Aug, 2023

自主异构机器人系统的高效实时烟雾过滤与搜救

PDF
TL;DR提出一种基于强度和空间信息的新型模块化通用滤波流程，用于消除探测到的烟雾颗粒物，实现移动机器人在困难和无结构的亚地下环境中的安全自主导航。
search and rescue missionssub-terranean environmentsaerosol particlescollision detectionautonomous navigation
发现论文，激发创造
  • 从被高浓度杂质颗粒污染的地下恶劣环境中获取的多模态数据集，用于前沿探索

    本文介绍一种多模式数据集，可用于验证在无法使用全球导航卫星系统（GNSS）的环境中自主导航的算法性能。数据集内容包括船上各种传感器的测量值，其中需要注重船舶 LiDAR 测距仪度测量数据的有效性，并介绍各种传感器系统的详细特性。

    Apr, 2023

  • 面向多雨条件下的鲁棒三维物体检测

    通过使用先进的天气监测网络来过滤喷雾，这篇研究提出了一个框架来提高基于 LiDAR 的 3D 物体检测器对泥水喷溅的抗扰动能力，并且进一步探索了雷达目标的应用来过滤误检。实际数据测试表明，该方法改善了多个热门的 3D 物体检测器对泥水喷溅的稳健性。

    Oct, 2023

  • DMNR: 无监督除噪被空中颗粒污染的点云

    本文介绍了两种动态滤波方法 (DMNR 和 DMNR-H)，这些方法通过对 WADS 和 DENSE 数据集上杂点和干净点的位置和强度进行准确分析，提高了在气候恶劣条件下检测系统的性能。两种方法的表现优于传统的无监督方法，并且比基于深度学习的监督方法略胜一筹，同时对于不同的 LiDAR 传感器和飞行物 (如雪和雾) 更为鲁棒。

    May, 2023

  • 车辆定位的粒子滤波 SLAM

    利用粒子滤波 (SLAM) 方法，结合编码数据和光纤陀螺数据实现车辆运动的精确估计，激光雷达技术提供环境感知，建立了一个粒子滤波 (SLAM) 框架，以有效地解决机器人系统中的同时定位和地图构建的复杂性。

    Feb, 2024

  • 基于事件相机和激光雷达的亚地表环境下恶劣光照条件下人体跟踪

    该研究提出了一种新的 LiDAR 和事件相机融合模式，用于在 SubT 环境中快速、精确地检测对象和人，实现反应跟踪，并在实验中得到验证。

    Apr, 2023

  • Lidar 光散射增强（LISA）：基于物理的 3D 物体检测的不良天气条件模拟

    通过物理学模拟，提出一种蒙特卡罗混合方法用于模拟恶劣天气下的 LiDAR 点云数据，从而扩展所有天气条件下目标检测器的可靠性，并表明相对于现有模型，在现实世界的雨天场景中，模型的性能有了显著改进。

    Jul, 2021

  • LiDAR 雪量模拟用于鲁棒的三维物体检测

    本文从雪天的实际应用场景出发，提出了一个基于物理仿真的方法来模拟雪天对激光雷达的影响，并通过生成部分合成的雪天激光雷达数据对 3D 目标检测模型进行训练，实现了在雪天环境下具有鲁棒性的检测效果。

    Mar, 2022

  • 高级相机 - LiDAR 融合与机器学习的 3D 物体检测

    本研究提出了一种使用单目摄像头和 LiDAR 数据结合的机器学习技术，通过以国际排名领先的二维物体探测器生成的锥体区域来分割 LiDAR 点云，从而检测运动平台周围的车辆的 3D 边界框参数， 最终验证集准确率达到 87.1％。

    May, 2021

  • 消防应用增强现实的嵌入式深度学习系统

    本研究旨在利用最新技术（例如深度学习、点云技术、红外成像技术、增强现实平台等）来提高消防员在火灾环境中的情境意识，并改善场景导航。我们设计并构建了一个嵌入式原型系统，该系统可以利用从消防员个人防护装备中内置摄像头中流传输的数据来捕捉热图像、RGB 彩色图像和深度图像，进而实时分析所有数据并将处理后的图像通过无线流媒体传回给消防员，以增强现实方式表现出分析结果，并指示消防员注意烟雾和火焰中隐藏的物体，如门窗等。

    Sep, 2020

  • 利用激光雷达点云的端到端三维物体检测

    无人驾驶车辆中的目标检测与跟踪任务主要依靠相机和 LiDAR 等多种传感器，本研究在使用 LiDAR 点云的新编码方式基础上，通过推断自动驾驶车辆附近不同类别物体的位置，实现了对场景中物体位置和方向的预测。

    Dec, 2023