-
公开(公告)号:CN114440901A
公开(公告)日:2022-05-06
申请号:CN202011236206.6
申请日:2020-11-05
申请人: 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)科技有限公司 , 北京理工大学
IPC分类号: G01C21/32
摘要: 本发明基于栅格地图、拓扑地图以及几何特征地图各自的优缺点,汲取各种地图模型的优点,提出了一种可同时服务于位姿估计以及无人车辆导航的全局混合地图模型。全局混合地图主要由子地图节点以及子地图节点间连通关系构成。子地图节点中的地图数据包括三维概率特征子地图、三维概率栅格子地图以及可通行区域。三维概率特征子地图以及三维概率栅格子地图采用基于顺序存储结构和树形结构的混合数据结构进行数据组织,以提高其数据更新的实时性,并通过概率滤波提高了子地图对于系统噪声的鲁棒性。三维概率特征子地图以及三维概率栅格子地图共同与点云匹配进行位姿估计。基于三维概率栅格子地图提取用于无人车辆导航的可通行区域。
-
公开(公告)号:CN110032949B
公开(公告)日:2021-09-28
申请号:CN201910222741.7
申请日:2019-03-22
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
摘要: 本发明涉及一种基于轻量化卷积神经网络的目标检测与定位方法,属于深度学习技术领域,解决了现有方法不能满足无人驾驶车辆实时性处理的要求。包括:实时采集车辆前方的图像数据和点云数据;将图像数据传输到目标检测模型,进行目标识别,获取目标信息;目标检测模型采用轻量化卷积神经网络;将获取的目标信息及点云数据输入到训练好的目标定位模型,进行目标定位,得到目标相对于车辆的位置信息。本方法实现了对静态、动态目标的实时检测和定位,使得车辆能够实时感知目标信息,及时地对目标进行避障处理,检测和识别结果具有较高的准确度,能够用于存在多个静态、动态目标的复杂场景,并且满足自动驾驶车辆的实时性检测定位要求。
-
公开(公告)号:CN110082783B
公开(公告)日:2021-04-23
申请号:CN201910390135.6
申请日:2019-05-10
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
IPC分类号: G01S17/931 , G01S17/42
摘要: 本发明涉及一种悬崖检测的方法及装置,属于无人驾驶汽车感知技术领域,解决无人驾驶汽车在越野场景下的悬崖检测问题;方法包括,对获取激光雷达点云数据预处理得到有效激光雷达点云数据;采用滑窗方法,选取垂直角度相同有效激光雷达点云数据进行窗口特征数据提取,根据所述窗口特征数据在窗口滑动过程中的畸变特征,得到悬崖区域。本发明使用激光雷达点云数据,使悬崖检测距离更远,精度更高;采用滑窗方法判断悬崖区域,而不是根据单点的高度和距离特征,排除了杂点或者噪声点的干扰,使检测更加鲁棒和高效。
-
公开(公告)号:CN110210350A
公开(公告)日:2019-09-06
申请号:CN201910429977.8
申请日:2019-05-22
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
摘要: 本发明涉及一种基于深度学习的快速停车位检测方法,属于驾驶技术领域,用于解决停车位检测环境适应性差、模型计算量大问题,方法包括离线步骤:离线采集包含有停车位的图像数据,建立训练、验证数据集;进行神经网络模型的训练、评价和优化;所述神经网络模型用于对图像数据中停车位边线进行语义分割;在线步骤:在线采集包含有停车位的图像数据,使用训练好的神经网络模型进行停车位边线语义分割得到停车位边线掩膜,对得到的边线掩膜进行拟合、聚类与组合,得到由边线组成的几何形状;根据设定的形状判别条件,对所述几何形状进行筛选确定停车位。本发明具环境适应性强;采用模型体积很小,计算量低,对计算资源的需求较小;系统造价低,具有大规模应用的潜力。
-
公开(公告)号:CN109960261A
公开(公告)日:2019-07-02
申请号:CN201910222739.X
申请日:2019-03-22
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
摘要: 本发明涉及一种基于碰撞检测的动态障碍物避让方法,属于无人车辆技术领域,通过初规划构造车辆期望轨迹,并根据接收的动态障碍物预测轨迹和所述车辆期望轨迹,进行碰撞检测,对车辆的行驶速度和/或路径进行重新规划,得到车辆无碰撞行驶速度和/或路径数据,重新构造车辆期望轨迹,避让动态障碍物;实现无人车辆自主避让动态障碍物。本发明立足于自动驾驶车辆在动态环境下,所采用碰撞检测方法保证既不失碰撞检测精度,又可以提升碰撞检测效率;所采用重规划方法可以兼顾通行效率、通行平顺性和通行安全性效果。
-
公开(公告)号:CN112923934A
公开(公告)日:2021-06-08
申请号:CN201911246441.9
申请日:2019-12-06
申请人: 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)科技有限公司 , 北京理工大学
摘要: 本发明涉及一种紧耦合的LIDAR‑IMU SLAM(雷达‑惯性测量单元即时定位与地图构建),用于对非结构化道路环境中针对位置、姿态、速度和加速度计、陀螺仪漂移进行精确可靠的估计。该方法基于对激光雷达点云和IMU(惯性测量单元)积分产生的残差的优化。第一部分残差来自于同时建立的相关图中当前扫描点云与体素质心之间的距离之和。剩余量的第二部分来自于考虑激光雷达和IMU校准误差的预积分过程。与仅有激光雷达参与的SLAM(即时定位与地图构建)相比,LIDAR‑IMU SLAM在鲁棒性和精确姿态估计方面表现出更好的性能。此外,由于该系统具有提取重力方向的能力,估计的俯仰和滚动角度不会偏离。LIDAR‑IMU SLAM可以保持10Hz的频率,同时进行扫描匹配和建图。
-
公开(公告)号:CN109960261B
公开(公告)日:2020-07-03
申请号:CN201910222739.X
申请日:2019-03-22
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
摘要: 本发明涉及一种基于碰撞检测的动态障碍物避让方法,属于无人车辆技术领域,通过初规划构造车辆期望轨迹,并根据接收的动态障碍物预测轨迹和所述车辆期望轨迹,进行碰撞检测,对车辆的行驶速度和/或路径进行重新规划,得到车辆无碰撞行驶速度和/或路径数据,重新构造车辆期望轨迹,避让动态障碍物;实现无人车辆自主避让动态障碍物。本发明立足于自动驾驶车辆在动态环境下,所采用碰撞检测方法保证既不失碰撞检测精度,又可以提升碰撞检测效率;所采用重规划方法可以兼顾通行效率、通行平顺性和通行安全性效果。
-
公开(公告)号:CN110329344A
公开(公告)日:2019-10-15
申请号:CN201910672537.5
申请日:2019-07-24
申请人: 北京理工大学 , 北理慧动(常熟)车辆科技有限公司 , 北理慧动(北京)科技有限公司
IPC分类号: B62D1/28
摘要: 本发明涉及一种遥控驾驶仪的车速转向结构,属于遥控车辆控制领域,解决了现有遥控驾驶仪无法单手操作、驾驶员驾驶强度大、车辆可操作性差以及安全性能差的问题。车速转向结构包括底板、转向控制组件和车速控制组件;车速控制组件包括平面支架、滑轨和直线电位计,直线电位计能够在平面支架的作用下沿滑轨移动,通过改变直线电位计阻值大小实现车速调节;转向控制组件包括延伸轴,延伸轴包括上部和下部,上部的上端设有手柄,下部与旋转电位计连接,手柄能够使延伸轴旋转实现遥控转向;平面支架设有允许下部穿过的通孔。本发明实现了遥控驾驶仪单手操作,减轻了驾驶强度,增强了车辆的可操作性,使得遥控驾驶车辆的安全性能大幅提高。
-
公开(公告)号:CN110458047B
公开(公告)日:2023-01-10
申请号:CN201910667021.1
申请日:2019-07-23
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
IPC分类号: G06V20/52 , G06V20/56 , G06V10/774 , G06V10/764
摘要: 本发明涉及一种基于深度学习的越野环境场景识别方法及系统,属于越野环境场景识别技术领域,解决了现有越野环境场景识别时间长、可通过区域提取成本高且提取效果较差的问题。一种基于深度学习的越野环境场景识别方法,包括如下步骤:获取越野环境场景下拍摄得到的待检测图像;对待检测图像进行场景识别,处理得到待检测图像的烟雾识别结果、扬尘识别结果、自然场景识别结果和道路类型识别结果;根据所述道路类型识别结果对待检测图像进行道路语义分割,处理得到待检测图像的路面分割结果;在待检测图像上统一显示所述烟雾识别结果、扬尘识别结果、自然场景识别结果、道路类型识别结果及路面分割结果。该方法有效缩短了越野环境场景识别时间。
-
公开(公告)号:CN110210350B
公开(公告)日:2021-12-21
申请号:CN201910429977.8
申请日:2019-05-22
申请人: 北京理工大学 , 北理慧动(北京)科技有限公司 , 北理慧动(常熟)车辆科技有限公司
摘要: 本发明涉及一种基于深度学习的快速停车位检测方法,属于驾驶技术领域,用于解决停车位检测环境适应性差、模型计算量大问题,方法包括离线步骤:离线采集包含有停车位的图像数据,建立训练、验证数据集;进行神经网络模型的训练、评价和优化;所述神经网络模型用于对图像数据中停车位边线进行语义分割;在线步骤:在线采集包含有停车位的图像数据,使用训练好的神经网络模型进行停车位边线语义分割得到停车位边线掩膜,对得到的边线掩膜进行拟合、聚类与组合,得到由边线组成的几何形状;根据设定的形状判别条件,对所述几何形状进行筛选确定停车位。本发明具环境适应性强;采用模型体积很小,计算量低,对计算资源的需求较小;系统造价低,具有大规模应用的潜力。
-
-
-
-
-
-
-
-
-