首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种耦合深度学习与物理优化的4D毫米波雷达自监督里程计方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:同济大学

摘要:本发明涉及一种耦合深度学习与物理优化的4D毫米波雷达自监督里程计方法,包括:采用基于PointTransformer的多层级特征提取网络,一方面从关联点云对中提取两帧点云对应的特征信息,另一方面从关联点云对中的前一帧的点云中提取上下文特征信息;根据两帧点云对应的特征信息,计算点云关联场;基于上下文特征和点云关联场,通过迭代优化模块更新关联点云对之间的位姿变换,并构建自监督信号,完成里程计网络的训练;在推理阶段,将待测试序列的点云数据输入里程计网络,初始化处理后依次计算各相邻帧的位姿变换,获得整个待测试序列对应的定位轨迹。与现有技术相比,本发明能有效提取稀疏嘈杂的4D毫米波雷达点云特征,获得良好的里程计性能。

主权项:1.一种耦合深度学习与物理优化的4D毫米波雷达自监督里程计方法,其特征在于,包括以下步骤:S1、在训练阶段,采用基于PointTransformer的多层级特征提取网络,一方面从关联点云对中提取两帧点云对应的特征信息,另一方面从关联点云对中的前一帧的点云中提取上下文特征信息;S2、根据两帧点云对应的特征信息,计算点云关联场;S3、基于上下文特征和点云关联场,通过迭代优化模块,更新关联点云对之间的位姿变换,并根据每次迭代输出的位姿变换构建自监督信号,完成里程计网络的训练;S4、在推理阶段,将待测试序列的点云数据输入里程计网络,初始化处理后依次计算各相邻帧的位姿变换,获得整个待测试序列对应的定位轨迹。

全文数据:

权利要求:

百度查询: 同济大学 一种耦合深度学习与物理优化的4D毫米波雷达自监督里程计方法

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。

相关技术
相关技术
相关技术
相关技术