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：发明公开

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：20240220

代理人：施嘉薇

代理机构：上海段和段律师事务所

语种：中文

中文关键词：无人车; 高维特征向量; 连接层; 点云数据; 鸟瞰图像; 位姿数据; 输入神经网络; 采集; 多层感知器; 惯性传感器; 编码向量; 感知模块; 环境特征; 决策模块; 模态特征; 强化学习; 深度图像; 神经网络; 生成图像; 特征向量; 未知环境; 自主导航; 解码; 鸟瞰图; 卷积; 感知; 地形; 输出; 融合; 转换; 评估

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。