基于路段匹配与机器学习的机车检测方法和系统

    公开(公告)号:CN118859160A

    公开(公告)日:2024-10-29

    申请号:CN202410016006.1

    申请日:2024-01-04

    Abstract: 本发明提供了一种基于路段匹配与机器学习的机车检测方法和系统,包括:步骤S1:进行激光点云的接收、数据处理与坐标转换;步骤S2:基于激光点云进行地面过滤与障碍物聚类;步骤S3:根据误检库过滤,并根据离线地图进行路段匹配,得到潜在危险目标;步骤S4:对潜在危险目标进行特征提取,基于支持向量机SVM模型进行识别,同时根据机车的车头特征进行平面特征提取,进行机车判定;步骤S5:融合逻辑与危险判定,并上报上位机系统。本发明通过采用激光雷达作为感知传感器,结合路段匹配与机器学习模型,实现铁水运输场景中的障碍物机车检测,解决了工业场景下无人化运输的安全闭环问题。

    基于激光雷达与传感器信息融合的轨道车定位方法及系统

    公开(公告)号:CN119958538A

    公开(公告)日:2025-05-09

    申请号:CN202510009727.4

    申请日:2025-01-03

    Abstract: 本发明提供了一种基于激光雷达与传感器信息融合的轨道车定位方法及系统,包括:步骤S1:进行激光雷达与惯性导航的离线标定;步骤S2:根据激光雷达点云与惯性导航数据建立基于点云特征的车辆位姿推算;根据RFID坐标观测求解图优化问题,构建全局优化的点云地图;步骤S3:基于点云地图,匹配地图与实时激光雷达数据,得到车辆定位结果;使用误差状态卡尔曼滤波方法,融合惯性导航数据进行位姿优化,得到车辆精确定位结果。对比单纯传感器数据融合的定位算法,本发明结合高精度点云地图数据并融合其他传感器信息的定位方法具有更好的适应性和精度。

Patent Agency Ranking