Unmanned system perception and navigation laboratory featuring virtual reality fusion and embodied intelligence
以虚实融合和具身智能为特点的无人系统感知与导航实验室
您可以在这里访问我们的主页,获取更多详细信息:实验室网址
多模态3D目标检测是当前自动驾驶领域的主流感知手段,它可以提供道路上的障碍物信息,供自动驾驶系统进行行动决策。实际的行驶环境比较多变,雨雪等恶劣天气会导致感知算法的性能大大下降,为了解决雨雪等恶劣天气对感知效果的影响,将天气的变化视为域偏移问题,采用域对抗网络的形式,在不依赖大量标注数据的条件下,实现提高恶劣环境下检测精度的目的。
主要分为
1.基于图像的2D目标检测算法
2.基于多传感器融合的3D目标检测算法。
目前正在研究相机-毫米波雷达-激光雷达的融合检测算法
利用双目相机和激光雷达获取的信息进行3D目标检测,将获取的信息以及检测结果发布到ROS平台上,以支持后续信息处理。
- 基于unity搭建虚拟仿真训练环境
- 基于马尔可夫决策设计避障任务
- 基于深度强化学习算法和Pytorch深度学习框架训练模型
- 基于ROS和C#通信机制实现虚实结合
- 基于混合现实眼镜实现虚实融合展示
随着无人车技术的不断发展,智能巡检成为了许多领域中提高效率和降低人力成本的重要手段。无人车巡检系统可以在工业、城市、农业等领域中执行自主导航和巡检任务,检测和监控环境中的物体和设施。
其中,无人车导航避障算法是实现智能巡检的核心技术之一。该方向主要采用强化学习算法研究无人车在复杂的环境中规划路径、感知障碍物并进行避障,确保无人车安全、高效地完成巡检任务。
以实验室软硬件实验平台为依托,利用ChatGPT定制用户与机器人的交互媒介,基于计算机视觉算法捕获用户希望抓取目标物体的位姿信息,通过运动控制算法实现机械臂各关节的轨迹规划,最终达到机械臂自动抓取指定目标的效果。
主要研究方向为移动机器人信息感知与导航,通过激光雷达扫描的点云信息构建环境的3维地图,并将其用于导航,以解决机器人在未知环境运动时的定位与地图构建问题。
标题: [研究成果的标题]
作者: [成果的作者列表]
会议/期刊: [发表成果的会议或期刊名称]
摘要: [研究成果的摘要或简介]
链接: [可选,指向该成果的在线资源链接]
项目名称: [项目的名称]
项目描述: [项目的简要描述]
项目成员: [参与该项目的实验室成员列表]
项目状态: [项目的当前状态,如进行中、已完成等]
实验室内部的文档、数据集、代码示例等
资源名称: [资源的名称]
描述: [资源的简要描述]
链接: [指向资源的在线链接]
如果您发现问题或有改进建议,您可以在此处提交问题或提出建议。