-
公开(公告)号：CN112085101A
公开(公告)日：2020-12-15
申请号：CN202010944096.2
申请日：2020-09-10
Applicant: 湖南大学
Abstract: 本发明公开了一种高性能高可靠的环境融合感知方法及系统，该方法及系统包含并行的底层安全模块与深度学习模块，其中底层安全模块中分割、聚类算法的设计是基于环境物理特征的，且其理论解释性强，能对出现的安全性问题做出及时、有效的调整，具有高可靠性的优点；深度学习模块准确性高、实时性好且输出信息丰富，具有高性能的优点。然后通过建立环境感知信息融合模块对二者输出的环境感知信息进行适当的融合处理，使得环境融合感知系统兼具深度学习模块的高性能和底层安全模块的高可靠性的同时，能够有效规避深度学习模块失效导致的感知系统失效问题。
-
公开(公告)号：CN114994684B
公开(公告)日：2023-05-12
申请号：CN202210623207.9
申请日：2022-06-01
Applicant: 湖南大学无锡智能控制研究院
IPC: G01S13/931 , G01S17/931 , G01S13/86 , G01S7/495 , G01S7/48 , G01S7/41 , G01S7/36 , G06V10/762 , G06V10/80 , G06V20/58
Abstract: 本发明公开了一种多雷达数据融合的扬尘场景下障碍物检测方法与系统，其包括：步骤S1，获取多雷达数据；步骤S2，将多雷达数据中的激光雷达点云转换为矩阵化后的点云深度图；步骤S3，计算点云深度图上点云坡度特征，并根据连通域搜索获得非地面特征点云聚类，将单个连通域内特征点云数量超过阈值的点云聚类作为障碍物点云聚类，计算非地面特征点云聚类离地高度、连通度和表面离散度；步骤S4，将多雷达数据中的毫米波雷达障碍物检测数据的坐标转换到激光雷达坐标系下，并根据激光雷达目标与毫米波雷达目标之间的距离和/或交并比，计算单个激光雷达的关联特征值；步骤S5，计算点云聚类为灰尘点云聚类的概率，并获得非扬尘障碍物的点云聚类位置。
-
公开(公告)号：CN114994684A
公开(公告)日：2022-09-02
申请号：CN202210623207.9
申请日：2022-06-01
Applicant: 湖南大学无锡智能控制研究院
IPC: G01S13/931 , G01S17/931 , G01S13/86 , G01S7/495 , G01S7/48 , G01S7/41 , G01S7/36 , G06V10/762 , G06V10/80 , G06V20/58
Abstract: 本发明公开了一种多雷达数据融合的扬尘场景下障碍物检测方法与系统，其包括：步骤S1，获取多雷达数据；步骤S2，将多雷达数据中的激光雷达点云转换为矩阵化后的点云深度图；步骤S3，计算点云深度图上点云坡度特征，并根据连通域搜索获得非地面特征点云聚类，将单个连通域内特征点云数量超过阈值的点云聚类作为障碍物点云聚类，计算非地面特征点云聚类离地高度、连通度和表面离散度；步骤S4，将多雷达数据中的毫米波雷达障碍物检测数据的坐标转换到激光雷达坐标系下，并根据激光雷达目标与毫米波雷达目标之间的距离和/或交并比，计算单个激光雷达的关联特征值；步骤S5，计算点云聚类为灰尘点云聚类的概率，并获得非扬尘障碍物的点云聚类位置。
-
-
Search Results
3
records
(took 0.011 seconds)
