利索-全球专利检索

  1. 登录
  2. 注册

搜索结果

5 条记录 (耗时 0.048 秒)

    一种基于采样和平面估计的安全实时路径生成方法
    2.
    发明公开
    一种基于采样和平面估计的安全实时路径生成方法 审中-实审

    公开(公告)号：CN117109590A

    公开(公告)日：2023-11-24

    申请号：CN202311134280.0

    申请日：2023-09-05

    申请人： 武汉华柔机器人技术有限公司 ,  清华大学深圳国际研究生院

    发明人： 谭俊波 ,  王学谦 ,  翦卓著 ,  刘泽佳 ,  邵昊昱 ,  陈鑫磊 ,  张林

    IPC分类号： G01C21/20

    摘要： 本发明涉及自主导航技术领域，具体涉及一种基于采样和平面估计的安全实时路径生成方法，包括以下步骤：S1、采样：在空间中随机选择一个点作为目标位置或潜在节点；S2、引导：将树的节点从当前位置向目标位置移动的操作；S3、优化：对生成的路径进行优化，以改善路径的质量或满足特定的优化目标；S4、连接：在树的节点之间建立连接或边，以表示从一个节点到另一个节点的可行路径。本发明实现了在植被环境中安全实时路径生成，实现了在植被环境中对于不可通行的障碍物的判别以及膨胀规避，实现了基于估计平面的对于支撑平面的可通行性指标的实时路径生成。

    联邦学习梯度量化方法、高效通信联邦学习方法及相关装置
    3.
    发明公开
    联邦学习梯度量化方法、高效通信联邦学习方法及相关装置 审中-实审

    公开(公告)号：CN115392348A

    公开(公告)日：2022-11-25

    申请号：CN202210918002.3

    申请日：2022-08-01

    申请人： 清华大学深圳国际研究生院

    发明人： 丁文伯 ,  刘洋 ,  毛钰竹 ,  赵子号 ,  张林

    IPC分类号： G06K9/62 ,  G06N20/00

    摘要： 本申请实施例提出了一种联邦学习梯度量化方法、高效通信联邦学习方法及相关装置，涉及机器学习领域。根据本申请的第一方面提出了一种联邦学习梯度量化方法，包括：获取来自服务器的待训练模型；使用本地的私有数据对待训练模型进行本地训练，得到本轮训练模型；根据本轮训练模型，获得本轮训练模型的第一参数，第一参数为本地训练模型的模型参数或梯度；根据预设的最大量化等级，计算本轮训练模型与上一轮模型的量化更新量；根据量化更新量，确定第一参数的量化等级，并根据量化等级量化第一参数；将量化后的第一参数发送到中央服务器。能够减少联邦学习训练过程中的非必要通信轮次和每个通信轮次需要传输的数据总量。

    一种应用在植被环境下自主导航中的地形估计的方法
    4.
    发明公开
    一种应用在植被环境下自主导航中的地形估计的方法 审中-实审

    公开(公告)号：CN117168464A

    公开(公告)日：2023-12-05

    申请号：CN202311184293.9

    申请日：2023-09-14

    申请人： 武汉华柔机器人技术有限公司 ,  清华大学深圳国际研究生院

    发明人： 谭俊波 ,  王学谦 ,  翦卓著 ,  刘泽佳 ,  邵昊昱 ,  陈鑫磊 ,  张林

    IPC分类号： G01C21/20 ,  G01C21/16

    摘要： 本发明涉及自主导航技术领域，具体涉及一种应用在植被环境下自主导航中的地形估计的方法，包括本体感知支撑平面估计、外部感知支撑平面估计、参数估计以及平面融合，所述本体感知支撑平面估计采用FAST‑LIO2.0作为里程计，其中融合了IMU和激光雷达LiDAR的信息以提高定位精度，所述外部感知支撑平面估计采用外部感知依赖于激光雷达生成的点云地图，为了得到一个新的EP‑Plane，首先拟合对应于2D节点的Surf‑Plane，与PF‑RRT*中使用的SVD方法相比，我们采用RANSAC方法来拟合平面，可以避免高大的刚性障碍物(例如高大的树木、大石头)对拟合的坡度的影响，所述参数估计为了保证MV‑GPR的精度。本发明通过对地形参数平面中心的位置和平面方向的整体估计，获得了更加精确的支撑地面的估计。