-
公开(公告)号：CN118154816A
公开(公告)日：2024-06-07
申请号：CN202410107567.2
申请日：2024-01-25
Applicant: 北京理工大学 , 中国兵器工业计算机应用技术研究所
Abstract: 本发明涉及一种车辆协同感知系统，包括：本车和协同感知合作方，本车搭载增强现实显示设备；协同感知合作方通过搭载的感知设备获得邻近本车的目标信息，通过无线网络将目标信息发送到本车；本车接收协同感知合作方发送的目标信息后，通过模型匹配和坐标转换，得到目标车辆MESH模型的n个控制点在本车观察坐标系中的坐标；通过目标的控制点是否位于本车观察视野和是否被本车视野中环境遮挡判断后，在增强现实显示设备上显示本车观察视野内被环境遮挡目标的增强现实图像；或者显示不在本车观察视野目标、本车观察视野内未被环境遮挡目标的增强现实提示。本发明实现了不同观察视角的协同感知，提升任务执行效率。
-
公开(公告)号：CN118015187A
公开(公告)日：2024-05-10
申请号：CN202410104212.8
申请日：2024-01-25
Applicant: 中国兵器工业计算机应用技术研究所 , 北京理工大学
Abstract: 本发明涉及一种增强现实图像中目标与环境的遮挡关系判定方法，包括：观察者获取需进行遮挡关系判定的目标信息，计算出所述目标的MESH模型中n个控制点在观察者相机坐标系中的坐标；从观察者相机拍摄的视野图像中获得环境场景的三维特征点；在视野图像中将与三维特征点对应的视野像素点进行语义属性组合，构建出观察者视野中的环境MESH网格；根据控制点在观察者相机坐标系中的坐标以及环境MESH网格，分别计算出控制点在视野图像中所处视野像素点的控制点深度值和环境深度值；判断控制点深度值和环境深度值的偏差是否处于阈值范围内；是，则该点未被环境遮挡，否，则该点被环境遮挡。本发明实现遮挡关系判定，还原出场景中的真实情况。
-
公开(公告)号：CN118015229A
公开(公告)日：2024-05-10
申请号：CN202410107609.2
申请日：2024-01-25
Applicant: 北京理工大学 , 中国兵器工业计算机应用技术研究所
Abstract: 本发明涉及一种结合视觉深度估计的目标协同感知方法，包括：观察者获取协同感知的目标信息；根据目标类型获取目标的MESH模型，并将目标的位置坐标与姿态转换为目标MESH模型的n个控制点在目标载体坐标系中的坐标；进行目标载体坐标系至观察者观察坐标系的坐标转换得到n个控制点在观察者观察坐标系中的坐标；根据n个控制点的坐标进行视觉深度估计判断目标是否位于观察者观察视野以及是否被观察者视野中环境遮挡；当位于观察者观察视野且被环境遮挡时，则根据控制点坐标生成目标的增强现实图像。本发明实现了不同观察视角的协同感知，提升任务执行效率。
-
公开(公告)号：CN118015207A
公开(公告)日：2024-05-10
申请号：CN202410107601.6
申请日：2024-01-25
Applicant: 中国兵器工业计算机应用技术研究所 , 北京理工大学
Abstract: 本发明涉及一种增强现实图像中目标MESH模型的生成和调用方法，包括：目标MESH模型库建立步骤，利用采集的多种候选目标的多视角环视视频，进行离线预训练，生成多种候选目标的MESH模型，建立目标模型库；目标MESH模型在线调用步骤，根据目标类型从目标模型库中获取目标的MESH模型，进行目标位置对齐和坐标转换，输出MESH模型的n个控制点在观察者观察坐标系中的坐标，然后，根据n个控制点在观察坐标系中的坐标，进行目标是否位于观察者的观察视野以及是否被观察者视野中环境遮挡的判断，当位于观察视野且被遮挡时，则根据控制点坐标在观察视野中生成目标的增强现实图像。本发明生成目标增强现实图像还原目标在场景中的真实情况。
-
公开(公告)号：CN119458332A
公开(公告)日：2025-02-18
申请号：CN202411637620.6
申请日：2024-11-15
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明提供了一种基于视触觉融合的高精度物体位姿估计和精细操作方法，通过机器人与环境的物理交互来获取视觉信息和触觉信息，从而完成动态场景下的精确位姿估计；本发明构建了一个基于粒子滤波的手部物体位姿纠正算法，能够估计被握持物体滑动时，以及被接触物体发生挪动时的位姿变化量，这种方法适用于大多数高精度操作场景，包括一些动态属性变化的挑战性场景，显著提升了机器人在动态交互环境中的应对能力；本发明针对FMB基准在内的13种具有不同几何形状的物体上执行高精度操作任务，结果表明我们的方法实现了精确的位姿估计，平移误差为1‑2毫米，旋转误差约为2度，同时可以应对物体滑动等动态情形。
-
Patent Agency Ranking
公开(公告)号：CN118342921A
公开(公告)日：2024-07-16
申请号：CN202410604698.1
申请日：2024-05-15
Applicant: 北京理工大学
Abstract: 本发明公开了一种车辆、车辆组及车辆系统。根据本发明的车辆包括车体和连接件，所述车体上设置有沿枢转轴转动的车轮；所述连接件设置于所述车体上且适于将所述车体与其他车辆或驱动装置连接；其中，所述连接件构造为多个，其中的至少一个所述连接件设置于所述枢转轴的延伸方向与所述车辆行进方向所在的区域内。根据本发明的车辆在枢转轴的延伸方向和车辆的行进方向之间设置了连接件，连接件可以将车辆与其他车辆连接，实现车辆的非线性拼接组合，提高了车辆的结构与对应功能的灵活性。
-
公开(公告)号：CN118295405A
公开(公告)日：2024-07-05
申请号：CN202410335728.3
申请日：2024-03-22
Applicant: 北京理工大学
Abstract: 本申请涉及智能驾驶技术领域，特别涉及一种拖挂车的轨迹控制方法及装置，其中，方法包括：获取目标拖挂车传感器信息和至少一个工作估计参数计算目标拖挂车的初始轨迹解，利用当前环境中至少一个目标障碍物的多面体模型生成目标拖挂车的碰撞约束和目标最小距离，根据目标最小距离得到预设控制屏障函数的函数时域，由目标模型预测控制函数计算目标拖挂车的优化轨迹解，以利用优化轨迹解生成目标拖挂车的轨迹控制动作，并执行轨迹控制动作。本申请实施例可以基于模型预测控制和控制屏障函数实现多节拖挂车的轨迹规划与轨迹控制，从而提高了拖挂车的通行效率和动态环境安全性，使拖挂车的轨迹规划更加快速高效。
-
公开(公告)号：CN118071926A
公开(公告)日：2024-05-24
申请号：CN202410199073.1
申请日：2024-02-22
Applicant: 北京理工大学
Abstract: 本发明提供了一种多视角图像的分层动态三维重建方法，该方法基于已经建立好的初始静态模型，并利用后续的视频输入，得到对应空间下动态三维模型。相对于已有方法，该方法可以提高基于神经辐射场的动态三维重建方法的收敛速度和重建效果；本方法改变了NeRF动态场景重建中使用单一变形场描述空间扭曲的方法，取而代之使用分层动态场联合描述特征扭曲。这降低了低频运动的解空间，同时闲置了高频噪声对低频信号收敛的干扰，保证了训练过程收敛的速度和质量，以及收敛过程的鲁棒性。此外，该方法通过改变输入样本采样方式，提高了训练效率。从而使得该方法在实际工程任务中得以应用。
-
公开(公告)号：CN117893412A
公开(公告)日：2024-04-16
申请号：CN202410297514.1
申请日：2024-03-15
Applicant: 北京理工大学
IPC: G06T5/00 , G06V10/762 , G01S17/93 , G01S17/88
Abstract: 本发明公开了一种点云数据滤除方法、装置、设备及存储介质，属于三维重建技术领域；首先对激光雷达的雷达坐标系进行划分，在雷达坐标系中确定多个视锥子区域；之后根据每个视锥子区域中的区域点云数据的分布，在点云数据中确定出噪点数据，并在点云数据中剔除噪点数据；通过在雷达坐标系中划分出多个视锥子区域，从而对噪点数据进行重组；之后利用雨雾和灰尘的无规则特性，根据每个视锥子区域中区域点云数据的分布情况，在点云数据中确定出与雨雾和灰尘相对应的噪点数据，并在点云数据中将噪点数据进行剔除；本发明能够有效对因雨雾和灰尘造成的点云数据进行滤除，解决了现有技术中点云数据的雨雾和灰尘的过滤算法，存在着过滤效果差的问题。
-
公开(公告)号：CN117292150A
公开(公告)日：2023-12-26
申请号：CN202311236222.9
申请日：2023-09-25
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于自适应圆形采样与扇形分块的鱼眼图像特征提取方法，首先根据原始鱼眼图像的分辨率以及图像中有效区域的半径大小计算圆形采样点的位置，然后通过双线性插值的方法计算得到采样点的像素信息；根据扇形区域大小对图像进行扇形分块，依据每个扇形区域的表达式确定其所包含的采样点信息，实现图像的扇形分块；随后将扇形分块中的像素信息通过全连接神经网络进行特征提取，生成高维特征向量；本发明的特征提取方式更加符合鱼眼图像的畸变分布规律，并能过滤掉鱼眼图像中的无效像素信息，提升模型对全局与局部特征的建模能力，能够更好地实现鱼眼图像的特征提取，为鱼眼图像下的分类、检测等任务的研究提供便利。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.087 seconds)
