国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜浙江工業大學;杭州鴻泉物聯網技術股份有限公司張文安獲國家專利權

恭喜浙江工業大學;杭州鴻泉物聯網技術股份有限公司張文安獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜浙江工業大學;杭州鴻泉物聯網技術股份有限公司申請的專利一種激光與相機融合的地圖構建方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN113724387B

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202110911529.9,技術領域涉及:G06T17/05;該發明授權一種激光與相機融合的地圖構建方法是由張文安;金錦峰;付明磊;楊旭升;史秀紡;季華;陳戧;王其超設計研發完成,并于2021-08-10向國家知識產權局提交的專利申請。

一種激光與相機融合的地圖構建方法在說明書摘要公布了:激光與相機融合的地圖構建方法,包括:獲取固定于車身上方激光雷達采集到的車身周圍環境的三維點云數據P和固定于車身前方相機采集到的車輛周圍環境的圖片數據I;根據激光點云數據P計算獲取位姿E;基于獲得的點云數據P進行濾波,獲取無遮擋、分布規則的點云數據P’;對攝像機捕獲的圖像I進行語義分割,去除原始圖像中的運動對象和動態特征點,得到具有語義信息的圖像I’;將點云P’和來自攝像機的語義分割結果I’進行融合,生成具有語義信息的單幀點云C;經過特征點的提取和匹配后,消除不匹配的特征點對,得到消除不匹配對的點云C’;根據小車姿態E將點云C’與現有地圖M進行疊加,獲得實時更新的地圖M’。

本發明授權一種激光與相機融合的地圖構建方法在權利要求書中公布了:1.激光與相機融合的地圖構建方法,包括以下步驟:步驟1:獲取固定于車身上方激光雷達采集到的車身周圍環境的三維點云數據P和固定于車身前方相機采集到的車輛周圍環境的圖片數據I;步驟2:根據激光點云數據P計算獲取位姿E;步驟3:同時,基于獲得的點云數據P進行濾波,獲取無遮擋、分布規則的點云數據P’;步驟4:對攝像機捕獲的圖像I進行語義分割,去除原始圖像中的運動對象和動態特征點,得到具有語義信息的圖像I’;步驟5:將點云P’和來自攝像機的語義分割結果I’進行融合,生成具有語義信息的單幀點云C;步驟6:經過特征點的提取和匹配后,消除不匹配的特征點對,得到消除不匹配對的點云C’;步驟7:根據小車姿態E將點云C’與現有地圖M進行疊加,獲得實時更新的地圖M’,最終生成由激光雷達與相機融合的語義地圖,為后續無人車的定位導航避障提供了方便;步驟3中使用點云濾波方法對輸入的點云進行預處理,獲取無遮擋、分布規則的點云數據P’,具體包括以下步驟:步驟3.1:去除由遮擋問題造成的離群點:對查詢點的鄰域進行統計分析,計算它到近鄰點的距離;距離分布特性符合高斯分布;距離在標準范圍之外的點為離群點,從數據中去除;步驟3.2:簡化海量點云:構造m×n×l的三維體素柵格,將點云數據填充至對應的小體素柵格,用每個體素內的所有點的重心替代該體素的其他點,減少數據量;步驟3.3:處理分布不規則的點云:指定坐標范圍,剔除遠處的、稀疏的部分,保留密集的、包含絕大部分特征的點云;步驟4中對攝像機捕獲的圖像I進行語義分割,去除原始圖像中的運動對象和動態特征點,得到具有語義信息的圖像I’,具體包括以下步驟:步驟4.1:通過訓練網絡,生成能夠準確識別行人和車輛這類動態對象的語義分割模型;步驟4.2:通過網絡生成的語義分割模型,對攝像機捕獲的圖像I進行語義分割,獲得具有語義信息的圖像I1;步驟4.3:為具有語義信息的點云圖像中的動態對象添加掩膜,對語義掩膜圖像和原始圖像對應的每個像素值進行二進制與運算,得到處理后的動態物體剔除圖像I’;步驟6經過特征點的提取和匹配后,消除不匹配的特征點對,得到消除不匹配對的點云C’,具體包括以下步驟:步驟6.1:設定最大迭代次數MAX,每次迭代隨機抽取Y個特征點對,用于后續計算;同時,為每次迭代提取的Y個特征點對計算最佳距離與次最佳距離的比值和: 其中,Xbest為最佳距離,Xsecond為次最佳距離;步驟6.2:將最優特征點對和次優特征點對分別放置在最后兩次迭代中;步驟6.3:動態調整迭代次數;在保證迭代次數有序減少的同時,下一輪計算的特征點對會更好,得到的模型會更準確;步驟6.3通過動態調整迭代次數來減少計算時間,具體包括以下步驟:步驟6.3.1:引入統計量a,a=該模型下檢測為局部點的特征點對的數量整體特征點對的數量2,將統計閾值設置為Th;步驟6.3.2:當統計a小于Th時,引入公式1: 當統計a大于Th時,引入公式2:nnum=log1-aN32步驟6.3.3:nnum≥0或num≤nnum*MAX迭代次數不會改變,迭代仍按順序進行;相反,最大迭代次數更新為公式3: 其中,num=log1-p,p為學習率,如果當前迭代的分數超過閾值,或者如果它已經到達最終迭代,則選擇具有最高分數的模型來消除不匹配。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人浙江工業大學;杭州鴻泉物聯網技術股份有限公司,其通訊地址為:310014 浙江省杭州市拱墅區潮王路18號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 乌恰县| 靖远县| 休宁县| 绍兴市| 龙口市| 南汇区| 岑溪市| 土默特左旗| 阆中市| 苏州市| 澄迈县| 拉孜县| 枝江市| 林芝县| 利辛县| 咸丰县| 武宣县| 云南省| 旬邑县| 玉树县| 久治县| 赤壁市| 邵阳县| 内黄县| 灵宝市| 远安县| 延吉市| 南京市| 科尔| 石楼县| 灵石县| 隆化县| 贵德县| 仲巴县| 克山县| 台江县| 孝昌县| 焉耆| 桂平市| 张家港市| 尖扎县|