一种恶劣天气条件下基于图像先验知识的激光雷达点云滤波与增强方法

    公开(公告)号:CN118446932A

    公开(公告)日:2024-08-06

    申请号:CN202410515363.2

    申请日:2024-04-26

    Applicant: 东南大学

    Abstract: 本发明涉及一种恶劣天气条件下基于图像先验知识的激光雷达点云滤波与增强方法,该方法利用图像先验知识,实现对激光雷达点云的有效滤波和增强。首先通过TransWeather模型恢复降质的图像,并利用EfficientPS模型进行全景分割;接着将三维点云投影至二维图像,并根据图像语义信息进行地面点云分割和初步噪声去除;针对目标对象点云稀疏的问题,通过随机采样的方式进行密度增强,并运用全局多近邻高斯关联法确定采样点的深度;最后,通过动态低强度离群点滤波器对点云进行滤波,并将图像语义特征附加给点云数据,得到语义增强的高密度重构点云。该方法提高了恶劣天气下激光雷达点云数据的质量,为自动驾驶感知系统提供了可靠的数据支持,从而提升了感知的精度和鲁棒性。

    一种红外光电传感器辅助的MEMS轨道定位方法

    公开(公告)号:CN115848450A

    公开(公告)日:2023-03-28

    申请号:CN202211482664.7

    申请日:2022-11-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种红外光电传感器辅助的MEMS系统轨道定位方法,该方法首先通过红外光电传感器搭建分布式光学测量平台,利用红外光电传感器中断的时间差及预先在测试轨道上标定好的子模块位置关系推算出运载体此时所处的位置与速度信息,然后以MEMS系统解算的位置、速度与分布式光学系统推算的位置、速度信息之差作为基本观测信息,采用扩展卡尔曼滤波进行误差估计,利用融合后的误差信息对MEMS误差反馈校正。本方法引入光电传感器中断测速通过扩展卡尔曼滤波算法与MEMS系统进行数据融合,在不依赖其他外部信息的前提下能较好地抑制低成本MEMS的随机误差与累积误差,适用于微弱信号、高动态等易出现卫星失锁场景下的城市高精度轨道定位系统。

    一种基于马氏距离和Pointpillars的雨雪天气激光雷达目标检测方法

    公开(公告)号:CN116027304A

    公开(公告)日:2023-04-28

    申请号:CN202310180081.7

    申请日:2023-02-27

    Applicant: 东南大学

    Inventor: 陈熙源 戈明明

    Abstract: 本发明涉及一种基于马氏距离和Pointpillars的雨雪天气激光雷达目标检测方法,应用于雨雪天气等恶劣环境下的目标检测领域。该方法通过马氏距离和Pointpillars结合的方法,首先对雨雪噪点进行滤除,然后利用Pointpillars算法输出目标检测结果。即获取激光雷达点点云数据,将点云投影到二维平面,构建KD树;依次将每一个点的距离与设定的最小半径进行比较;通过马氏距离的KNN或RadiusNN算法搜索半径范围内的点判定,进行离群点滤波。最后将处理后的点云进行体素化编码,作为Pointpillar检测算法的输入,经过处理后输出目标检测结果。该算法对比传统的激光雷达目标检测算法可以提高雨雪天气下行人车辆的目标检测精度,同时具有较快的计算速度。

Patent Agency Ranking