公开(公告)号：CN113418528B

公开(公告)日：2024-07-12

申请号：CN202110604605.1

申请日：2021-05-31

Applicant: 江苏大学

Inventor： 李祎承 ,  陆子恒 ,  蔡英凤 ,  王海 ,  朱镇 ,  蒋卓一 ,  冯锋

IPC: G01C21/32 ,  G06T17/05

Abstract: 本发明公开了一种面向智能汽车的交通场景语义建模装置、建模方法以及定位方法，本发明为实现高建模精度，将交通场景进行多尺度多层级的精细化表征，包括：道路位置层，场景特征层以及交通语义层。其中，交通语义层采用深度学习的方式对交通元素进行语义识别，并将场景中的行人、车辆等动态目标剔除，解决了动态目标干扰问题；道路位置层描述了场景间的位置关系；场景特征层是在最大限度减少数据存储的基础上对交通场景进行充分的描述。上述三者解决了高精度地图对交通场景精细描述的问题。

公开(公告)号：CN113865581A

公开(公告)日：2021-12-31

申请号：CN202111084282.4

申请日：2021-09-16

Applicant: 江苏大学 ,  武汉理工大学

Inventor： 李祎承 ,  蒋卓一 ,  柳晨光 ,  冯锋 ,  杨东晓

IPC: G01C21/00 ,  G01C21/20

Abstract: 本发明提供了一种基于多层级地图的封闭场景定位方法，首先获取封闭场景所有节点的图像信息和轨迹信息，再制作多层级地图，包括BOW特征层、场景结构层和轨迹信息，获取待定位点的车载相机拍摄图像，匹配最近的地图节点，计算待定位点距离最近地图节点的相对坐标，结合节点轨迹信息完成高精度定位；本发明将BOW与视觉局部特征相结合，分别利用地图的视觉局部特征实现节点级粗匹配，再利用场景结构实现度量级精细定位，达到高精度定位的效果。

公开(公告)号：CN113642430B

公开(公告)日：2024-05-14

申请号：CN202110865927.1

申请日：2021-07-29

Applicant: 江苏大学

Inventor： 李祎承 ,  冯锋 ,  蔡英凤 ,  王海 ,  蒋卓一 ,  朱镇 ,  杨东晓

IPC: G06V20/58 ,  G06V10/774 ,  G06V10/764 ,  G06V10/44 ,  G06V10/74 ,  G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于VGG+NetVLAD的地下停车场高精度视觉定位方法及系统，具体包括以下步骤：1、数据采集阶段：采集目标停车场内的安全出口标志数据信息；2、网络模型建立与训练阶段：建立并训练标志检测模型和全局特征提取模型；3、地图制作阶段：运用训练好的网络模型，进行地图的制作；4、定位实现阶段：利用平面单应性解算相机与标志间的位姿，实现实时定位。本发明利用了停车场内原有的安全出口标志制作视觉地图，方案简单，无需其他部署，仅需单目相机实现，降低了成本，且定位精度可达到亚米级别，既可应用于移动设备，又可应用于智能驾驶汽车。

公开(公告)号：CN113642430A

公开(公告)日：2021-11-12

申请号：CN202110865927.1

申请日：2021-07-29

Applicant: 江苏大学

Inventor： 李祎承 ,  冯锋 ,  蔡英凤 ,  王海 ,  蒋卓一 ,  朱镇 ,  杨东晓

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于VGG+NetVLAD的地下停车场高精度视觉定位方法及系统，具体包括以下步骤：1、数据采集阶段：采集目标停车场内的安全出口标志数据信息；2、网络模型建立与训练阶段：建立并训练标志检测模型和全局特征提取模型；3、地图制作阶段：运用训练好的网络模型，进行地图的制作；4、定位实现阶段：利用平面单应性解算相机与标志间的位姿，实现实时定位。本发明利用了停车场内原有的安全出口标志制作视觉地图，方案简单，无需其他部署，仅需单目相机实现，降低了成本，且定位精度可达到亚米级别，既可应用于移动设备，又可应用于智能驾驶汽车。

公开(公告)号：CN113865581B

公开(公告)日：2024-06-07

申请号：CN202111084282.4

申请日：2021-09-16

Applicant: 江苏大学 ,  武汉理工大学

Inventor： 李祎承 ,  蒋卓一 ,  柳晨光 ,  冯锋 ,  杨东晓

IPC: G01C21/00 ,  G01C21/20

Abstract: 本发明提供了一种基于多层级地图的封闭场景定位方法，首先获取封闭场景所有节点的图像信息和轨迹信息，再制作多层级地图，包括BOW特征层、场景结构层和轨迹信息，获取待定位点的车载相机拍摄图像，匹配最近的地图节点，计算待定位点距离最近地图节点的相对坐标，结合节点轨迹信息完成高精度定位；本发明将BOW与视觉局部特征相结合，分别利用地图的视觉局部特征实现节点级粗匹配，再利用场景结构实现度量级精细定位，达到高精度定位的效果。

公开(公告)号：CN113418528A

公开(公告)日：2021-09-21

申请号：CN202110604605.1

申请日：2021-05-31

Applicant: 江苏大学

Inventor： 李祎承 ,  陆子恒 ,  蔡英凤 ,  王海 ,  朱镇 ,  蒋卓一 ,  冯锋

IPC: G01C21/32 ,  G06T17/05

Abstract: 本发明公开了一种面向智能汽车的交通场景语义建模装置、建模方法以及定位方法，本发明为实现高建模精度，将交通场景进行多尺度多层级的精细化表征，包括：道路位置层，场景特征层以及交通语义层。其中，交通语义层采用深度学习的方式对交通元素进行语义识别，并将场景中的行人、车辆等动态目标剔除，解决了动态目标干扰问题；道路位置层描述了场景间的位置关系；场景特征层是在最大限度减少数据存储的基础上对交通场景进行充分的描述。上述三者解决了高精度地图对交通场景精细描述的问题。