练；首先在模型中将反射率信息和几何信息解耦，再对模型进行训练。本发明探究和展示了反射率信息的重要性和面临反射率扰动和对抗性攻击深度模型的脆弱性。本发明提出来一种解耦的训练方法以一种对抗性模式弹性调节模型对于反射率信息的依赖性。本发明的方法能够在性能和脆弱性之间能够以一种弹性的方式达到一个平衡。
-
公开(公告)号：CN119810364A
公开(公告)日：2025-04-11
申请号：CN202510303775.4
申请日：2025-03-14
Applicant: 浙江大学
IPC: G06T17/10 , G06V10/75 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种面向自动驾驶仿真的三维场景可控生成方法和系统，属于计算机技术领域。方法包括：获取待进行三维场景生成的路网拓扑图，基于所述路网拓扑图构建几何最小环集合；以几何最小环作为路网拓扑图对应的场景平面的子区域的边界，获得每个子区域的图结构数据；将图结构数据转换为子区域的二维布局，再获得场景平面布局；基于场景平面布局构建场景信息表，并获取3D模型库；遍历场景信息表中的各建筑物的平面图轮廓，并从3D模型库中筛选轮廓匹配度高于阈值的三维模型构建候选集；再对场景平面布局中建筑物进行三维模型的优化匹配和替换，获得三维场景。本发明提高了生成的三维场景的多样性与视觉质量。
-
Patent Agency Ranking
公开(公告)号：CN118397449B
公开(公告)日：2025-03-21
申请号：CN202410475717.5
申请日：2024-04-19
Applicant: 浙江大学
IPC: G06V20/10 , G06V10/26 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于AIGC的可控分级道路拓扑生成系统和方法，属于城市路网生成技术领域。方法主要包括：获取城市OSM数据，对不同等级的路网进行栅格化处理，对处理后的路网进行合并和裁剪，得到分级路网拓扑图；构建并训练分级路网拓扑生成模型，得到能根据输入的条件向量生成相应的分级路网拓扑图的生成模型；应用时，只需向训练好的生成模型输入条件向量，模型即可生成满足条件向量约束的分级道路拓扑图。其中，分级路网拓扑生成模型包括基于图的条件变分自编码器、基于transformer的生成器，模型能够将节点属性和边连接解耦，可以独立控制节点和边的生成过程，以适应不同的设计需求和约束条件。
-
公开(公告)号：CN119514643A
公开(公告)日：2025-02-25
申请号：CN202411551494.2
申请日：2024-11-01
Applicant: 浙江大学
IPC: G06N3/094 , G06N3/0464 , G06N3/0475 , G06F18/214 , G06F18/22
Abstract: 本发明公开了一种基于伪节点注意力的分级路网拓扑对抗生成方法，属于城市路网生成技术领域。包括：构建分级路网拓扑生成模型，利用分级路网拓扑图对模型进行训练，得到训练好的模型；所述分级路网拓扑生成模型包括基于伪节点注意力的变分自编码器网络和基于图卷积的变分自编码器网络；其中，基于伪节点注意力的变分自编码器网络包括节点编码器和节点解码器，基于图卷积的变分自编码器网络包括链接编码器和链接解码器；应用时，基于训练好的节点解码器和链接解码器，得到节点属性和邻接矩阵；基于获得的节点属性和邻接矩阵构成该数量节点的分级路网拓扑图。本发明降低了分级路网拓扑生成任务的复杂度，同时提升了结果的质量和准确度。
-
公开(公告)号：CN118536251B
公开(公告)日：2024-12-31
申请号：CN202410217480.0
申请日：2024-02-28
Applicant: 浙江大学
Abstract: 本发明公开了一种面向自动驾驶仿真的拓扑道路网可控生成方法和系统。首先，本发明对空间位置约束条件编码，并输入到生成器，以在约束条件下生成路网图像。然后，判别器对所生成的路网图像的真伪性、以及是否符合空间位置特征图的约束做出判断。同时，可微的拓扑结构提取器用于提取所生成路网图像的拓扑结构，以供拓扑属性奖励网络计算所生成路网的拓扑属性得分，该拓扑属性得分用来引导生成器生成满足特定拓扑属性的拓扑道路网。本发明基于生成式人工智能模型，通过同时建模与学习训练数据中的路网空间位置信息和拓扑特征，在满足给定的空间位置约束条件下，生成大量的、连通性强、满足预期属性的拓扑道路网模型。
-
公开(公告)号：CN118397449A
公开(公告)日：2024-07-26
申请号：CN202410475717.5
申请日：2024-04-19
Applicant: 浙江大学
IPC: G06V20/10 , G06V10/26 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于AIGC的可控分级道路拓扑生成系统和方法，属于城市路网生成技术领域。方法主要包括：获取城市OSM数据，对不同等级的路网进行栅格化处理，对处理后的路网进行合并和裁剪，得到分级路网拓扑图；构建并训练分级路网拓扑生成模型，得到能根据输入的条件向量生成相应的分级路网拓扑图的生成模型；应用时，只需向训练好的生成模型输入条件向量，模型即可生成满足条件向量约束的分级道路拓扑图。其中，分级路网拓扑生成模型包括基于图的条件变分自编码器、基于transformer的生成器，模型能够将节点属性和边连接解耦，可以独立控制节点和边的生成过程，以适应不同的设计需求和约束条件。
-
公开(公告)号：CN118131265A
公开(公告)日：2024-06-04
申请号：CN202410472761.0
申请日：2024-04-19
Applicant: 浙江大学
IPC: G01S17/931 , G01S7/48 , G01C21/16
Abstract: 本发明公开了用于室外低速无人扫地车辆的激光雷达盲区避障方法，包括如下步骤：步骤S1，对车辆所处场景的原始点云信息分别进行过滤和路沿提取的处理,并整合处理后的点云；步骤S2，基于动态加权里程计，获取车辆的实时局部定位结果；步骤S3，根据实时的定位数据，对处理后的点云进行拼接，得到可以保留盲区内障碍物的局部地图。通过使用本发明的一种用于室外无人扫地车辆的激光雷达盲区避障方法，只需要承担较低的额外性能开支就可以使无人扫地车辆有效避免与盲区内的障碍物发生碰撞。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.027 seconds)
