-
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：CN103962767A
公开(公告)日：2014-08-06
申请号：CN201410234804.8
申请日：2014-05-30
Applicant: 重庆长安新能源汽车有限公司 , 重庆长安汽车股份有限公司
CPC classification number: B62D65/02
Abstract: 本发明涉及一种汽车转向支撑总成，其由转向支撑横梁以及设在转向支撑横梁上的多个支架和支撑组成，所述多个支架和支撑包括设在转向支撑横梁左端的左侧围连接支架、设在转向支撑横梁右端的右侧围连接支架、设在转向支撑横梁左段的车体前围连接支架和转向柱安装支架、设在转向支撑横梁中部的中央通道支撑，其特征在于：该转向支撑总成由镁合金经整体注模成型。该汽车转向支撑总成，其各个支架零件的位置精度高，而且具有质量轻、强度高和不易腐蚀的特点。
-
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：CN117007061A
公开(公告)日：2023-11-07
申请号：CN202310984480.9
申请日：2023-08-07
Applicant: 重庆大学
Abstract: 本发明涉及一种用于无人驾驶平台的基于地标的激光SLAM方法，属于无人驾驶技术领域。本发明通过激光雷达的点云数据预处理、针对非地面点云建立上下层凸包、评估凸包相似性并利用改进迭代步长的坐标轮换法求解目标优化函数，从而得到无人驾驶平台非平面的位姿态变化量。针对地面点云，通过前后两帧中两个平面法向量之间的角度变化，确定无人驾驶平台的俯仰角变化量，联合求解出垂直方向变化量，从而得到六自由度位姿变化量。最终将地标点云和地面点云转换到全局坐标系下，并对地图进行占据栅格体素化。相比于现有技术，本发明在定位方面精度更高，并且能够实现对物体的分割，提供更丰富的环境信息，进而提高机器人的感知和交互能力。
-
Patent Agency Ranking
公开(公告)号：CN113034504B
公开(公告)日：2022-06-03
申请号：CN202110449482.9
申请日：2021-04-25
Applicant: 重庆大学
Abstract: 本发明涉及一种SLAM建图过程中的平面特征融合方法，属于图像处理领域。步骤为：1)根据车载激光雷达的点云数据分割出不同时刻激光雷达坐标系下的平面特征；2)获取连续不同时刻车载GPS位置和IMU航向角信息，从而得到相对于初始位置的平移矩阵和旋转矩阵；3)将所有激光雷达坐标系下的平面特征信息转换到世界坐标系下；4)针对任意两个不同时刻内的任意平面特征与x‑o‑y平面的交线进行角度大小的计算、特征圆重合度的计算和相对距离的计算；5)删除类中特征的个数较少的类，并对剩余类的特征求对应的线性回归方程，之后构建出世界坐标系下的全局地图。本发明减少了冗余特征，提高了地图表达的简洁性和构建地图的精度。
-
公开(公告)号：CN119863578A
公开(公告)日：2025-04-22
申请号：CN202411769014.X
申请日：2024-12-04
Applicant: 重庆大学 , 重庆书山文海机器人有限责任公司
IPC: G06T17/05 , G06V10/26 , G06V10/44 , G06N3/0464
Abstract: 本发明涉及一种基于单目视觉和LiDAR融合的动态环境语义SLAM方法，属于机器人技术领域。该方法包括：1)对点云进行实例分割，分出未知运动状态、纯静态路标和地面属性点云，通过位姿初步估计和卡尔曼滤波来识别半静态和动态路标点云，继而进行位姿精确估计；2)对图像实例分割和增强，并提取SuperPoint特征点，通过投影动态路标至分割图像，进而区分静态与非静态点，采用多种跟踪策略跟踪静态特征，并利用局部地图优化位姿；3)进行异构传感器姿态融合；4)结合两种回环检测结果，输出优化轨迹；5)构建全局纯静态语义地图。本发明考虑了动态环境影响，提升了系统在动态复杂环境下定位精度和建图质量。
-
公开(公告)号：CN117007061B
公开(公告)日：2024-06-04
申请号：CN202310984480.9
申请日：2023-08-07
Applicant: 重庆大学
Abstract: 本发明涉及一种用于无人驾驶平台的基于地标的激光SLAM方法，属于无人驾驶技术领域。本发明通过激光雷达的点云数据预处理、针对非地面点云建立上下层凸包、评估凸包相似性并利用改进迭代步长的坐标轮换法求解目标优化函数，从而得到无人驾驶平台非平面的位姿态变化量。针对地面点云，通过前后两帧中两个平面法向量之间的角度变化，确定无人驾驶平台的俯仰角变化量，联合求解出垂直方向变化量，从而得到六自由度位姿变化量。最终将地标点云和地面点云转换到全局坐标系下，并对地图进行占据栅格体素化。相比于现有技术，本发明在定位方面精度更高，并且能够实现对物体的分割，提供更丰富的环境信息，进而提高机器人的感知和交互能力。
-
公开(公告)号：CN117974787A
公开(公告)日：2024-05-03
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：CN113034504A
公开(公告)日：2021-06-25
申请号：CN202110449482.9
申请日：2021-04-25
Applicant: 重庆大学
Abstract: 本发明涉及一种SLAM建图过程中的平面特征融合方法，属于图像处理领域。步骤为：1)根据车载激光雷达的点云数据分割出不同时刻激光雷达坐标系下的平面特征；2)获取连续不同时刻车载GPS位置和IMU航向角信息，从而得到相对于初始位置的平移矩阵和旋转矩阵；3)将所有激光雷达坐标系下的平面特征信息转换到世界坐标系下；4)针对任意两个不同时刻内的任意平面特征与x‑o‑y平面的交线进行角度大小的计算、特征圆重合度的计算和相对距离的计算；5)删除类中特征的个数较少的类，并对剩余类的特征求对应的线性回归方程，之后构建出世界坐标系下的全局地图。本发明减少了冗余特征，提高了地图表达的简洁性和构建地图的精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.043 seconds)
