-
公开(公告)号：CN115840404B
公开(公告)日：2023-11-03
申请号：CN202211649994.0
申请日：2022-12-21
Applicant: 浙江大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于自动驾驶专用路网和数字孪生地图的云控自动驾驶系统，属于自动驾驶技术领域。所述系统包括自动驾驶专用路网规划模块、数字孪生地图模块、若干场景云控系统和若干边缘云控系统；自动驾驶专用路网规划模块为自动驾驶车辆创造了一个安全、有序的物理行驶环境，数字孪生地图模块构建了一个实时孪生的交通数字空间并提供调度服务；场景云控系统生成最佳的路权、行使权和全局的行驶轨迹参考线。边缘云控系统为所有接入到边缘云控系统的自动驾驶车辆提供低延迟的云控调度服务，保证了局部场景下的交通效率和车辆的行驶安全。本发明充分利用互联网与云控系统的硬件计算资源，可以有效减轻车辆的组成复杂性与制造成本。
-
公开(公告)号：CN116129066A
公开(公告)日：2023-05-16
申请号：CN202211655201.6
申请日：2022-12-21
Applicant: 浙江大学
IPC: G06T17/05 , G06V20/58 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于数字孪生的自动驾驶高精度地图模型及高精度静态地图制作方法。所述自动驾驶高精度地图模型由静态地图、动态地图和云服务地图组成，该地图模型既包含静态、动态场景元素又能为不同使用者提供相应的服务；云服务地图包括全局云服务模块和边缘云服务模块，保证了全部场景和局部场景下的交通效率和车辆的行驶安全。本发明地图制作方法中采用了三维重建、多传感融合的SLAM、基于深度学习的目标检测、语义分割，极大的减少人工制图工作量，能够有效提升建图效率，减少制图成本。另多传感的数据融合有效提升了地图数据的精度。
-
公开(公告)号：CN116012840A
公开(公告)日：2023-04-25
申请号：CN202211453495.4
申请日：2022-11-21
Applicant: 浙江大学
IPC: G06V20/70 , G06V10/26 , G06V10/764 , G06V10/82 , G06V20/56 , G06N3/0464 , G06N3/091 , G06N3/0895
Abstract: 本发明公开了一种基于主动学习和半监督的三维点云语义分割标注方法，该方法首先利用构造的点云匹配评分函数，挑选出一个具有代表性的子集。然后利用两种无监督算法，将一帧点云分割成若干个小的区域。在每次主动学习循环中，先计算每个小区域的点云强度信息值和信息熵，再从中选出二者和值中较大的若干个区域进行人工标记。为了有效利用未标注数据，借助无监督学习方法，选择相对当前模型而言置信度较高小区域赋以伪标签。最后将伪标签数据和人工标记数据一起输入给深度语义分割模型进行网络训练。由此能够极大地提升标注效率，减少人工标注成本。
-
公开(公告)号：CN114565901A
公开(公告)日：2022-05-31
申请号：CN202210176350.8
申请日：2022-02-25
Applicant: 浙江大学
Abstract: 本发明公开了一种路侧激光雷达超视距感知方法。激光雷达获取的原始点云数据，对点云数据进行预处理获取点云特征图；然后使用主干网络进行进一步的特征提取，所述的主干网络基于EfficientDet网络，并在EfficientDet网络的BiFPN层后增加了MoSF融合层，MoSF融合层将BiFPN层输出的多尺度特征图融合为单一尺度的特征图；最后使用五个检测头的多任务模块进行处理；其中四个检测头用于目标检测，输出目标类别、XYZ三维坐标系的检测框、物体方向角；一个检测头用于输出运动预测的结果，为物体未来的坐标。本发明深度学习网络可以直接获取目标检测和运动预测两项感知结果。克服了现有技术中通过目标检测、目标追踪和运动预测的多模块耦合的感知流程，简化了感知的过程。
-
公开(公告)号：CN112462762A
公开(公告)日：2021-03-09
申请号：CN202011278838.9
申请日：2020-11-16
Applicant: 浙江大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于路侧二维码单元的机器人室外自主移动系统及其方法，属于移动机器人领域。由移动机器人单元、云服务器单元和路侧二维码单元组成，移动机器人单元首先与云端服务器单元进行通讯，获取目标位置和机器人当前位置，云端服务器单元根据目标位置和当前位置计算前进轨迹，下发给移动机器人单元，开始前进。前进过程中，移动机器人单元依靠摄像头获取前方的直线车道信息，识别可行驶区域，不断进行左右纠偏；对于弯道处，移动机器人单元检测路侧二维码，更新全局位置信息，并结合目标轨迹信息，指导机器人进行转弯。移动机器人单元的状态信息在云端服务器实时可查。本发明无需对地面进行大规模改造，不影响道路车辆正常行驶。
-
Patent Agency Ranking
公开(公告)号：CN108989412A
公开(公告)日：2018-12-11
申请号：CN201810731611.1
申请日：2018-07-05
Applicant: 浙江大学
Abstract: 本发明公开了一种基于AGV的新能源汽车自动充电系统，包括停车场管理服务器、AGV管理服务器、AGV控制客户端、具有自主导航功能的AGV、多插头充电桩、环境感知设备、充电设备捕获装置。本发明系统具有应用环境灵活，部署成本低的特点，尤其适用于未来自动驾驶下的车辆自动充电场景，其中的AGV由云端统一调度管理，系统整体在规模和功能上具有更好的扩展性；由AGV主动寻找并对接充电装置，可降低对车辆停车位置精度的要求，AGV行动灵活，其传感设备可拆卸，易于升级，通过对AGV硬件修改，可适应室内室外多种场景，完成除充电外的多种扩展性任务，如监控、搬运等。
-
公开(公告)号：CN107463172A
公开(公告)日：2017-12-12
申请号：CN201710600926.8
申请日：2017-07-21
Applicant: 浙江大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于SUMO和统一时间轴的云端控制自动驾驶系统，包括行车客户端、应用服务器、车辆控制服务器、智能电动汽车及传感设备；该自动驾驶系统利用行车客户端下达行程指令，利用应用服务器进行行程指令解析和封装，利用车辆控制服务器中的SUMO模块进行路径规划和行车任务划分，利用GPS和纠偏模块生成车辆纠偏指令；车辆根据车辆控制服务器的行车任务指令和车辆纠偏指令行驶。本发明系统中应用服务器、车辆控制服务器、智能电动汽车使用统一时间轴，车辆根据指令中的时间戳在规定时刻执行。本发明实现了云端控制车辆自动行驶，同时避开了网络延迟和不稳定问题，使用SUMO和统一时间轴进一步简化系统，提高系统可靠性。
-
公开(公告)号：CN107462243A
公开(公告)日：2017-12-12
申请号：CN201710662458.7
申请日：2017-08-04
Applicant: 浙江大学
Abstract: 本发明公开了一种基于高精度地图的云控自动驾驶任务生成方法，其利用厘米级高精度的定位设备获取道路的GPS信息，通过对GPS轨迹的坐标旋转变换、曲线拟合、选择高精度点，获得每一条道路上车道级的GPS序列，建立适用于自动驾驶的高精度地图，存储在云端服务器；在实际的自动驾驶阶段，云端从车辆接收初始位置与目的地结合高精度地图与全局范围内的车辆信息，生成车道级的路径，然后从车道级路径中规划出驾驶任务形成任务序列，下发给车辆执行，实现自动驾驶。本发明有效利用互联网与云端的硬件计算资源，减轻车辆复杂性与成本，且由于云端掌握全局的交通信息，有利于应用云处理、大数据、人工智能技术，更快地迭代、改善自动驾驶技术。
-
公开(公告)号：CN119337921B
公开(公告)日：2025-04-15
申请号：CN202411866055.0
申请日：2024-12-18
Applicant: 浙江大学
IPC: G06N3/008 , G06N3/049 , G06N3/0442 , G06N3/0455 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种基于神经网络情感模型的机器人情感表达方法，属于机器人与计算机技术领域，包括如下步骤：步骤S1，构建目标机器人可用传感器的情感预注入数据集与脉冲神经网络的输入编码层I1、激活层L1、抑制层L2，并建立各层之间的连接与反馈连接；步骤S2，对于初始的脉冲神经网络进行对于离散环境输入的情感注入预训练，以使脉冲神经网络对于离散的环境输入得出设定的情感输出；步骤S3，根据机器人与人的实时的交互结果，使用STDP算法不断在线调节脉冲神经网络的指定连接层的连接权重，并正向强化交互结果对应的记忆缓冲池、负向衰减与交互结果相反的记忆缓冲池，从而达到从情感预注入到真实交互的在线调节。
-
公开(公告)号：CN119611298A
公开(公告)日：2025-03-14
申请号：CN202411962981.8
申请日：2024-12-30
Applicant: 浙江大学
Abstract: 本发明公开了基于深度学习的电机电控刹车系统夹紧力自适应修正方法，属于底盘控制技术领域，方法充分考虑了使用过程中刹车片磨损的情况，针对刹车片磨损引起的非线性变化问题，引入深度学习神经网络优化控制策略，将电机旋转角度估算的夹紧力与实际夹紧力之间的复杂非线性关系建模为可预测的概率分布，进行自适应修正，从而在刹车片磨损条件下优化了夹紧力控制，有效应对刹车片磨损引发的动态变化，增强了系统控制的实时性，还大幅度提升了系统的预测精度和响应速度，全面增强了刹车系统的稳定性、可靠性和安全性，同时，避免了采用大量传感器进行实时夹紧力监测。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.026 seconds)
