-
公开(公告)号：CN116625380B
公开(公告)日：2023-09-29
申请号：CN202310921547.4
申请日：2023-07-26
申请人： 广东工业大学
摘要： 本发明提供一种基于机器学习和SLAM的路径规划方法及系统，属于无人机技术领域，该方法包括：使用FlowNetS对采集的图像中的路径点进行光流估计；根据路径点的光流筛选出候选路径点；判断候选路径点是否满足决策指标，若满足则将候选路径点设为最终路径点，若不满足则重新生成候选路径点；根据最终路径点生成可行路径。本发明解决了视觉SLAM直接法预测光流所需关键帧数过多的问题，克服了参考帧候选点选取的准确性以提高图像的跟踪性能问题，提高了系统实时性能，避免了传统SLAM系统的边云协同中通讯要求高、计算负载大的问题。
-
公开(公告)号：CN116380035A
公开(公告)日：2023-07-04
申请号：CN202211096655.4
申请日：2022-09-08
申请人： 广东工业大学
IPC分类号： G01C21/00
摘要： 本发明提供一种基于SLAM的位姿估计方法和系统，该方法首先建立初始点云描述符数据库；之后获取移动机器人周围环境的三维激光点云数据；之后对三维激光点云数据进行点云分割和特征提取，获取描述符搜索键，该方法通过将搜索得到的点云描述符与正态分布点云描述符进行相似性匹配，并根据相似性匹配结果来不断优化基于SLAM生成的周围环境地图，有效改善了周围环境地图漂移现象，显著提高了移动机器人位姿估计抗噪性能；除此之外，通过建立点云描述符数据库，能够使得SLAM在极端环境下也能够正确识别场景并构建出精确的地图，从而更优地修正激光雷达里程计漂移带来的累计误差，建图精度也有所提高。
-
公开(公告)号：CN109919969A
公开(公告)日：2019-06-21
申请号：CN201910057143.9
申请日：2019-01-22
申请人： 广东工业大学
摘要： 本发明公开了一种利用深度卷积神经网络实现视觉运动控制的方法，只需要单目相机获取移动平台的当前图像，以及只需要对当前获取的单帧图像进行分析，便可得到当前视角下的合理运动控制规划。不需要通过多帧图像的多图像关联得到移动平台的定位信息，同时也不需要进行特征点数据匹配以及平面映射。另外，与已有的基于神经网络的视觉运控方案不同，本发明不需要进行路标识别以及特征点提取。再者，本发明利用深度神经网络具有语义分割的能力，对当前获取图像进行语义分割。并直接将该分割结果用以运动目标点规划，从单帧图像输入到运动控制目标点的规划，整个过程无需人为先验知识的输入。本发明具有成本低、运控简单快捷等优点。
-
公开(公告)号：CN118913272A
公开(公告)日：2024-11-08
申请号：CN202410922570.X
申请日：2024-07-10
申请人： 广东工业大学
摘要： 本发明涉及移动机器人技术领域，更具体地，涉及一种移动机器人路径平滑方法，包括：S1：确定运动学约束条件、最小转弯半径和原始路径；S2：确定待平滑路径点；S3：确定第一回溯点和第二回溯点；S4：构建第一辅助圆和第三辅助圆；S5：构建第二圆心点集和第二辅助圆；S6：确定转弯过渡路径；S7：将与障碍物有交涉的转弯过渡路径对应的第二圆心剔除；S8：判断第二圆心点集是否不为空，若是则选取最贴近的转弯过渡路径对原始路径的相应部分进行替换，再进入步骤S10；否则进入步骤S9；S9：构建一条无碰撞最短路径；S10：结束。本发明克服了现有技术无法避免受最小转弯半径约束的移动机器人被困于死胡同的不足，其可避免移动机器人受困于死胡同。
-
公开(公告)号：CN118294933A
公开(公告)日：2024-07-05
申请号：CN202410281223.3
申请日：2024-03-12
申请人： 广东工业大学 , 九天创新(广东)智能科技有限公司 , 广东省科学院智能制造研究所
IPC分类号： G01S7/497
摘要： 本发明公开了一种基于激光雷达SLAM的定位退化检测方法，包括：利用激光雷达扫描周围环境，采集点云数据，分析激光雷达SLAM体素内的点云分布密度，提取点云密度稀疏的区域，划分体素，使得子体素满足高斯分布；如果机器人处于退化场景中，加入扰动δd时，获取当前帧点云xi的加入扰动δd后的分布概率Fi(p+δd)；根据添加扰动δd前后分布概率Fi(p+δd)的变化，获取机器人在各个方向上的退化程度。本发明引入几何模型，基于点到分布的方法计算当前帧点云在局部空间的分布概率，更准确地判断机器人的退化状态，为SLAM系统的性能改进提供重要的支持，提高SLAM系统的精度和鲁棒性。
-
公开(公告)号：CN116625380A
公开(公告)日：2023-08-22
申请号：CN202310921547.4
申请日：2023-07-26
申请人： 广东工业大学
摘要： 本发明提供一种基于机器学习和SLAM的路径规划方法及系统，属于无人机技术领域，该方法包括：使用FlowNetS对采集的图像中的路径点进行光流估计；根据路径点的光流筛选出候选路径点；判断候选路径点是否满足决策指标，若满足则将候选路径点设为最终路径点，若不满足则重新生成候选路径点；根据最终路径点生成可行路径。本发明解决了视觉SLAM直接法预测光流所需关键帧数过多的问题，克服了参考帧候选点选取的准确性以提高图像的跟踪性能问题，提高了系统实时性能，避免了传统SLAM系统的边云协同中通讯要求高、计算负载大的问题。
-
公开(公告)号：CN109934094A
公开(公告)日：2019-06-25
申请号：CN201910057142.4
申请日：2019-01-22
申请人： 广东工业大学
摘要： 本发明公开了一种提高移动机器人单目视觉环境探索可靠性的系统及其方法，从单目视觉的传感特点入手，结合环境建模策略、控制策略以及建模完整度评估策略，建立具有段点续传、故障预防能力的视觉导航方案。本发明能提高基于单目视觉的移动机器人系统可靠运行时间，建立有利于实际场景应用的移动机器人探索系统。
-
公开(公告)号：CN112232126B
公开(公告)日：2023-08-25
申请号：CN202010960762.1
申请日：2020-09-14
申请人： 广东工业大学
IPC分类号： G06V20/56 , G06V10/774 , G06N3/0464 , G06V10/82 , G06F17/16
摘要： 本发明公开了一种提高多变场景定位鲁棒性的降维表达方法，包括：在自动驾驶汽车实际行驶的空间环境中，将自动驾驶汽车的运动模型设定为平面运动；利用图像分类神经网络，将自动驾驶汽车采集的当前路况图像作为输入，以图像的语义分析结果作为输出，对平面运动进行运动降维，得到降维后的平面运动形式表达；使用当前路况图像和上一帧路况图像作为图像对，利用图相对进行平面运动假设评估，得到平面运动假设检验结果；基于所述平面运动形式表达以及平面运动假设检验结果，确定进行姿态优化求解的形式，并建立代价函数求解自动驾驶汽车的姿态。本发明从后端优化的收敛表现入手，提高系统收敛能力，进而降低对神经网络错误预测结果的敏感程度。
-
公开(公告)号：CN110390336B
公开(公告)日：2023-05-23
申请号：CN201910485720.4
申请日：2019-06-05
申请人： 广东工业大学
IPC分类号： G06V10/46 , G06V10/75 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
摘要： 本发明公开了一种提高特征点匹配精度的方法，包括下述步骤：(1)通过SIFT检测出图像中的特征点；(2)提取特征点64*64领域的图像块；(3)分别计算该图像块的训练卷积描述符和预训练卷积描述符；(4)将预训练描述符通过一个编码器进行降维；(5)采用典型相关分析融合卷积描述符和降维后的预训练描述符；本发明将光照和视角变化采用两种描述符分别表示，可以有效降低特征点匹配的难度；采用典型相关分析方法来融合两种类型，可以有效提取两类描述符之间的互补信息，提高融合后描述符对光照和视角变化的鲁棒性；描述符融合系统是一个可升级系统，以后随着不同类型的描述符被提出，都可以应用到本系统中。
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.021 秒)
