公开(公告)号：CN114397642A

公开(公告)日：2022-04-26

申请号：CN202210038266.X

申请日：2022-01-13

Applicant: 北京工业大学

Inventor： 黄志清 ,  张凡 ,  李杰

IPC: G01S7/497 ,  G01C25/00 ,  G06F17/11

Abstract: 本发明提供一种基于图优化的三维激光雷达与IMU外参标定方法，涉及多传感器标定技术领域，包括：获取设备中激光雷达和IMU的测量数据；对IMU的测量数据进行预积分，计算IMU残差；将激光雷达的测量数据经IMU坐标系投影至世界坐标系，获得点云图，计算激光雷达点与点云图中对应特征线及特征面的距离残差；基于图模型、IMU残差、距离残差获取初始目标函数及初始优化增量方程；设定恒定帧滑动窗口，获取边缘化增量优化方程，计算边缘化残差项；基于图模型、IMU残差、距离残差、边缘化残差项获取目标函数，计算激光雷达与IMU的外参标定。本发明通过恒定帧滑动窗口实时获取传感器设备的最新状态，实现外参实时标定。

公开(公告)号：CN114323047A

公开(公告)日：2022-04-12

申请号：CN202111669496.8

申请日：2021-12-31

Applicant: 北京工业大学

Inventor： 黄志清 ,  李杰 ,  张凡

IPC: G01C21/34

Abstract: 本发明公开了一种基于多边形分解的全覆盖路径规划算法，包括获取机器人的工作地图，并根据工作地图建立栅格地图；定义关键顶点，并获取栅格地图中的关键顶点；根据关键顶点获得区域分割方向；根据区域分割方向，对栅格地图进行分割，若分割后的分割区域中无关键顶点则分割结束；若分割后的分割区域中存在关键顶点则对存在关键顶点的分割区域继续分割直至分割区域中无关键顶点。本发明将凹多边形分割成凸多边形便于规划弓形全覆盖路径，降低了全覆盖路径规划过程中的重复率和减少了机器人在覆盖过程中的转弯次数。

公开(公告)号：CN114397642B

公开(公告)日：2024-10-29

申请号：CN202210038266.X

申请日：2022-01-13

Applicant: 北京工业大学

Inventor： 黄志清 ,  张凡 ,  李杰

IPC: G01S7/497 ,  G01C25/00 ,  G06F17/11

Abstract: 本发明提供一种基于图优化的三维激光雷达与IMU外参标定方法，涉及多传感器标定技术领域，包括：获取设备中激光雷达和IMU的测量数据；对IMU的测量数据进行预积分，计算IMU残差；将激光雷达的测量数据经IMU坐标系投影至世界坐标系，获得点云图，计算激光雷达点与点云图中对应特征线及特征面的距离残差；基于图模型、IMU残差、距离残差获取初始目标函数及初始优化增量方程；设定恒定帧滑动窗口，获取边缘化增量优化方程，计算边缘化残差项；基于图模型、IMU残差、距离残差、边缘化残差项获取目标函数，计算激光雷达与IMU的外参标定。本发明通过恒定帧滑动窗口实时获取传感器设备的最新状态，实现外参实时标定。

公开(公告)号：CN109800860A

公开(公告)日：2019-05-24

申请号：CN201811624372.6

申请日：2018-12-28

Applicant: 北京工业大学

Inventor： 何坚 ,  张凡 ,  余立 ,  张子浩

IPC: G06N3/04 ,  G06F3/0346 ,  A61B5/11

Abstract: 本发明提供一种面向社区基于CNN算法的老年人跌倒监测方法，采用基于3轴加速度、角速度人体模型构造的感知节点以100Hz的采样频率采集数据，并上传服务器，服务器端使用了面向跌倒检测的卷积神经网络(Fall Detection Convolutional Neural Networks，FD-CNN)检测是否跌倒，一旦检测到跌倒则立刻报警。