-
公开(公告)号:CN116071603A
公开(公告)日:2023-05-05
申请号:CN202310198312.7
申请日:2023-03-03
申请人: 西安电子科技大学芜湖研究院
IPC分类号: G06V10/764 , G06V10/20 , G06V10/56 , G06V10/80 , G06V10/82 , G06V10/10 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 本发明公开了基于相机和激光雷达的多类目标检测方法,主要解决现有目标检测方法检测精确度低的问题。其实现方案为:获取路面图像和点云数据;对点云数据进行体素化预处理;对预处理后的点云进行空间信息加强;对空间信息加强后的点云进行颜色信息融合;对融合后的点云进行卷积获得双加强伪图像;根据双加强伪图像得到待检测特征图;将待检测特征图送入SSD检测器,生成汽车行进过程中对前方目标的检测结果。本发明通过建立模态内映射矩阵和采样增强了点云的空间信息,通过尺寸调整和生成伪视图变换矩阵将RGB图像的颜色信息与点云进行融合,提高了目标检测的精确度,可用于无人汽车的自动驾驶。
-
公开(公告)号:CN115690605A
公开(公告)日:2023-02-03
申请号:CN202211414914.3
申请日:2022-11-11
申请人: 西安电子科技大学芜湖研究院
IPC分类号: G06V20/13 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
摘要: 本发明提出了基于空谱联合的多光谱遥感图像云检测方法,实现步骤为:获取训练样本集和测试样本集;构建基于空谱联合的多光谱遥感图像云检测网络,对多光谱遥感图像云检测网络进行迭代训练;获取遥感图像云检测的结果。本发明构建基于空谱联合的多光谱遥感图像云检测网络中的空谱信息提取模块,能够有效提取多光谱遥感图像的空间信息和光谱信息并能将其融合,并通过上下文动态卷积模块将编码模块的浅层特征与解码模块的深层特征进行融合使得网络更加关注云边缘信息,识别的云的边界更加连续,从而有效提升了多光谱遥感图像云检测的精度。
-
公开(公告)号:CN115388893A
公开(公告)日:2022-11-25
申请号:CN202211027811.1
申请日:2022-08-25
申请人: 西安电子科技大学芜湖研究院
摘要: 本发明提出了一种基于遗传的滤波SLAM算法的移动机器人建图方法,实现步骤为:构建移动机器人建图系统;对待建图区域进行栅格划分;初始化参数;传感器采集数据;建图模块每个时刻每个粒子的栅格状态信息进行更新;获取移动机器人的建图结果。本发明使用遗传交叉变异方法对每个粒子更新后的位姿对应的粒子进行交叉后进行变异,实现对每个粒子信息的更新,从而达到减少粒子退化,保留粒子的多样性的目的,能够保证较大区域和较复杂区域的高精度建图,且在对雷达点云数据进行扫描匹配时,使用点对线的扫描匹配方法代替现有技术中点对点的扫描匹配方法,有效的降低了扫描匹配的迭代次数,降低了计算资源开销。
-
公开(公告)号:CN115388893B
公开(公告)日:2024-05-14
申请号:CN202211027811.1
申请日:2022-08-25
申请人: 西安电子科技大学芜湖研究院
摘要: 本发明提出了一种基于遗传的滤波SLAM算法的移动机器人建图方法,实现步骤为:构建移动机器人建图系统;对待建图区域进行栅格划分;初始化参数;传感器采集数据;建图模块每个时刻每个粒子的栅格状态信息进行更新;获取移动机器人的建图结果。本发明使用遗传交叉变异方法对每个粒子更新后的位姿对应的粒子进行交叉后进行变异,实现对每个粒子信息的更新,从而达到减少粒子退化,保留粒子的多样性的目的,能够保证较大区域和较复杂区域的高精度建图,且在对雷达点云数据进行扫描匹配时,使用点对线的扫描匹配方法代替现有技术中点对点的扫描匹配方法,有效的降低了扫描匹配的迭代次数,降低了计算资源开销。
-
公开(公告)号:CN115167460A
公开(公告)日:2022-10-11
申请号:CN202210941660.4
申请日:2022-08-08
申请人: 西安电子科技大学芜湖研究院
IPC分类号: G05D1/02
摘要: 本发明公开了基于融合算法的机器人集群任务最优路径规划方法。其实现步骤为:利用遗传算法生成初始的机器人集群路径方案;更新每个机器人的任务目标点;利用局部搜索方法更新每个机器人的任务目标点;利用精英策略更新最终信息素浓度;判断更新次数是否达到最优拟合更新次数;判断连续5次更新后,每次更新后的总距离代价与上一次更新后的总距离代价的差值是否小于本次迭代更新后的总距离代价的3%;解码生成每个机器人的子路径作为机器人集群任务最优路径规划方案。本发明与传统蚁群算法对比,具有收敛速度快,求解速度快,不易陷入局部最优的优点。
-
-
-
-