公开(公告)号：CN115752430A

公开(公告)日：2023-03-07

申请号：CN202211303015.6

申请日：2022-10-24

申请人： 佛山仙湖实验室 ,  武汉理工大学

发明人： 尹智帅 ,  杨谢添 ,  颜伏伍 ,  卢炽华 ,  聂琳真 ,  何志伟 ,  韦清泉

IPC分类号： G01C21/00 ,  G01C21/32 ,  G01C21/20 ,  G01S19/53 ,  G01C22/00

摘要： 本发明公开了一种全局点云地图构建方法、系统、设备及存储介质，其中所述方法包括：获取车辆在不同时刻下的若干个差分GPS数据，并从中解析出不同时刻下的若干个全局位姿信息；获取车辆周围在不同时刻下的若干帧点云数据，并从中解析出不同时刻下的若干个激光里程计信息；基于因子图优化算法对若干个全局位姿信息和若干个激光里程计信息进行融合，得到车辆在不同时刻下的多个全局里程计信息；根据多个全局里程计信息及其关联的不同时刻下的多帧点云数据，构建出全局点云地图。本发明通过利用因子图优化算法实现点云数据与差分GPS数据的融合，可以使得最终构建得到的全局点云地图更为准确可靠。

公开(公告)号：CN114841345A

公开(公告)日：2022-08-02

申请号：CN202210313990.9

申请日：2022-03-28

申请人： 武汉理工大学

发明人： 尹智帅 ,  韦清泉 ,  肖轶戈 ,  李康 ,  巴元新 ,  邝远浩

IPC分类号： G06N3/10 ,  G06N3/08 ,  G06N3/04 ,  G06F9/54 ,  G06F9/50 ,  G06F9/455 ,  G06F8/30

摘要： 本发明公开了一种基于深度学习算法的分布式计算平台，由一个主计算节点和多个从计算节点组成，并采用了基于MPI协议设计的深度学习算法针对主计算节点和从计算节点分为主算法和从算法两个部分，目标提取任务被分割为目标提取和结果融合两个部分，目标提取这一任务主要由从算法实现，主算法的输入为所有从算法的输出结果，融合得到最终的目标提取结果。本发明还提供了基于深度学习算法的分布式计算平台的应用，是用于车辆的自动驾驶。本发明能够根据不同的驾驶环境匹配不同的计算节点，在复杂环境下可以通过采用主计算节点和多个从计算节点的方式提高算力，同时也不会产生过大的计算机占据车内空间。

公开(公告)号：CN118545046B

公开(公告)日：2024-10-18

申请号：CN202411018302.1

申请日：2024-07-29

申请人： 武汉理工大学

发明人： 尹智帅 ,  梁洋 ,  韦清泉 ,  何志伟 ,  陶博

IPC分类号： B60W30/095 ,  B60W50/00 ,  B60W60/00

摘要： 本发明公开了一种基于数字孪生和预测风险场的车辆行车风险辨识方法，包括以下步骤：S1、获取车辆轨迹预测模型根据数字孪生数据生成的周围车辆的多模态预测轨迹，并将其在时间和空间上离散化；S2、在预测时域内叠加某一条预测轨迹中一系列的潜在静态场，得到相应单一模态预测轨迹的风险场；S3、基于周围车辆每条预测轨迹的概率大小，通过加权叠加得到多个模态的预测轨迹的风险场；S4、计算车辆当前的静态风险场和道路风险场，并与多个模态的预测轨迹的风险场进行加权叠加，得到综合风险场；S5、根据该综合风险场进行车辆路径规划或生成预警提示。本发明充分考虑了行车环境中的不确定性危险场，提高了风险感知能力。

公开(公告)号：CN118545046A

公开(公告)日：2024-08-27

申请号：CN202411018302.1

申请日：2024-07-29

申请人： 武汉理工大学

发明人： 尹智帅 ,  梁洋 ,  韦清泉 ,  何志伟 ,  陶博

IPC分类号： B60W30/095 ,  B60W50/00 ,  B60W60/00

摘要： 本发明公开了一种基于数字孪生和预测风险场的车辆行车风险辨识方法，包括以下步骤：S1、获取车辆轨迹预测模型根据数字孪生数据生成的周围车辆的多模态预测轨迹，并将其在时间和空间上离散化；S2、在预测时域内叠加某一条预测轨迹中一系列的潜在静态场，得到相应单一模态预测轨迹的风险场；S3、基于周围车辆每条预测轨迹的概率大小，通过加权叠加得到多个模态的预测轨迹的风险场；S4、计算车辆当前的静态风险场和道路风险场，并与多个模态的预测轨迹的风险场进行加权叠加，得到综合风险场；S5、根据该综合风险场进行车辆路径规划或生成预警提示。本发明充分考虑了行车环境中的不确定性危险场，提高了风险感知能力。

公开(公告)号：CN114841345B

公开(公告)日：2023-06-16

申请号：CN202210313990.9

申请日：2022-03-28

申请人： 武汉理工大学

发明人： 尹智帅 ,  韦清泉 ,  肖轶戈 ,  李康 ,  巴元新 ,  邝远浩

IPC分类号： G06N3/10 ,  G06N3/084 ,  G06N3/092 ,  G06N3/098 ,  G06N3/04 ,  G06F9/54 ,  G06F9/50 ,  G06F9/455 ,  G06F8/30

摘要： 本发明公开了一种基于深度学习算法的分布式计算平台，由一个主计算节点和多个从计算节点组成，并采用了基于MPI协议设计的深度学习算法针对主计算节点和从计算节点分为主算法和从算法两个部分，目标提取任务被分割为目标提取和结果融合两个部分，目标提取这一任务主要由从算法实现，主算法的输入为所有从算法的输出结果，融合得到最终的目标提取结果。本发明还提供了基于深度学习算法的分布式计算平台的应用，是用于车辆的自动驾驶。本发明能够根据不同的驾驶环境匹配不同的计算节点，在复杂环境下可以通过采用主计算节点和多个从计算节点的方式提高算力，同时也不会产生过大的计算机占据车内空间。