文献类型：专利

中文题名：基于鸟瞰图的无人车强化学习未知环境感知方法及系统

作者：易建军[1];张新科[1];苏林[1];王廉胜[1];叶杭博[1];李晨辉[1];

机构：[1]华东理工大学;

专利类型：发明授权

申请号：CN202311355084.6

申请日：20231018

申请人地址：200237 上海市徐汇区梅陇路130号

公开日：20260501

代理人：施嘉薇

代理机构：上海段和段律师事务所 31334

语种：中文

中文关键词：鸟瞰图;无人车;强化学习;未知;环境感知;采集;深度图像;转换;生成;鸟瞰图像;数据;输入神经网络;积层;连接层;图像数据;高维特征向量;激光雷达;局部;点云数据;卷积;大池;化层;多层感知器;空间分布;归一化;池化;特征信息;地形;IMU;惯性传感器

摘要：本发明提供一种基于鸟瞰图的无人车强化学习未知环境感知方法及系统，包括：采集深度图像，并转换生成鸟瞰图像；将鸟瞰图像数据输入神经网络的卷积层和全连接层生成图像数据的高维特征向量；采集无人车周围的局部点云数据输入多层感知器，生成地形点云数据的特征向量；通过IMU惯性传感器将无人车的位姿数据输入神经网络的两个连续的全连接层，生成位姿数据编码向量；通过全连接层解码三个模态特征信息，融合为高维特征向量；通过高维特征向量进行动作评估；依据环境特征选取得分最高的动作输出；通过无人车的决策模块接受并执行选取的动作；通过无人车的感知模块再次与环境进行交互，循环以上步骤直至到达目的地，最终实现无人车的自主导航。