申请/专利权人：南京师范大学

申请日：2024-03-27

公开（公告）日：2024-04-30

公开（公告）号：CN117944059A

主分类号：B25J9/16

分类号：B25J9/16;G06V20/56;G06V20/70;G06V10/25;G06V10/44;G06V10/80;G06V10/764;G06V10/766;G06V10/82;G06T7/73;G06N3/0464;G06N3/0495;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明公开了一种基于视觉及雷达特征融合的轨迹规划方法，获取当前作业环境的视觉图像以及雷达点云，并进行预处理；将视觉图像经主干特征提取网络和图像特征金字塔网络处理得到高级特征图和雷达点云经激光点云特征提取网络处理得到点云特征图进行融合；根据候选框对融合特征后的特征图进行目标检测与识别；利用轻量级优化卷积神经网络对特征图进行语义分割；通过目标识别与语义分割确定识别目标的类别和位置，规划机器人的下一步行进轨迹。采用了高效的神经网络结构，多源传感器数据进行融合，并提供了新的轻量级深度神经网络架构和前景像素判断优化算法，能有效提高图像目标检测识别及语义分割的精度和速度，具有广泛的应用前景。

主权项：1.一种基于视觉及雷达特征融合的轨迹规划方法，其特征在于，包括以下步骤：（1）获取当前作业环境的视觉图像以及雷达点云，并进行预处理，获得预处理后的视觉图像和雷达点云；（2）将预处理后的视觉图像输入主干特征提取网络，得到初级特征图，将初级特征图输入图像特征金字塔网络，得到高级特征图；将预处理后的雷达点云输入激光点云特征提取网络，得到点云特征图；（3）将高级特征图和点云特征图输入视觉雷达特征融合网络，得到融合特征后的特征图；（4）获取融合特征后的特征图内所有候选框，将得到的所有候选框输入区域生成网络，进行分类预测和定位回归，获得候选框的类别概率值和参数回归值；将得到的所有候选框输入建议层网络根据候选框的类别概率值进行筛选，根据筛选后的候选框的参数回归值对候选框的大小和位置进行调整；（5）将调整后的候选框映射到同一尺寸固定的特征图上，将映射后的特征图输入全连接层，对获取的当前作业环境的视觉图像进行目标检测与识别；利用轻量级优化卷积神经网络对候选框映射后的特征图进行语义分割；（6）通过目标识别与语义分割确定识别目标的类别和位置，根据得到的目标信息和雷达测得的距离信息判断机器人的下一步行进轨迹，完成轨迹规划。

全文数据：

权利要求：

百度查询： 南京师范大学 基于视觉及雷达特征融合的轨迹规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD