-
公开(公告)号：CN118736562A
公开(公告)日：2024-10-01
申请号：CN202410915848.0
申请日：2024-07-09
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于轨道交通的全局定位方法，通过对全局三维点云先验图分割处理获取若干体素子地图，并根据标志物识别策略识别各体素子地图中的标志物获取优化体素子地图，有效避免了环境因素的干扰，使得在获取目标点云数据时，精确确定每个数据点云所属的子地图，提高了全局三维点云先验图的处理效率与精度；此外将特征序列数据表中的各特征点作为预先构建的k‑d树数据存储结构的输入，通过对各特征点的提取，有效降低了k‑d树数据存储结构的输入数据总量且降低了排序时间，显著提高了K‑D树的运行效率，采用K近邻算法匹配该特征点的邻近点获取邻近点特征表，并根据搜索中心点与邻近点特征表获取用于描述各体素子地图的若干三角描述符，精确并有效的实现了对全局三维点云先验图的全局描述符；通过对全局描述符进行哈希映射获取全局描述符的映射数据，以用于实现实时获取的当前帧点云对应全局地图的位姿特征匹配评分，以提高对实时点云数据定位的鲁棒性。
-
公开(公告)号：CN119126072A
公开(公告)日：2024-12-13
申请号：CN202411122255.5
申请日：2024-08-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于点云方位角图的激光雷达‑相机无目标物在线标定方法，包括基于CT‑ICP算法根据各帧插值激光雷达姿态点云与激光雷达目标点云获取当前帧的粗估计位姿获取最优位姿；并将各最优位姿转换至初始帧扫描的激光雷达点云中获取全局静态点云；基于给定激光雷达与相机的初始化外参获取局部静态点云，并对获取的局部静态点云进行投影变换获取点云方位角图；基于预训练的跨模态深度学习网络Superglue，根据点云方位角图与相机图像获取特征点匹配对集；通过旋转RANSAC算法，对获取的特征点匹配集对进行错误匹配点剔除，以获取优化特征点匹配对；采用Levenberg‑Marquardt优化器最小化优化特征点匹配对的重投影误差，以获取激光雷达‑相机变换矩阵，以实现对激光雷达‑相机无目标物的在线标定。解决了传统的标定方法为基于目标物的标定方法，而基于目标物的标定方法需要依赖特定的物体进行特征提取标定，而且大多都是离线标定，不仅繁琐并且还无法满足一些场景的需求的问题。
-
公开(公告)号：CN118425929A
公开(公告)日：2024-08-02
申请号：CN202410530257.1
申请日：2024-04-29
Applicant: 大连海事大学
Abstract: 本发明的一种基于轨迹对齐的GNSS‑LiDAR外参在线标定方法，通过获取LiDAR里程计在东北天坐标系下的位置和GNSS设备在东北天坐标系下的位置，获取基于GNSS数据与LiDAR里程计数据的在东北天坐标系下的位置误差的目标函数，进而得到LiDAR里程计数据在东北天坐标系下的位姿变换矩阵，最后获取更新后的LiDAR到GNSS之间的位姿变换矩阵，以实现对GNSS‑LiDAR的在线标定。本发明以GNSS和LiDAR作为测量装置，无需增加新的设备即能够完成对外参的更新，同时以车辆为运动载体，以车载计算机为数据收集和处理平台，既能够完成GNSS和LiDAR之间外参的在线标定操作过程中简单，能够在移动机器人上直接进行使用。
-
公开(公告)号：CN119469172A
公开(公告)日：2025-02-18
申请号：CN202411618615.0
申请日：2024-11-13
Applicant: 大连海事大学
IPC: G01C21/26 , G06F18/25 , G06N3/092 , G06N3/0455 , G06N3/0464 , G06N3/006
Abstract: 本发明公开了一种基于转换器模型进行视听模态融合的具身视听导航方法，包括以下步骤：采集视觉信息和听觉信息；最大化预期折扣回报与奖励；分别使用两个编码器对视听感官进行特征提取；使用空间音频编码器进行特征映射；对视觉和听觉两个模态的信息进行融合；使用动态路径长度加权成功衡量声源为移动声源的任务的策略；使用近端策略优化算法训练网络。本发明能施更好地协同了视觉与听觉输入，使得视听模态得以更好地融合，以提高导航的准确性与精度。本发明使用转换器模型代替传统的门控循环单元，能满足在嘈杂环境以及动态声源任务中的高难度导航要求。本发明使用近端策略优化算法进行训练，节省了人力，提高了经济效益。
-
-
-
Search Results
4
records
(took 0.015 seconds)
