基于多维信息的无人车定位方法、电子设备及介质

    公开(公告)号:CN117928525A

    公开(公告)日:2024-04-26

    申请号:CN202410106053.5

    申请日:2024-01-25

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于多维信息的无人车定位方法、电子设备及介质,本发明根据无人车激光雷达与惯性测量单元建立基于点云特征的几何‑拓扑地图;使用误差状态卡尔曼滤波方法融合轮速计与惯性测量单元进行无人车位姿推算;使用几何‑拓扑地图与无人车位姿运动序列信息进行基于路径相似度的匹配定位,确定无人车所处的最佳匹配路段;匹配无人车实时点云信息与几何‑拓扑地图中和无人车所处的最佳匹配路段对应的几何点云信息,得到无人车精确定位结果。本发明融合多种传感器的数据来实现无人车路径匹配和定位,提高了运算速度与效率,减少了传感器产生的误差,提高了无人车定位的准确性和稳定性。

    智能车辆无序交叉路口的行为决策方法、计算机装置

    公开(公告)号:CN114919581B

    公开(公告)日:2024-04-26

    申请号:CN202210509160.3

    申请日:2022-05-11

    Applicant: 中南大学

    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。

    一种基于CPG模型的人形机器人自适应行走框架实现方法

    公开(公告)号:CN108372506B

    公开(公告)日:2021-03-02

    申请号:CN201810470132.9

    申请日:2018-05-16

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于中枢模式发生器(Central Pattern Generator,CPG)模型的人形机器人自适应行走框架实现方法。该发明首先设计CPG网络输出合理的节律控制信号,使得人形机器人能够实现平地上的行走。然后,设计一个基于神经网络的学习模块,这个模块能够学习输出期望的节律补偿信号,作用于原始CPG的输出。最后,设计合理的机器人反馈,使得整个控制框架能够根据环境输出期望的节律控制信号以适应各类斜坡环境。本发明解决了机器人仿生控制领域中CPG模型难以产生精确以及多样的节律信号的问题,提高了CPG模型在机器人控制领域的实用性,对设计更加自适应的人形机器人系统具有重要意义。

    一种移动机器人三维环境感知方法

    公开(公告)号:CN101008571A

    公开(公告)日:2007-08-01

    申请号:CN200710034343.X

    申请日:2007-01-29

    Applicant: 中南大学

    Abstract: 一种移动机器人三维环境感知方法,由环境信息的获取、环境信息自适应滤波、环境信息的坐标变换和三维环境感知四部分组成。本发明通过设计一个感知平台来获取机器人周围环境信息,该感知平台由二维激光雷达、旋转云台和步进电机三部分组成,通过对步进电机的控制,使感知平台在俯仰和水平方向转动获取环境信息。针对环境信息的噪声干扰,提出了一种动态自适应滤波器,实现实时动态滤波除噪。针对感知平台,提出了坐标变换公式,实现从环境信息到高度图转换。针对简单的高度图,提出三维环境感知方法,对高度图进行地形平坦性分析,分割出环境地图中的可行进区域与障碍区域。移动机器人三维环境感知方法的实现,能为机器人的避障提供局部环境地图。

    无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆

    公开(公告)号:CN111505623A

    公开(公告)日:2020-08-07

    申请号:CN202010333455.0

    申请日:2020-04-24

    Applicant: 中南大学

    Abstract: 本发明公开了一种无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆,将雷达坐标系和摄像头坐标系统一为车身坐标系;读取并解析第一传感器和第二传感器原始报文数据,得到所述车身坐标系下的原始障碍物目标;判断第一传感器和第二传感器检测出的原始障碍物目标是否为同一障碍物;融合判断为同一障碍物的目标,得到最终的障碍物目标信息。本发明融合了第一传感器和第二传感器数据,解决了现有方法不能满足实时性要求、检测效率低、成本高昂、易受环境影响的问题,提高了检测可靠性和检测效率。

    一种跨事件新闻文本情感分析方法

    公开(公告)号:CN108829806A

    公开(公告)日:2018-11-16

    申请号:CN201810578907.4

    申请日:2018-06-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种跨事件新闻文本情感分析方法,包括:抓取若干篇用于训练的关于事件A、待分析情感的关于事件B的新闻文本;将事件A的每篇新闻文本的情感倾向进行标记;提取事件A、事件B的新闻文本的TF-IDF特征以形成文本特征矩阵XA和XB;利用迁移成份分析算法将事件A的文本特征矩阵XA、事件B的文本特征矩阵XB进行迁移学习,将XA和XB映射到高维空间,分别对应得到新的特征矩阵XA'和XB';将人工情感标记进行标签化,形成用于训练的标签集合;将XA'、XB'和所述标签集合作为机器学习算法的输入,得到跨事件新闻文本情感分析模型。本发明采用迁移成分分析方法,将两个具有不同分布的事件的新闻文本文档进行迁移学习,可以提高跨事件新闻文本情感分析的准确度。

    一种基于深度学习的水产养殖水质预测方法

    公开(公告)号:CN106198909A

    公开(公告)日:2016-12-07

    申请号:CN201610502867.6

    申请日:2016-06-30

    Applicant: 中南大学

    CPC classification number: G01N33/18 G06N3/08

    Abstract: 本发明公开了一种基于深度学习的水产养殖水质预测方法。通过搭建一个具有三层受限玻尔兹曼机(RBM)和一层BP神经网络的深度学习网络。以水质样本数据利用对比散度学习对三个受限玻尔兹曼机进行训练抽取水质样本数据的深度特征,再通过BP对深度学习网络参数进行优化,从而完成深度学习网络的训练。将训练好的深度学习网络应用到当前水质样本数据,在输出层便可获得对水质的预测。本发明可以获得各类不同水质因子之间的特征关联性,提高水质预测的准确度。

    基于自组织卡尔曼滤波的多传感器主动容错估计方法

    公开(公告)号:CN103440418A

    公开(公告)日:2013-12-11

    申请号:CN201310388266.3

    申请日:2013-08-30

    Applicant: 中南大学

    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。

    一种可重构的多移动机器人通信方法

    公开(公告)号:CN101217488B

    公开(公告)日:2010-09-08

    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