-
公开(公告)号：CN119863619A
公开(公告)日：2025-04-22
申请号：CN202411759878.3
申请日：2024-12-03
Applicant: 重庆长安汽车股份有限公司 , 重庆大学
Abstract: 本发明涉及一种基于语义的单目视觉动态SLAM方法，属于计算机视觉技术领域。该方法的步骤为：1)采用深度学习模型对单目视觉图像进行语义分割，识别出未知运动状态的区域和纯静态状态的区域；2)对原始图像进行数据增强；3)使用SuperPoint网络提取SuperPoint特征点；4)对纯静态区域的SuperPoint特征点进行匹配，通过置信度筛选获取特征对应；5)通过恒速运动模型跟踪、关键帧参考跟踪、基于SuperGlue和SuperGlue的2D‑3D跟踪和重定位保证后续位姿估计的准确性和鲁棒性；6)构建环境的3D稀疏地图。本发明改进了单目相机模式的ORB‑SLAM 2系统，优化了特征点跟踪算法。
-
公开(公告)号：CN118781515B
公开(公告)日：2025-02-07
申请号：CN202410776668.9
申请日：2024-06-17
Applicant: 重庆大学
IPC: G06V20/40 , G06V10/75 , G06V10/766 , G06V10/40 , G06V20/56
Abstract: 本发明涉及一种基于概率分布和状态回归的3D多目标跟踪方法，属于环境感知领域。其包括：将当前时刻下的点云数据以及历史轨迹作为输入，通过3D检测与轨迹回归模块生成当前时刻下的3D检测以及历史轨迹在当前时刻下的状态，其中，在回归处理过程中，先将当前时刻下的点云进行特征提取后输入RPN模块以生成区域候选框；同时使用卡尔曼滤波器结合自车位姿对历史轨迹状态进行预测和补偿；再根据每条轨迹状态的不确定性通过概率网格采样来获取相应的先验候选框集合；然后将区域候选框与先验候选框集合进行合并；随后将合并后的数据送入体素RoI Pooling模块进行特征对齐；将对齐后的特征送入检测头，经过筛选和轨迹管理输出最终轨迹。
-
公开(公告)号：CN118781150A
公开(公告)日：2024-10-15
申请号：CN202410776666.X
申请日：2024-06-17
Applicant: 重庆大学
IPC: G06T7/246 , G06V10/764 , G06V10/24 , G06V10/75 , G06V20/56
Abstract: 本发明涉及一种基于定位置信度的改进视觉多目标跟踪方法，属于环境感知技术领域，包括以下步骤：S1：检测每一时刻目标物体的信息；S2：基于前一帧的轨迹跟踪结果，利用自适应卡尔曼滤波器，预测该轨迹在当前帧的位置坐标，即得到当前帧的轨迹预测框；S3：计算当前帧的轨迹预测框和检测框的融合代价函数，并基于融合代价函数实现轨迹和检测框的最优匹配；S4：利用自适应卡尔曼滤波器，基于轨迹成功匹配到的检测框，更新得到当前帧的轨迹跟踪结果，并将跟踪结果输出；S5：对于成功匹配到检测框的轨迹，利用动态外观更新策略自适应地更新轨迹的外观特征。
-
公开(公告)号：CN117974787B
公开(公告)日：2024-08-27
申请号：CN202410163883.1
申请日：2024-02-05
Applicant: 重庆大学 , 重庆书山文海机器人有限责任公司
IPC: G06T7/73 , G06T17/05 , G06T3/067 , G06T7/277 , G06V10/26 , G06V10/82 , G06N3/0464 , G06V10/762 , G06V10/764 , G06N3/006 , G06T7/33 , G01C21/32 , G01C21/00
Abstract: 本发明涉及一种动态场景下基于语义的激光SLAM方法，属于自动驾驶领域。该方法包括以下步骤：点云实例分割：点云被赋予语义和实例属性，并根据语义将点云分为未知运动状态路标、纯静态路标和地面点云；位姿初步估计：利用未知运动状态路标和纯静态路标，完成帧间配准，得到初步估计的位姿；未知运动状态路标的运动状态识别；位姿精确估计：采用纯静态和半静态路标，解算出水平方向的位姿。利用水平方向的姿态与地面点云结合，完成垂直方向的位姿估计，并组合为6DoF位姿；回环检测：采用改进的回环检测纠正由误差积累导致的轨迹偏移；建图。本发明提升了无人驾驶平台在动态场景下的定位精度，并建立了信息更为丰富的语义地图。
-
公开(公告)号：CN118500410A
公开(公告)日：2024-08-16
申请号：CN202410609119.2
申请日：2024-05-16
Applicant: 重庆大学
IPC: G01C21/20
Abstract: 本发明涉及一种动态环境下融合动态地标信息约束的SLAM方法，属于自动驾驶领域。该方法包括：使用深度学习网络、多视图几何方法、光流、场景流等方法实现对图像中动、静地标点对应的图像点进行区分；提出一种是否使用动态地标点融入相机位姿求解的残差方程的判断机制；提出一种动态场景下新颖的处理动态地标的管理策略，当满足使用动态地标点的条件时，将动态地标的运动信息加入残差方程作为辅助的先验；当不满足使用动态地标点的条件时，说明当前场景足以满足稳定的相机位姿估计，求解动态地标的位姿，实现运动目标跟踪感知。本发明增强了系统在高动态环境中的鲁棒性，实现了实时定位与感知局部动态环境。
-
Patent Agency Ranking
公开(公告)号：CN108263201B
公开(公告)日：2020-07-31
申请号：CN201810054868.8
申请日：2018-01-19
Applicant: 重庆大学
Abstract: 本发明涉及一种双行星排动力耦合传动系统，属于混合动力汽车领域，包括第一动力源、第二动力源、第三动力源、双行星排齿轮机构、减速齿轮机构和输出轴，在与第一动力源连接的第一传动轴上分别通过第一离合器、第二离合器、第三离合器结合有第一齿轮、第二齿轮和第三齿轮；双行星排齿轮机构的齿圈通过第四离合器结合有与第三齿轮啮合的第八齿轮、行星架连接有与第二齿轮啮合的第九齿轮、前排太阳轮连接有与第一齿轮啮合的第七齿轮、后排太阳轮与第二动力源连接；齿圈上设有第一制动器；第二传动轴上设有第二制动器；第三动力源连接有与第八齿轮啮合的第六齿轮。本发明具有多种工作模式，能适应低、中、高车速工况，改善燃油经济性。
-
公开(公告)号：CN111267807A
公开(公告)日：2020-06-12
申请号：CN202010102532.1
申请日：2020-02-19
Applicant: 重庆大学
Abstract: 本发明属于制动助力系统领域，涉及一种用于电动汽车再生制动的全解耦式电子/液压助力系统，该系统包括踏板能量回收利用机构和电机助力机构；踏板能量回收利用机构中小液压缸将驾驶员踩踏制动踏板的能量转换为压力能储存在蓄能器中，蓄能器中的高压油液在一定条件下参与制动压力的建立，模拟弹簧用来模拟传统的踏板感；电机助力机构通过传动机构推动主缸踏板建立制动压力。本发明适用于电动汽车的再生制动系统和主动制动系统，制动过程中能够保持踏板感不变；能够储存利用驾驶员踩踏制动踏板能量，长期使用过程中能够显著提高制动系统能量利用率；具备失效情况下安全备份功能。
-
公开(公告)号：CN118521612B
公开(公告)日：2025-01-24
申请号：CN202410602039.4
申请日：2024-05-15
Applicant: 重庆大学
Abstract: 本发明涉及一种基于可见度和变种IoU的2D多目标跟踪方法，属于环境感知技术领域。该方法包括：使用基于相机的2D检测器得到每一时刻目标的二维检测信息，设定检测置信度阈值，并划分高分检测和低分检测；基于上一时刻预测后的轨迹框和轨迹置信度，计算每个轨迹的可见度，并设定可见度阈值，并划分活跃轨迹和非活跃轨迹；将高分检测和活跃轨迹进行变种IoU和外观相似度的代价融合匹配；将未匹配的活跃轨迹和非活跃轨迹相加，再与剩余未匹配上的高分检测进行变种IoU和外观相似度的代价融合匹配；将剩余未匹配的轨迹与低分检测进行变种IoU匹配；基于轨迹管理机制对轨迹进行管理。本发明可提高目标跟踪的精度。
-
公开(公告)号：CN117934549B
公开(公告)日：2024-07-09
申请号：CN202410061124.4
申请日：2024-01-16
Applicant: 重庆大学
Abstract: 本发明涉及一种基于概率分布指导数据关联的3D多目标跟踪方法，属于环境感知领域。该方法包括：S1：使用3D检测器得到每一时刻目标物体的信息；S2：构建检测目标和轨迹目标的高斯分布模型；S3：根据步骤S2构建好的目标分布模型，充分考虑物体间的位置稳定情况，设计一种新的代价函数，实现检测框和轨迹的最优匹配；S4：将未匹配上的检测置信度大于阈值的检测目标初始化为新的轨迹，轨迹状态为不确定态，若接下来匹配成功3帧则转为确定态轨迹；确定态轨迹没有匹配上转为丢失态轨迹，连续12帧没有匹配上，则删除该轨迹。
-
公开(公告)号：CN114332158B
公开(公告)日：2024-05-07
申请号：CN202111553630.8
申请日：2021-12-17
Applicant: 重庆大学
Abstract: 本发明涉及一种基于相机和激光雷达融合的3D实时多目标跟踪方法，属于环境感知领域，包括以下步骤：S1：得到每一时刻目标物体的二维信息和三维信息；S2：融合得到同时由激光雷达和相机两种传感器都检测到的目标物体、仅由激光雷达检测到的目标物体、仅由相机检测到的目标物体；S3：将同时由两种传感器检测得到的目标物体与三维轨迹进行匹配；S4：将仅由激光雷达检测到的目标物体与剩余未匹配上的三维轨迹进行匹配；S5：将仅由相机检测到的目标物体二维轨迹进行匹配；S6：将三维轨迹与二维轨迹进行匹配；S7：对轨迹进行管理。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.037 seconds)
