Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海财经大学陈岗获国家专利权

上海财经大学陈岗获国家专利权

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!

龙图腾网获悉上海财经大学申请的专利一种基于激光雷达坐标定位的泊车辅助方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120993442B

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511091306.7,技术领域涉及:G01S17/931;该发明授权一种基于激光雷达坐标定位的泊车辅助方法及系统是由陈岗;程顺华设计研发完成,并于2025-08-05向国家知识产权局提交的专利申请。

一种基于激光雷达坐标定位的泊车辅助方法及系统在说明书摘要公布了:本发明涉及车辆辅助驾驶的技术领域,特别是一种基于激光雷达坐标定位的泊车辅助方法及系统。包括如下步骤:步骤S1:获取停车位的预设坐标符号,基于坐标符号获取得到停车位的第一坐标;步骤S2:基于激光雷达,获取预设坐标符号相对于车辆在下一时刻的第二坐标,基于第一坐标以及第二坐标获取得到车辆在下一时刻位姿;步骤S3:基于超声波雷达或者360成像系统获取车辆周围的环境信息;判断车辆在下一时刻位姿与环境信息是否存在有重叠,若存在,发出警报。通过激光雷达的位姿预测和环境信息的动态融合,实现了碰撞预判,解决了窄车位停车时频繁警报和缺乏预见性的痛点。这不仅提升了安全性和舒适性还优化了泊车效率,特别适用于室内狭窄环境。

本发明授权一种基于激光雷达坐标定位的泊车辅助方法及系统在权利要求书中公布了:1.一种基于激光雷达坐标定位的泊车辅助方法,其特征在于,包括如下步骤: 步骤S1:获取停车位的预设坐标符号,基于坐标符号获取得到停车位的第一坐标; 步骤S2:基于激光雷达,获取预设坐标符号相对于车辆在下一时刻的第二坐标,基于第一坐标以及第二坐标获取得到车辆在下一时刻位姿; 步骤S3:基于超声波雷达或者360成像系统获取车辆周围的环境信息; 判断车辆在下一时刻位姿与环境信息是否存在有重叠,若存在,发出警报; 所述步骤S2中,获取预设坐标符号相对于车辆在下一时刻的第二坐标的步骤如下: 步骤S21:通过激光雷达里程计获取初始位姿序列; 步骤S22:基于惯导的预积分信息和预设坐标符号所在平面约束构建目标函数,采用Levenberg-Marquardt算法对目标函数进行求解,获取得到激光雷达与第一坐标的变换矩阵; 步骤S23:第一坐标通过变换矩阵转化为第二坐标; 所述步骤S21中获取初始位姿序列的步骤如下: 步骤S211:接收一组激光点云数据,并输出每个时刻点云数据所对应的状态变量; 其中第时刻的状态变量表示如下:; 其中,是从时刻激光雷达坐标系到激光雷达里程计坐标系的旋转矩阵,、、分别是时刻激光雷达在激光雷达里程计坐标系下的位置、速度、角速度;和分别为对应速度和旋转的高斯白噪声; 步骤S212:构建激光雷达里程计的问题,其中激光雷达里程计的问题如下: ; 其中,为时刻点云拟合的所有平面集合;为平面集合中的第个点面ICP残差,为第个点面ICP的信息矩阵,为时刻先验残差,为时刻先验约束的信息矩阵; 步骤S32:构建激光雷达里程计的问题,其中激光雷达里程计的问题如下: ; 其中,为时刻点云拟合的所有平面集合;为平面集合中的第个点面ICP残差,为第个点面ICP的信息矩阵,为时刻先验残差,为时刻先验约束的信息矩阵; 步骤S213:对协方差矩阵进行前向传播,所述协方差矩阵数学表达式如下: ; 其中,和分别为时刻和时刻的先验状态协方差矩阵,为噪声协方差矩阵,,的定义如下: ; ; 其中为李代数中的指数映射;为时刻到时刻的时间间隔;为右雅可比函数; 步骤S214:构建先验残差以及ICP残差,其中先验残差具体如下: ; 其中,是将旋转矩阵转换为李代数的对数映射; ICP残差具体如下: ; 其中为第个特征点,和分别为拟合平面的对应的法向量和截距; 步骤S35:将获取的协方差矩阵、先验残差以及ICP残差代入到激光雷达里程计的问题内,获取得到初始位姿序列; 所述步骤S22的具体步骤如下: 步骤S221:将初始位姿序列投影至激光雷达坐标系,得到局部点云地图; 步骤S222:基于局部点云地图提取平面特征,提取平面特征; 其中平面特征的定义如下: ; ; 为DH参数,表示第个平面特征,表示取矩阵的最小特征值;表示第个平面的点云集合;表示第个平面的点云集合中点云的数量,为第个平面的点云的中心,为表示第j个平面的点云集中的第i个点云; 步骤S223:通过因子图构建出获取变换矩阵的目标函数,其中目标函数如下: ; 为DH参数,为k时刻的状态量,包括时刻的旋转矩阵,k时刻的平移和速度,时刻惯导中陀螺仪零偏估计值和加速度计零偏估计值;为局部点云地图中拟合出来的平面数量;为激光雷达里程计输出的位姿序列的个数;为惯导预积分约束的信息矩阵,为时刻状态到时刻状态的惯导预积分约束; 步骤S224:采用Levenberg-Marquardt算法对目标函数进行求解,获取得到激光雷达与第一坐标的变换矩阵。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人上海财经大学,其通讯地址为:200433 上海市杨浦区国定路777号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。