-
公开(公告)号：CN112381284B
公开(公告)日：2023-12-01
申请号：CN202011254308.0
申请日：2020-11-11
Applicant: 成都信息工程大学
IPC: G06Q10/047 , G06N3/126
Abstract: 本发明公开了一种无人接驳车多站点路径优化的改进遗传算法，基于无人接驳车的多个站点进行抽象地图的构建，并采用改进的遗传算法对抽象地图进行路径规划；其中，所述抽象地图的构建方式在于通过选取多个站点中的任意一个站点作为基准，把站点与站点之间的最短实际距离转化为欧式距离并进行地形加权得到真实代价之后逐一进行排列，逐个设置坐标得到最终的抽象地图。本发明提供一种无人接驳车多站点路径优化的改进遗传算法，其采用对复杂地图进行抽象地图构建，配合对应的改进遗传算法对抽象地图进行路径规划，具有更好的适应性。
-
公开(公告)号：CN114384915A
公开(公告)日：2022-04-22
申请号：CN202210036507.7
申请日：2022-01-13
Applicant: 成都信息工程大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于LQR的改进路径跟踪控制方法，基于无人驾驶车辆当前实际位置与规划位置的横向偏差值和航向偏差值，通过模糊控制器对LQR控制器原始加权矩阵中Q的元素进行实时修正优化，以得到优化后的加权矩阵Q，通过对LQR问题进行求解得出车辆前轮转角的控制量。本发明至少包括以下有益效果：为了解决实际应用中无人驾驶车辆路径跟踪的精度不足的问题，本发明在现有的LQR路径跟踪算法中加入一个模糊控制，动态调节LQR路径跟踪控制器中加权矩阵Q中的元素，然后再使用调整后的加权矩阵Q计算LQR控制器的最优解，计算出无人驾驶车辆需要的前轮转角，以达到增加无人驾驶车辆路径跟踪精度的效果。
-
公开(公告)号：CN114140452A
公开(公告)日：2022-03-04
申请号：CN202111486276.1
申请日：2021-12-07
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于RGB‑D深度相机的低矮凸起障碍物、路面坑洼检测方法，包括：对RGB‑D深度相机的原始点云进行预处理以得到对应的平面点云，从平面点云中提取凸起低矮障碍物点云，并将提取的凸起低矮障碍物点云投影到平面模型参数平面上，对模型参数平面上的凸起低矮障碍物点云进行降采样、凸包分割，将凸包变换到/map坐标系下并发布，对投影后的凸起低矮障碍物点云合并到地平面点云以形成新平面点云，将新平面点云变换到base_footprint下转成地平面二维栅格地图，将地平面二维栅格地图进行Fake伪坑洞滤波，边缘提取方法CV对坑洞进行提取。本发明提供一种基于RGB‑D深度相机的低矮凸起障碍物、路面坑洼检测方法，可同时检测到地面上的低矮凸起障碍物、坑洼，提高了安全性。
-
公开(公告)号：CN113920411B
公开(公告)日：2024-06-14
申请号：CN202111177879.3
申请日：2021-10-09
Applicant: 成都信息工程大学
IPC: G06V10/80 , G06V30/148 , G06N3/0464 , G06V10/82
Abstract: 本发明公开了一种基于改进SOLOv2的校园场景图像分割方法，包括：步骤1：对待检测图像进行主干网络特征提取以得到对应的多层特征信息；步骤2：将多层特征信息送入到改进后的特征金子塔中进行细化并融合；步骤3：将融合后的信息送入到Head头部进行分析，通过两个并行的子通道，进行类别信息分析和mask实例分割；步骤4：通过矩阵非极大值抑制保留最高置信度的掩码信息以及类别信息，步骤5：将mask特征图映射回原图像上，输出带有特征mask掩码的图像。本发明提供一种基于改进SOLOv2的校园场景图像分割方法，能有效提升了对密集人群情况下的分割精度和召回率，且在面对目标遮挡和物体残缺的情况下，本发明算法的性能明显优先于其他算法。
-
Patent Agency Ranking
公开(公告)号：CN113050074B
公开(公告)日：2023-08-25
申请号：CN202110280532.5
申请日：2021-03-16
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种无人驾驶环境感知中相机与激光雷达标定系统及标定方法，基于一种定制标定板的传感器系统，分别对相机和激光雷达所采集的数据进行处理，得到两传感器各自坐标下标定板上镂空圆圆心的三维坐标，再基于改进的ICP(迭代最近点)算法对两组点集进行配准，解算相机与激光雷达之间的相对位姿关系，得到标定结果。本发明提供一种无人驾驶环境感知中相机与激光雷达标定系统及算法，其通过改进的算法使得软件系统或者算法具有较强的鲁棒性，提升了标定精度，为相机与激光雷达数据融合做准备。
-
公开(公告)号：CN113920411A
公开(公告)日：2022-01-11
申请号：CN202111177879.3
申请日：2021-10-09
Applicant: 成都信息工程大学
IPC: G06V10/80 , G06V30/148 , G06N3/04
Abstract: 本发明公开了一种基于改进SOLOv2的校园场景图像分割方法，包括：步骤1：对待检测图像进行主干网络特征提取以得到对应的多层特征信息；步骤2：将多层特征信息送入到改进后的特征金子塔中进行细化并融合；步骤3：将融合后的信息送入到Head头部进行分析，通过两个并行的子通道，进行类别信息分析和mask实例分割；步骤4：通过矩阵非极大值抑制保留最高置信度的掩码信息以及类别信息，步骤5：将mask特征图映射回原图像上，输出带有特征mask掩码的图像。本发明提供一种基于改进SOLOv2的校园场景图像分割方法，能有效提升了对密集人群情况下的分割精度和召回率，且在面对目标遮挡和物体残缺的情况下，本发明算法的性能明显优先于其他算法。
-
公开(公告)号：CN112965481A
公开(公告)日：2021-06-15
申请号：CN202110136495.0
申请日：2021-02-01
Applicant: 成都信息工程大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于点云地图的果园作业机器人无人驾驶方法，包括：步骤一、通过差分GPS对果园区域周边的树木树冠、路标分别进行定位，标明树木和路标的绝对位置；步骤二、采用激光雷达扫描记录关键特征树干并记录相应特征信号，得到对应的点云地图；步骤三、作业机器人在点云地图上标记出实时位置；步骤四、通过激光雷达不断扫描树干信息，以对应点云地图上的GPS信号点，以推算机器人行进位姿，修正机器人的行进方向。本发明提供一种基于点云地图的果园作业机器人无人驾驶方法，可以让机器人在行间无GPS情况下，利用果园添加位置标签的点云地图和惯性导航辅助实现机器人精准出行、转弯和寻找下一行的功能，满足机器人在果园中连续工作的需求。
-
公开(公告)号：CN113050074A
公开(公告)日：2021-06-29
申请号：CN202110280532.5
申请日：2021-03-16
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种无人驾驶环境感知中相机与激光雷达标定系统及标定方法，基于一种定制标定板的传感器系统，分别对相机和激光雷达所采集的数据进行处理，得到两传感器各自坐标下标定板上镂空圆圆心的三维坐标，再基于改进的ICP(迭代最近点)算法对两组点集进行配准，解算相机与激光雷达之间的相对位姿关系，得到标定结果。本发明提供一种无人驾驶环境感知中相机与激光雷达标定系统及算法，其通过改进的算法使得软件系统或者算法具有较强的鲁棒性，提升了标定精度，为相机与激光雷达数据融合做准备。
-
公开(公告)号：CN112381284A
公开(公告)日：2021-02-19
申请号：CN202011254308.0
申请日：2020-11-11
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种无人接驳车多站点路径优化的改进遗传算法，基于无人接驳车的多个站点进行抽象地图的构建，并采用改进的遗传算法对抽象地图进行路径规划；其中，所述抽象地图的构建方式在于通过选取多个站点中的任意一个站点作为基准，把站点与站点之间的最短实际距离转化为欧式距离并进行地形加权得到真实代价之后逐一进行排列，逐个设置坐标得到最终的抽象地图。本发明提供一种无人接驳车多站点路径优化的改进遗传算法，其采用对复杂地图进行抽象地图构建，配合对应的改进遗传算法对抽象地图进行路径规划，具有更好的适应性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
