公开(公告)号：CN111522043A

公开(公告)日：2020-08-11

申请号：CN202010369853.8

申请日：2020-04-30

Applicant: 北京联合大学

Inventor： 刘元盛 ,  常飞翔 ,  杨建锁 ,  谢龙洋 ,  钟昊

IPC: G01S19/45 ,  G01S17/42

Abstract: 本发明涉及一种无人车激光雷达快速重新匹配定位方法，属于无人驾驶领域。本发明利用多传感器融合的思想，解决了无人车在园区任意环境下SLAM的持续定位问题和激光雷达扫描匹配失败后的快速重新匹配问题。本发明一共分为多传感器标定、融合位姿和融合定位三个模块。通过多传感器联合标定，获得对目标的一致性描述；将GPS传感器和激光雷达传感器对无人车解算的位姿信息进行数据融合，获得GPS传感器和激光雷达传感器融合的车辆位姿信息；当激光雷达SLAM定位模块点云匹配失败时，使用融合位姿来替代点云匹配算法的定位预测矩阵，实现激光雷达SLAM算法的快速重新匹配，实现无人车SLAM算法的持续定位。

公开(公告)号：CN111522043B

公开(公告)日：2023-07-25

申请号：CN202010369853.8

申请日：2020-04-30

Applicant: 北京联合大学

Inventor： 刘元盛 ,  常飞翔 ,  杨建锁 ,  谢龙洋 ,  钟昊

IPC: G01S19/45 ,  G01S17/42

Abstract: 本发明涉及一种无人车激光雷达快速重新匹配定位方法，属于无人驾驶领域。本发明利用多传感器融合的思想，解决了无人车在园区任意环境下SLAM的持续定位问题和激光雷达扫描匹配失败后的快速重新匹配问题。本发明一共分为多传感器标定、融合位姿和融合定位三个模块。通过多传感器联合标定，获得对目标的一致性描述；将GPS传感器和激光雷达传感器对无人车解算的位姿信息进行数据融合，获得GPS传感器和激光雷达传感器融合的车辆位姿信息；当激光雷达SLAM定位模块点云匹配失败时，使用融合位姿来替代点云匹配算法的定位预测矩阵，实现激光雷达SLAM算法的快速重新匹配，实现无人车SLAM算法的持续定位。

公开(公告)号：CN113139615A

公开(公告)日：2021-07-20

申请号：CN202110502519.X

申请日：2021-05-08

Applicant: 北京联合大学

Inventor： 刘元盛 ,  谢龙洋 ,  常飞翔 ,  杨硕 ,  刘郭胜

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于嵌入式设备的无人驾驶环境目标检测方法，首先利用改进后的YOLOv3算法完成上述目标的识别，首先对YOLOv3的维度聚类算法K‑Means进行了改进，利用改进后的K‑Means++算法获取适应数据集的最优锚框尺度，提高聚类精度；其次，针对YOLOv3中的Darknet‑53主干网络，通过将主干网络的BN层与卷积层进行合并来缩短模型的前向推理时间；最后通过模型压缩技术实现模型参数的大幅度缩减以便在嵌入式设备上的应用，对摄像头输入的实时视频数据进行解析，并判断当前场景中的目标类别。