公开(公告)号：CN117690006A

公开(公告)日：2024-03-12

申请号：CN202311721117.4

申请日：2023-12-14

Applicant: 北京理工大学

Inventor： 王美玲 ,  唐宇杰 ,  邓一楠 ,  岳裕丰 ,  杨毅

IPC: G06V20/00 ,  G06V20/70 ,  G06V10/74

Abstract: 本发明公开了一种基于空间语义图的室内鲁棒地点识别方法，涉及智能机器人技术领域，是针对室内环境的回环检测算法，通过提取物体间的高级语义拓扑关系、物体的空间分布特征等实现鲁棒的地点重识别。该方法包括如下步骤：从查询帧和数据库的每一帧中分别提取语义图，开展语义相似度度量，并构建语义匹配对。对语义匹配对进行空间相容性评估，然后分析其局部图特征，从而构建原点和Z轴，并进行X轴和Y轴的旋转采样，以对比语义图的空间分布。通过综合考虑坐标相似度、相容性相似度和语义相似度，计算得到相似度分数，根据相似度分数从数据库中选出与查询帧相似度最高的帧作为最终的识别结果。

公开(公告)号：CN117889882A

公开(公告)日：2024-04-16

申请号：CN202410055598.8

申请日：2024-01-15

Applicant: 北京理工大学

Inventor： 岳裕丰 ,  田鑫雨 ,  唐宇杰 ,  邓一楠 ,  禹竞

IPC: G01C21/34 ,  G06F17/10

Abstract: 本发明公开了一种基于地空集群协同态势评估的路网规划方法,属于无人系统协同感知与导航领域，该方法表示为：无人机集群实时检测道路网络图中的障碍并评估道路网络安全态势，地空无人平台无需人工干预，可自主适应复杂动态环境，完成跨域协同侦察和导航到达目标点的复杂任务；面向未知开放场景下地空侦察、自主导航的任务场景需求，通过本文提出的地空多平台协同目标检测与态势评估、地空协同的无人车路径重规划技术，可实现地空集群大范围感知、实时路网态势评估与高效优化决策，解决无人系统感知协同不佳、自主导航耗时长等问题。

公开(公告)号：CN115830645A

公开(公告)日：2023-03-21

申请号：CN202211099667.2

申请日：2022-09-09

Applicant: 北京理工大学

Inventor： 王美玲 ,  邓一楠 ,  唐宇杰 ,  张骐绘 ,  岳裕丰

IPC: G06V40/12 ,  G06V10/74

Abstract: 本发明公开了一种基于点云配准的大规模指纹检索方法，能够对输入的待检索指纹进行高效精确地检索，得到最可能具有“同一”匹配关系的指纹库样本集。本方案整体上可分为三个层次：初步筛选层、精细配准层和鲁棒优化层。三个层次相互依存，串行处理，层层筛选，缺一不可，共同组成了一套完整的指纹检索算法。输入待检索指纹后，初步筛选层利用全局特征完成快速大规模的初步筛选，精细配准层利用局部配准实现进一步的筛选，并为鲁棒优化层提供细节点之间的匹配关系，鲁棒优化层根据几何一致性检验以及最大团算法判断细节点匹配关系的正误，并利用综合匹配得分输出检索结果。

公开(公告)号：CN115457203A

公开(公告)日：2022-12-09

申请号：CN202211089702.2

申请日：2022-09-07

Applicant: 北京理工大学

Inventor： 王美玲 ,  邓一楠 ,  岳裕丰 ,  杨毅 ,  唐宇杰 ,  张骐绘

IPC: G06T17/00 ,  G06V10/26 ,  G06N5/04 ,  G01C21/32

Abstract: 本发明公开了一种移动机器人连续语义建图方法，涉及机器人技术领域，该方法能够提高所构建三维地图的精度和效率。包括如下步骤：移动机器人搭载着视觉相机和三维激光雷达，并将两种传感器的数据融合为语义点云，进行三维重建；采用冗余体素过滤模型对体素进行分类，得到针对冗余体素的过滤因子，利用自适应核长度模型为每个体素分配合适的核长度；依托过滤因子和核长度，构造多熵值核函数从稀疏的包含噪音的语义点云推理得到稠密的准确的连续语义地图。

公开(公告)号：CN117934739A

公开(公告)日：2024-04-26

申请号：CN202311728743.6

申请日：2023-12-15

Applicant: 北京理工大学

Inventor： 岳裕丰 ,  邓一楠 ,  唐宇杰 ,  王佳辉

IPC: G06T17/05 ,  G06T5/50 ,  G06T7/269 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0895

Abstract: 本发明公开了一种ESDF地图隐式构建方法，能够在保证地图轻量存储、全局光滑连续、具有补全能力的同时提升地图的局部精度。包括如下步骤：构建隐式ESDF地图神经网络。针对被观测场景采集获取带位姿的深度图像序列；针对带位姿的深度图像序列中每一帧图像均进行像素采样和点采样，获得采样点集合。捕获采样点的有符号距离；将被观测空间离散为轴对齐的网格，从不同帧采样但属于同一网格的点的有符号距离被合并，并与网格中心相关联，实现局部融合，获得离散显式ESDF地图。从离散显式ESDF地图中选取训练栅格作为训练数据，构建损失函数，对隐式ESDF地图神经网络进行全局学习。训练好的隐式ESDF地图神经网络用于输出隐式地图并进行可视化。

公开(公告)号：CN115439544A

公开(公告)日：2022-12-06

申请号：CN202211084214.2

申请日：2022-09-06

Applicant: 北京理工大学

Inventor： 王美玲 ,  唐宇杰 ,  岳裕丰 ,  邓一楠 ,  张骐绘

IPC: G06T7/73 ,  G01S19/42

Abstract: 本发明公开了一种多个机器人鲁棒协同定位方法，涉及智能机器人技术领域，可以在大量错误数据关联存在的情况下实现多机器人间的正确协同定位。包括如下步骤：针对多个机器人组成的系统，其中多个机器人各自获取环境信息，每个机器人构建一个局部地图，每个局部地图由多个子地图构成，构建子地图之间的约束；子地图之间的约束由若干匹配点对构成。构建向量滤除模型，用于过滤错误约束和点对。构建混合概率模型，从几何距离、语义关联和向量一致性的角度分别计算出数据关联中约束和点的正确概率。双层期望最大化算法确定子地图的位姿并去除错误的数据关联，实现多机器人协同定位。