-
公开(公告)号：CN120070524A
公开(公告)日：2025-05-30
申请号：CN202510213199.4
申请日：2025-02-26
Applicant: 东南大学
Abstract: 本发明揭示了基于极坐标体素划分的4D毫米波雷达点云配准方法，包括步骤：1、基于统计特征的位姿初始值估计算法，利用快速傅里叶变换计算帧间点云直方图相关性，实现高效的粗位姿估计；2、将雷达目标点云转换到极坐标空间，并进行体素划分。记录每个目标点云体素网均值和点云坐标。3、使用33邻域模型计算每个体素网格协方差，并将该协方差复制到网格内点云；4、源点云和目标体素匹配，计算源点云在体素网格中的索引并进行邻域搜索建立匹配关系；5、对每一对匹配对计算损失函数，并使用LM迭代优化搜索最优配准位姿。该方法适用于4D毫米波雷达稀疏以及大噪声特性下的鲁棒快速配准，可作为定位算法的前端，从而进行快速位姿估计。
-
公开(公告)号：CN118570276A
公开(公告)日：2024-08-30
申请号：CN202410689978.7
申请日：2024-05-30
Applicant: 东南大学
IPC: G06T7/579 , G06V10/62 , G06V10/766 , G06V10/762 , G06V10/75
Abstract: 本发明提出了一种毫米波雷达/视觉信息聚类的深度补全方法，步骤包括：1、毫米波雷达与相机的时空对齐方法，使用PnP算法与最近邻时间匹配算法将雷达点云与图像对齐；2、提出基于三维网格的变密度雷达聚类算法，自适应生成采样半径和密度阈值，从密度角度考察样本之间可连接性，并基于可连接样本不断扩展聚类簇实现对雷达数据的聚类点去除，得到置信度高的雷达数据以及带标签的聚类簇；3、使用基于深度学习的单目深度估计方法，对单张图片进行深度估计，得到逆深度图像；4、提出基于区域搜索的最近邻异源数据匹配方法，实现雷达与逆深度像素的匹配，从而恢复场景稠密深度图。
-
公开(公告)号：CN116466752A
公开(公告)日：2023-07-21
申请号：CN202310669654.2
申请日：2023-06-07
Applicant: 东南大学
IPC: G05D1/10
Abstract: 本发明公开了未知复杂环境中无人机航迹快速智能规划方法，包括如下步骤：1、前端搜索，分为最短安全路径搜索和满足动力学约束的控制点定向扩张两部分依次进行，高效获取初始的B样条曲线控制点和轨迹时空信息；2、后端优化，根据初始控制点所处阶段为局部轨迹分配相应的安全飞行走廊，通过最小体积基限制包含局部轨迹的最小体积的单纯形，在已知安全空间中，基于不同的优化策略高效地生成快速且安全的最终轨迹。该方法利用前端搜索获取到的轨迹时空信息将后端轨迹优化问题简化成二次规划，提高了生成快速安全轨迹的效率。
-
Patent Agency Ranking
公开(公告)号：CN115826604A
公开(公告)日：2023-03-21
申请号：CN202211589931.0
申请日：2022-12-12
Applicant: 东南大学
IPC: G05D1/08
Abstract: 基于自适应终端滑模的无人机姿态控制方法，包括如下步骤：1、建立无人机姿态稳定控制系统模型；2、设计新颖的快速非奇异固定时间终端滑模面；3、根据设计的动态滑模面，推导了非奇异固定时间终端滑模律；4、设计自适应律来有效估计未知干扰上界值；5、利用候选Lyapunov函数证明控制系统闭环稳定性。该方法能够保证控制器具有非奇异性和快速收敛特性，同时利用自适应律解决了未知干扰上界问题，提高了无人机姿态控制系统在集总干扰情况下的跟踪精度。
-
公开(公告)号：CN115109056A
公开(公告)日：2022-09-27
申请号：CN202210682568.0
申请日：2022-06-16
Applicant: 常州市第四制药厂有限公司 , 东南大学
IPC: C07D471/04 , A61P25/18
Abstract: 本发明提供一种帕利哌酮的制备方法，具体地说，提供一种制备式(I)所示的3‑[2‑[4‑(6‑氟‑1,2‑苯并恶唑‑3‑基)哌啶‑1‑基]乙基]‑9‑羟基‑2‑甲基‑6,7,8,9‑四氢吡啶并[1,2‑a]嘧啶‑4‑酮的方法。该化合物不仅是一种新型的抗精神病药物，同时也是用于制备另一种抗精神分裂用长效注射剂帕利哌酮棕榈酸酯原料药的关键中间体。本申请方法可以高收率、高纯度(HPLC纯度>99.95％)制得帕利哌酮，且制得的帕利哌酮外观好，工艺操作简便，绿色环保，宜于工业化生产。
-
公开(公告)号：CN115731268A
公开(公告)日：2023-03-03
申请号：CN202211458596.0
申请日：2022-11-17
Applicant: 东南大学
IPC: G06T7/277 , G06V20/17 , G06V10/762 , G06V10/25 , G06V10/82 , G06V10/22 , G06V10/74 , G06F17/11 , G06F17/16 , G06N3/0464 , G01S13/72 , G01S13/86
Abstract: 基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法，1、读取毫米波雷达当前时刻的点云信息，计算每类点云的质心信息代表该类点云对应物体的信息；2、读取单目视觉RGB图像，使用深度学习目标检测算法生成目标检测框，通过单目深度估计方法计算目标的深度信息；3、对毫米波雷达和单目视觉进行传感器联合标定；4、对完成时空同步的毫米波雷达和视觉检测数据进行一一匹配；5、根据数据匹配结果，将毫米波雷达和视觉数据融合，并针对融合数据设计了一个卡尔曼滤波器；6、基于全局最近邻匹配算法和前述卡尔曼滤波器，设计了一个多目标跟踪器，得到在线的多目标跟踪结果。本申请能够提高无人机的环境感知能力，进而提高无人机的智能化程度。
-
公开(公告)号：CN113340324B
公开(公告)日：2022-04-29
申请号：CN202110583354.3
申请日：2021-05-27
Applicant: 东南大学
IPC: G01C25/00
Abstract: 一种基于深度确定性策略梯度的视觉惯性自校准方法，具体包括以下步骤：(1)建立相机和IMU测量误差模型，利用非线性优化算法求解相机‑IMU参数；(2)计算Fisher信息矩阵，并分析视觉惯性标定系统可观测性；(3)将标定过程建模为马尔可夫决策过程，明确智能体的状态空间、动作空间、状态转移函数和奖励函数；(4)设计基于深度确定性策略梯度的强化学习标定算法，确定不可观测的离散运动序列，从校准数据集筛选出可观测子序列用于参数标定。该方法能有效简化标定过程和降低计算量，无需专业的人工标定和精准的初始化参数，可以智能化选择完全可观测的动作序列进行参数标定。
-
公开(公告)号：CN113340324A
公开(公告)日：2021-09-03
申请号：CN202110583354.3
申请日：2021-05-27
Applicant: 东南大学
IPC: G01C25/00
Abstract: 一种基于深度确定性策略梯度的视觉惯性自校准方法，具体包括以下步骤：(1)建立相机和IMU测量误差模型，利用非线性优化算法求解相机‑IMU参数；(2)计算Fisher信息矩阵，并分析视觉惯性标定系统可观测性；(3)将标定过程建模为马尔可夫决策过程，明确智能体的状态空间、动作空间、状态转移函数和奖励函数；(4)设计基于深度确定性策略梯度的强化学习标定算法，确定不可观测的离散运动序列，从校准数据集筛选出可观测子序列用于参数标定。该方法能有效简化标定过程和降低计算量，无需专业的人工标定和精准的初始化参数，可以智能化选择完全可观测的动作序列进行参数标定。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
