-
题名复杂越野场景无人履带平台3D语义占据预测方法
被引量：1
- 1
-
-
作者
陈慧岩
司璐璐
王旭睿
王文硕
-
机构
北京理工大学机械与车辆学院
-
出处
《北京理工大学学报》
EI
CAS
北大核心
2025年第1期1-10,共10页
-
基金
国家部委基金资助项目(50911020602)。
-
文摘
为了理解和处理复杂越野场景中环境要素形状不规则、地形多变及路面属性复杂等问题,提出了一种基于多模态融合感知的3D语义占据预测方法.首先,基于图像和激光雷达融合网络获取初始3D语义标签;然后,对越野场景稀疏点云采用贝叶斯稠密化算法补全3D语义占据标签;最后,生成包含复杂环境要素大小、位置和语义信息的3D语义占据栅格地图.试验结果表明,该方法能够有效地提取和表示复杂越野环境中的3D信息,为复杂越野环境下无人履带平台的路径规划提供了更加准确和丰富的先验信息.
-
关键词
无人履带平台
多模态融合
3D语义占据预测
-
Keywords
unmanned tracked vehicle
multimodal fusion
3D semantic occupancy prediction
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名非结构化环境下基于占据预测的可通行性分析
- 2
-
-
作者
刘镇
孙振
孙哲
金澄
裴凌
-
机构
上海交通大学上海市北斗导航与位置服务重点实验室
中国电子科技集团公司第三十二研究所
中国科学院数字智慧地球重点实验室
-
出处
《南京信息工程大学学报》
北大核心
2025年第4期557-565,共9页
-
基金
国家自然科学基金(62273229)
上海市协同创新项目(HCXBCY-2023-020)
上海市探索者计划(24TS1402800)。
-
文摘
为了实现在非结构化环境中的自主导航,无人车需要对地面进行可通行性分析.当前有基于激光雷达和视觉的方法对环境进行可通行性分析,但激光雷达方案受点云稀疏和成本高的限制,传统视觉方案无法有效捕捉和表达场景的三维空间状况.针对这些挑战,本文首次提出基于占据预测(Occupancy Prediction)的非结构化环境可通行性分析方法WildOcc.WildOcc从单目RGB图像提取多尺度特征,将3D占据标签投影到图像中,采用道路注意力机制融合信息,得到3D特征后,再经过解码器和语义分割头输出可通行区域.为了准确估计环境的三维可通行性,WildOcc使用3D占据标签进行监督.由于非结构化环境点云数据的稀疏性,本文设计了数据增强模块生成稠密占据标签(Dense Label Generate,DLG),来提高监督结果的准确性.基于DLG模块制作了首个非结构化环境下占据预测的数据集Occ-Traversability,在该数据集上进行的综合实验表明:相对于为结构化环境设计的占据预测方法,WildOcc平均交并比(mIoU)提升0.95个百分点;同时,DLG模块使mIoU提升0.76个百分点,有效提升了预测的准确性.
-
关键词
可通行性分析
非结构化环境
占据预测
自主导航
-
Keywords
traversability analysis
unstructured environments
occupancy prediction
autonomous navigation
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
