-
公开(公告)号：CN118628677A
公开(公告)日：2024-09-10
申请号：CN202410655588.8
申请日：2024-05-24
Applicant: 大连海事大学
IPC: G06T17/05 , G01S7/48 , G01S17/931 , G01S17/89 , G06V20/58 , G06V20/64 , G06V10/30 , G06V10/36 , G06V10/44 , G06V10/75 , G06V10/764
Abstract: 本发明公开了一种基于运动学模型约束的无人车路径规划方法，包括采用激光雷达发射激光脉冲并扫描周围环境，计算物体距离激光雷达的距离；对点云数据进行去噪处理；激光雷达从点云数据中识别特征集信息，对所述特征集信息进行匹配从而检测出周围环境出现的相同点或物体，将所述环境地图转换为用于导航的栅格地图；激光雷达通过持续扫描环境产生新的点云数据与已有的地图数据进行匹配，以确定自身相对于初始扫描位置的位移从而进行自身位姿定位，记录无人车移动时的位姿点并构建路径，通过微调引力系数控制无人车向目标点运行、通过微调斥力系数使路径远离障碍物，从而生成无人车运动学模型轨迹。
-
公开(公告)号：CN118196634A
公开(公告)日：2024-06-14
申请号：CN202410394911.0
申请日：2024-04-02
Applicant: 大连海事大学
Abstract: 本发明一种基于深度学习的单目相机的回环检测方法，包括以下步骤：获取当前视觉图像帧，提取图像的特征点和描述符，根据关键帧选择算法筛选出新的关键帧；将新的关键帧的特征点和描述符输入到信息融合网络中，得到该关键帧的高维向量表示；对于新的关键帧及其高维向量表示，将其与获取新的关键帧之前时间点得所有关键帧进行比对，若进行比较的关键帧的高维向量的相似度小于阈值，则不是回环；若两个高维向量的相似度大于阈值，则发现回环，深度学习方法因其强大的特征提取能力，能从高维数据中学习有意义的特征，这为回环检测提供了一种全新的方法。
-
公开(公告)号：CN118798253A
公开(公告)日：2024-10-18
申请号：CN202410776941.8
申请日：2024-06-17
Applicant: 大连海事大学
Abstract: 本发明是一种基于深度强化学习的多智能体逃逸方法，包括以下步骤：获取追方智能体和逃方智能体数量信息、物理尺寸信息、移动信息和追逃环境物理信息；构建追方智能体和逃方智能体各自生成两个演员网络和两个评论家网络分别命名为演员网络、演员网络的目标网络、评论家网络、评论家网络的目标网络；采用MADDPG对追方智能体和逃方智能体各自生成两个演员网络和两个评论家网络进行训练，得到逃方智能体逃脱追方智能体追捕的逃逸算法；追方智能体和逃方智能体的测试集数据，采用逃方智能体逃脱追方智能体追捕的逃逸算法进行测试，得到逃方智能体逃脱追方智能体逃脱任务的完成率，该方法提高多智能体在逃逸任务中的总体性能和效率。
-
公开(公告)号：CN117760461A
公开(公告)日：2024-03-26
申请号：CN202311778750.7
申请日：2023-12-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种用于导航状态估计的卫星视觉惯性里程计紧耦合系统，该系统包括Visual模块、惯性传感器模块、里程计模块、GNSS模块、数据处理模块和非线性优化模块；所述数据处理模块包括三维RISS数据处理、原始GNSS数据处理、Visual数据检测与跟踪、GNSS数据初始化和VR初始化。由于现有的视觉惯性导航方法存在惯性器件漂移的问题；该系统将视觉数据，惯性数据和里程计数据与多星座GNSS原始测量数据紧耦合在一起，基于在线的粗到精初始化方法，用于初始化全球导航卫星系统和视觉惯性状态，因此该系统具备实时估计能力，且适用于各种复杂环境。
-
-
-
Search Results
4
records
(took 0.016 seconds)
