-
公开(公告)号：CN114919581A
公开(公告)日：2022-08-19
申请号：CN202210509160.3
申请日：2022-05-11
Applicant: 中南大学
IPC: B60W30/18 , B60W30/08 , B60W30/095 , B60W50/00 , B60W60/00
Abstract: 本发明公开了一种智能车辆无序交叉路口的行为决策方法、计算机装置，根据马尔可夫决策过程，并结合现实世界中车辆在无序交叉路口中的行驶交通规则，设计动作空间A和奖励函数R；智能车辆从仿真环境中实时获取激光雷达传感器信息和无序交叉路口的鸟瞰图信息，构建状态空间S；构建包含多层感知机，卷积神经网络和竞争神经网络的竞争双重Q网络，将处理的激光雷达传感器信息和经由空间注意力提取特征的无序交叉路口的鸟瞰图信息编码融合后，解码输入竞争神经网络计算Q值进行决策。模型评估阶段中，智能车辆以Q值最大为原则进行决策，顺利通过无序交叉路口。本发明可有效提高智能车辆在无序交叉路口中的自主决策能力。
-
公开(公告)号：CN112033410A
公开(公告)日：2020-12-04
申请号：CN202010915072.4
申请日：2020-09-03
Applicant: 中南大学
Abstract: 本发明公开了一种移动机器人环境地图构建方法、系统及存储介质，属于移动机器人自主建图技术领域，涉及到机器人建图的自主性问题。设计了一种强化学习方法与基于边界的探索方法项结合的移动机器人自主建图方法，移动机器人通过其自身搭载的激光雷达获取环境信息，然后通过基于边界的探索方法找到当前环境中的所有边界点，再基于移动机器人在边界点的预期收益和机器人移动到边界点的成本来选择一个最佳的边界点，机器人使用强化学习的方法避障导航移动到边界点，获取奖励信号。本发明中的机器人建图的自主性能使机器人适应更为复杂陌生的环境。
-
公开(公告)号：CN111830985A
公开(公告)日：2020-10-27
申请号：CN202010723850.X
申请日：2020-07-24
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种多机器人定位方法、系统及集中式通信系统，系统内各独立机器人利用自身携带的激光雷达探测周围环境，完成各子区域环境地图的构建，并将子区域栅格地图发送给终端计算机。终端计算机接收到子区域栅格地图后，首先对子区域栅格地图进行空间关系特征的提取，确定子区域栅格地图之间的重合部分。其次，通过对子区域栅格地图重合部分的ORB特征进行提取匹配，计算最优匹配点，设定融合比例进行子区域栅格地图的融合，得到全局地图。然后，通过amcl自适应蒙特卡罗定位方法对机器人进行定位，最后，在原有地图基础上，加入特征地图层，为路径规划提供便利。
-
公开(公告)号：CN103440418B
公开(公告)日：2016-11-30
申请号：CN201310388266.3
申请日：2013-08-30
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于自组织卡尔曼滤波的多传感器主动容错估计方法，该方法构建自组织卡尔曼滤波结构，利用硬故障检测阈值、软故障检测因子增减率和变化率实现故障检测，并设计补偿因子。同时根据各传感器感知信号的精度，设计信息分配系数，实现各传感器间的融合最优估计及其主动容错补偿。主要步骤包括：构建并行卡尔曼滤波子系统和参考卡尔曼滤波系统；基于自组织卡尔曼滤波的多传感器硬故障检测；基于软故障因子增减性与变化率的传感器软故障检测，并实现软故障的校正；获得最优估计值X(k)。该基于自组织卡尔曼滤波的多传感器主动容错估计方法能有效解决多传感器系统冗余信号故障检测与主动容错问题，提高多传感器系统的融合精度与容错性能。
-
公开(公告)号：CN101217488A
公开(公告)日：2008-07-09
申请号：CN200810030495.7
申请日：2008-01-16
Applicant: 中南大学
Abstract: 本发明公开了一种可重构的多移动机器人通信方法，包括以下步骤：机器人向周围机器人发送HELLO消息，根据接收到的HELLO消息，建立机器人簇结构，维护邻居机器人节点表；机器人进行数据发送时，节点在两跳之内利用邻居机器人节点表的两跳拓扑信息来实现，对于大于两跳的目的机器人节点，由簇头广播发送路由请求消息，寻找一个到终点的路由，根据寻找的路由完成数据发送。本发明采用可重构的簇结构和链路，具有通信速度快、延时小、参与节点少的优点，有利于多机器人间信息实时交互。本发明能高效实现多机器人间的信息传递，为多机器人相互协作提供底层服务。
-
Patent Agency Ranking
公开(公告)号：CN118411695A
公开(公告)日：2024-07-30
申请号：CN202410569398.4
申请日：2024-05-09
Applicant: 中南大学
IPC: G06V20/56 , G06V20/10 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0495
Abstract: 本发明公开了一种水田田垄区域提取方法，采用基于轻量级网络MobileNetV3的U‑Net模型建立语义分割网络及预训练模型，所述语义分割网络以MobileNetV3作为编码器减少了参数量，降低了网络的复杂度，所述编码器引入跳层连接，加强了图像分割任务中的细节和语义信息的整合。本发明还提供一种水田田垄区域边界线检测方法，利用基于随机采样一致性模型的边界线检测方法提取水田田垄边界线，所述边界线检测算法能够自适应地确定边界线数量，并且对侧边界线和端边界线的拟合精度较高。本发明还提供一种电子设备。
-
公开(公告)号：CN109752701B
公开(公告)日：2023-08-04
申请号：CN201910049537.X
申请日：2019-01-18
Applicant: 中南大学
IPC: G01S7/48 , G01S17/931
Abstract: 本发明公开了一种基于激光点云的道路边沿检测方法，用于获取道路的路沿信息，从而为自动驾驶决策提供相关路况信息。包括：对激光点云数据进行预处理，去除点云中高于路面的噪声点；利用激光点云数据之间的夹角特点，获取单帧点云数据左右路沿点；针对单帧路沿点过于稀疏，采用多帧路沿点进行融合；将激光雷达坐标系上的路沿点转换到车辆坐标系下；对符合条件的路沿点进行曲线拟合，从而得到基于车辆坐标系下的路沿检测线。本发明能够利用velodyne16线激光雷达在实际道路上快速检测出路沿信息，该方法不受天气变化、光照变化等影响，鲁棒性和准确性好。
-
公开(公告)号：CN112762824B
公开(公告)日：2022-04-22
申请号：CN202011550860.4
申请日：2020-12-24
Applicant: 中南大学 , 中车株洲电力机车研究所有限公司
Abstract: 本发明公开了一种无人车定位方法及系统，使用车载激光雷达传感器建立环境的离线点云地图；获取无人车实时点云；使用深度网络分别提取先验点云地图和实时点云的深度特征；根据离线点云地图和实时点云的特征相似性进行匹配，确定无人车当前所处离线点云地图中的位置；对无人车轨迹平滑处理，矫正定位结果。本发明可以使用深度网络提取深度特征代替手工提取特征，提高无人车自身定位的精确性和稳定性。
-
-
公开(公告)号：CN112762824A
公开(公告)日：2021-05-07
申请号：CN202011550860.4
申请日：2020-12-24
Applicant: 中南大学 , 中车株洲电力机车研究所有限公司
Abstract: 本发明公开了一种无人车定位方法及系统，使用车载激光雷达传感器建立环境的离线点云地图；获取无人车实时点云；使用深度网络分别提取先验点云地图和实时点云的深度特征；根据离线点云地图和实时点云的特征相似性进行匹配，确定无人车当前所处离线点云地图中的位置；对无人车轨迹平滑处理，矫正定位结果。本发明可以使用深度网络提取深度特征代替手工提取特征，提高无人车自身定位的精确性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.054 seconds)
