一种基于深度学习的地面无人平台人员跟踪方法

    公开(公告)号:CN113012201B

    公开(公告)日:2024-03-19

    申请号:CN202110311795.8

    申请日:2021-03-24

    Abstract: 本发明提出一种基于深度学习的地面无人平台人员跟踪方法,包括行人目标检测、人员识别以及图像与激光雷达的匹配方法。其中,行人目标检测提取出图像中包含人员的包围框,人员识别则是从提取的包围框中识别出特定的引导人员,图像与激光雷达的匹配方法则是计算出特定引导人员与地面无人平台的相对距离,为之后的底盘跟踪速度生成提供数据。本发明能够实现无人平台对人员的跟踪,不需要人员穿戴特殊制品的前提下,解决了传统视觉目标跟踪易导致的目标漂移问题,提高了算法的鲁棒性,同时不损失算法使用的灵活性。

    低成本自动割草机自主作业系统及其自主作业方法

    公开(公告)号:CN110879596A

    公开(公告)日:2020-03-13

    申请号:CN201911231924.1

    申请日:2019-12-05

    Abstract: 本发明公开了一种低成本自动割草机自主作业系统及其自主作业方法,该系统包括决策系统、路径规划系统、感知系统、定位导航系统、紧急制动系统和底层控制系统,路径规划系统包括全局路径规划系统与局部路径规划系统。该方法包括:输入作业区域,自动割草机进入自主行进模式,到达指定作业起点,自动割草机进入自主作业模式,完成全局路径规划,局部路径规划系统实时进行局部路径规划,完成作业,进入自主行进模式,自动割草机返回车库。本发明不需要对作业场地做任何改造,通过多种传感器感知场景中的行人、车辆等随机障碍物,自动规避障碍物,保障作业安全性,利用结合车辆模型约束的路径规划算法,实现作业区域的有效遍历,提高作业效率。

    一种基于多模态数据的系统性目标识别与跟踪方法

    公开(公告)号:CN113763423A

    公开(公告)日:2021-12-07

    申请号:CN202110883799.3

    申请日:2021-08-03

    Abstract: 本发明公开了一种基于多模态数据的系统性目标识别与跟踪方法,将点云数据和图像数据在线融合,生成RGB‑D三维数据图像;以RGB‑D三维数据图像作为深度神经网络的输入,利用数据库训练深度神经网络,训练后的深度神经网络能够输出RGB‑D三维数据图像中的各类目标的种类和距离,完成对各类目标的识别;针对识别出来的目标,输出目标的距离与尺寸及目标像素的二维坐标,利用深度神经网络提取目标的图像特征来匹配各帧的识别输出,通过拟合更新目标运动模型来预测筛选跟踪目标相对位置,以此对检测到的特定目标进行跟踪。本发明能够实现地面无人平台在车辆行驶速度快,环境未知干扰多,目标出现位置随机的非结构化复杂环境下的目标的识别与跟踪。

Patent Agency Ranking