-
公开(公告)号：CN118182538B
公开(公告)日：2024-08-13
申请号：CN202410612049.6
申请日：2024-05-17
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要： 本发明提供了一种基于课程强化学习的无保护左转场景决策规划方法及系统。该方法包括，获取自车辆状态信息和障碍物信息；基于可变数量的障碍物信息，提取空间维度的障碍物特征；所述空间维度的障碍物特征包括多时间维度信息；基于空间维度的障碍物特征，提取多时间维度的空间特征信息；基于多时间维度的空间特征信息，采用多阶段的课程学习方法进行启发式训练，每下一训练阶段，抛弃一个未来时间帧状态，直到抛弃所有未来时间帧特征，得到输入只有当前时间帧和过去时间帧的多维时空的障碍物特征；将多维时空的障碍物特征与自车辆状态信息进行融合，得到融合特征；将融合特征和奖励信息，输入策略网络，经动作解码网络输出自车辆动作信息。
-
公开(公告)号：CN118154676B
公开(公告)日：2024-08-13
申请号：CN202410564254.X
申请日：2024-05-09
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要： 本发明提出了一种基于激光雷达的场景定位方法和系统，属于机器人鲁棒定位技术领域，该方法包括：根据目标场景的先验地图点云确定局部地图；将局部地图中的第一点云体素划分后存储为第一体素格子，计算每个第一体素格子的第一均值与第一方差；将实时点云体素划分后存储为第二体素格子，计算第二体素格子的第二均值与第二方差；根据第一均值和第二均值确定待配准局部地图的均值；根据第一方差和第二方差确定待配准局部地图的方差，完成增量更新；根据目标点云在增量更新后待配准局部地图中体素格子的位置对目标点云定位。基于该方法，还提出了一种基于激光雷达的场景定位系统。本发明提高定位系统在复杂多变环境下的准确性和鲁棒性。
-
公开(公告)号：CN117687042A
公开(公告)日：2024-03-12
申请号：CN202410152962.2
申请日：2024-02-04
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
IPC分类号： G01S17/931
摘要： 本发明提出了一种多雷达数据融合方法、系统和设备，属于设备勘测导航技术领域，该方法包括以下步骤：获取多激光雷达原始点云数据，将原始点云数据转化为笛卡尔坐标系下的第一中间数据进行误差弥补；将转化至笛卡尔坐标系下的第一中间数据采用定点数计算框架表示用于减少冗余计算；根据每个激光雷达安装位置将采用定点数计算框架表示的第一中间数据旋转平移到以车为中心的坐标点，所述以车为中心的坐标点融合为点云感知域。基于一种多雷达数据融合方法，还提出了一种多雷达数据融合系统和设备。本发明实现了对多个高精度雷达原始数据的快速转换和处理及坐标系转换融合形成更大感知视野，减少感知盲区。
-
公开(公告)号：CN118154676A
公开(公告)日：2024-06-07
申请号：CN202410564254.X
申请日：2024-05-09
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要： 本发明提出了一种基于激光雷达的场景定位方法和系统，属于机器人鲁棒定位技术领域，该方法包括：根据目标场景的先验地图点云确定局部地图；将局部地图中的第一点云体素划分后存储为第一体素格子，计算每个第一体素格子的第一均值与第一方差；将实时点云体素划分后存储为第二体素格子，计算第二体素格子的第二均值与第二方差；根据第一均值和第二均值确定待配准局部地图的均值；根据第一方差和第二方差确定待配准局部地图的方差，完成增量更新；根据目标点云在增量更新后待配准局部地图中体素格子的位置对目标点云定位。基于该方法，还提出了一种基于激光雷达的场景定位系统。本发明提高定位系统在复杂多变环境下的准确性和鲁棒性。
-
公开(公告)号：CN118182538A
公开(公告)日：2024-06-14
申请号：CN202410612049.6
申请日：2024-05-17
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要： 本发明提供了一种基于课程强化学习的无保护左转场景决策规划方法及系统。该方法包括，获取自车辆状态信息和障碍物信息；基于可变数量的障碍物信息，提取空间维度的障碍物特征；所述空间维度的障碍物特征包括多时间维度信息；基于空间维度的障碍物特征，提取多时间维度的空间特征信息；基于多时间维度的空间特征信息，采用多阶段的课程学习方法进行启发式训练，每下一训练阶段，抛弃一个未来时间帧状态，直到抛弃所有未来时间帧特征，得到输入只有当前时间帧和过去时间帧的多维时空的障碍物特征；将多维时空的障碍物特征与自车辆状态信息进行融合，得到融合特征；将融合特征和奖励信息，输入策略网络，经动作解码网络输出自车辆动作信息。
-
公开(公告)号：CN117788592B
公开(公告)日：2024-06-07
申请号：CN202410204831.4
申请日：2024-02-26
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要： 本申请提供了一种矿井车辆的雷达点云处理装置、方法、设备及介质，涉及雷达点云测距技术领域。方法包括：接收雷达测得的原始雷达数据；预处理所述原始雷达数据，得到有效雷达数据；将所述有效雷达数据转换为雷达坐标点，并生成雷达点云数据；建立定点数运算框架，将所述雷达点云数据进行旋转，获得旋转坐标矩阵；基于所述旋转坐标矩阵，生成雷达点云数据处理结果，发送至执行机构用于所述矿井车辆的定位及测距。可以实现高精度雷达原始数据转化为雷达坐标系中的坐标点，并根据不同雷达出厂参数不同进行差值补偿，并可为配准提供实时的坐标旋转平移接口，总体处理时间在百纳秒内。极大的为后期激光雷达算法降低计算负担，并提高实时性。
-
公开(公告)号：CN117687042B
公开(公告)日：2024-05-17
申请号：CN202410152962.2
申请日：2024-02-04
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
IPC分类号： G01S17/931
摘要： 本发明提出了一种多雷达数据融合方法、系统和设备，属于设备勘测导航技术领域，该方法包括以下步骤：获取多激光雷达原始点云数据，将原始点云数据转化为笛卡尔坐标系下的第一中间数据进行误差弥补；将转化至笛卡尔坐标系下的第一中间数据采用定点数计算框架表示用于减少冗余计算；根据每个激光雷达安装位置将采用定点数计算框架表示的第一中间数据旋转平移到以车为中心的坐标点，所述以车为中心的坐标点融合为点云感知域。基于一种多雷达数据融合方法，还提出了一种多雷达数据融合系统和设备。本发明实现了对多个高精度雷达原始数据的快速转换和处理及坐标系转换融合形成更大感知视野，减少感知盲区。
-
公开(公告)号：CN117788592A
公开(公告)日：2024-03-29
申请号：CN202410204831.4
申请日：2024-02-26
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要： 本申请提供了一种矿井车辆的雷达点云处理装置、方法、设备及介质，涉及雷达点云测距技术领域。方法包括：接收雷达测得的原始雷达数据；预处理所述原始雷达数据，得到有效雷达数据；将所述有效雷达数据转换为雷达坐标点，并生成雷达点云数据；建立定点数运算框架，将所述雷达点云数据进行旋转，获得旋转坐标矩阵；基于所述旋转坐标矩阵，生成雷达点云数据处理结果，发送至执行机构用于所述矿井车辆的定位及测距。可以实现高精度雷达原始数据转化为雷达坐标系中的坐标点，并根据不同雷达出厂参数不同进行差值补偿，并可为配准提供实时的坐标旋转平移接口，总体处理时间在百纳秒内。极大的为后期激光雷达算法降低计算负担，并提高实时性。
-
公开(公告)号：CN118447478A
公开(公告)日：2024-08-06
申请号：CN202410543547.X
申请日：2024-04-30
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要： 本发明提出了一种BEV空间融合检测方法、系统和设备，属于智能驾驶的图像处理技术领域，该方法包括：获取车辆的环境图像和环境点云；环境图像输入目标检测算法得到第一图像特征；环境点云输入点云柱状化算法得到第二图像特征；环境图像和环境点云分别经过分割模型得到第一和第二分割特征；第一图像特征和第一分割特征在相同位置拼接后经过深度匹配算法获取图像转换特征；第二图像特征和第二分割特征在相同位置拼接后经过点云目标检测得到点云特征；转换特征和点云特征在相同位置拼接后经过目标检测得到障碍物分割结果。基于该方法，还提出了BEV空间融合检测系统和设备。本发明满足实时性要求的同时减少自动驾驶车辆对周围环境的漏检问题。
-
公开(公告)号：CN117765502A
公开(公告)日：2024-03-26
申请号：CN202410194438.1
申请日：2024-02-22
申请人： 北京理工大学前沿技术研究院 , 北京理工大学 , 山东汇创信息技术有限公司 , 山东伟创信息技术有限公司
摘要： 本申请提供了一种高速公路自动驾驶预警方法、系统、设备及存储介质，方法包括：获取高速公路道路行驶图像；基于改进的ELAN算法处理所述高速公路道路行驶图像，获得特征信息；其中，所述ELAN算法的改进包括：基于SimSPPF进行优化特征提取，并且增加SimAM注意力机制以增强小目标检测能力；基于所述特征信息，检测高速公路行驶隐患目标；其中，所述隐患目标包括：车辆、交通标识、地面标识以及车道线；基于YOLOP算法对所述隐患目标进行预测，排除不影响驾驶的隐患目标，并对影响驾驶的隐患目标进行车内预警；将预警消息发送至车辆执行机构，进行避障或加速变道。采用SimSPPF优化特征提取，增加了SimAM注意力机制，增强了高速公路自动驾驶的小目标检测能力。
-
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.111 秒)
