Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020154973 - LOCALISATION LIDAR FAISANT APPEL À UN RNN ET À UN LSTM À DES FINS DE LISSAGE TEMPOREL DANS DES VÉHICULES À CONDUITE AUTONOME

Numéro de publication WO/2020/154973
Date de publication 06.08.2020
N° de la demande internationale PCT/CN2019/073978
Date du dépôt international 30.01.2019
CIB
G01S 7/40 2006.1
GPHYSIQUE
01MÉTROLOGIE; TESTS
SDÉTERMINATION DE LA DIRECTION PAR RADIO; RADIO-NAVIGATION; DÉTERMINATION DE LA DISTANCE OU DE LA VITESSE EN UTILISANT DES ONDES RADIO; LOCALISATION OU DÉTECTION DE LA PRÉSENCE EN UTILISANT LA RÉFLEXION OU LA RERADIATION D'ONDES RADIO; DISPOSITIONS ANALOGUES UTILISANT D'AUTRES ONDES
7Détails des systèmes correspondant aux groupes G01S13/, G01S15/, G01S17/135
02de systèmes selon le groupe G01S13/56
40Moyens de contrôle ou d'étalonnage
G01C 21/00 2006.1
GPHYSIQUE
01MÉTROLOGIE; TESTS
CMESURE DES DISTANCES, DES NIVEAUX OU DES RELÈVEMENTS; GÉODÉSIE; NAVIGATION; INSTRUMENTS GYROSCOPIQUES; PHOTOGRAMMÉTRIE OU VIDÉOGRAMMÉTRIE
21Navigation; Instruments de navigation non prévus dans les groupes G01C1/-G01C19/106
CPC
G01S 17/89
GPHYSICS
01MEASURING; TESTING
SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
17Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
88Lidar systems specially adapted for specific applications
89for mapping or imaging
G01S 7/497
GPHYSICS
01MEASURING; TESTING
SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
7Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
48of systems according to group G01S17/00
497Means for monitoring or calibrating
G06N 3/0445
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0445Feedback networks, e.g. hopfield nets, associative networks
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
G06N 3/0481
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0481Non-linear activation functions, e.g. sigmoids, thresholds
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
Déposants
  • BAIDU.COM TIMES TECHNOLOGY (BEIJING) CO., LTD. [CN]/[CN]
  • BAIDU USA LLC [US]/[US]
Inventeurs
  • LU, Weixin
  • ZHOU, Yao
  • WAN, Guowei
  • HOU, Shenhua
  • SONG, Shiyu
Mandataires
  • INSIGHT INTELLECTUAL PROPERTY LIMITED
Données relatives à la priorité
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) LIDAR LOCALIZATION USING RNN AND LSTM FOR TEMPORAL SMOOTHNESS IN AUTONOMOUS DRIVING VEHICLES
(FR) LOCALISATION LIDAR FAISANT APPEL À UN RNN ET À UN LSTM À DES FINS DE LISSAGE TEMPOREL DANS DES VÉHICULES À CONDUITE AUTONOME
Abrégé
(EN)
A method for temporal smoothness in localization results for an autonomous driving vehicle includes creating a probability offset volume that represents an overall matching cost between a first set of keypoints from the online point cloud and a second set of keypoints from a pre-built point cloud map for each of a series of sequential light detection and ranging (LiDAR) frames in an online point cloud (1301). The method further includes compressing the probability offset volume into multiple probability vectors across a X dimension, a Y dimension and a yaw dimension (1303); providing each probability vector of the probability offset volume to a number of recurrent neural networks (RNNs) (1305); and generating, by the RNNs, a trajectory of location results across the plurality of sequential LiDAR frames (1307).
(FR)
L'invention concerne un procédé de lissage temporel de résultats de localisation d'un véhicule à conduite autonome, consistant à créer un volume de décalage de probabilité qui représente un coût d'appariement global entre un premier ensemble de points clés à partir du nuage de points en ligne et un second ensemble de points clés à partir d'une carte de nuage de points préconstruite pour chaque trame d'une série de trames de télédétection par laser (LiDAR) successives dans un nuage de points en ligne (1301). Le procédé consiste en outre à compresser le volume de décalage de probabilité en de multiples vecteurs de probabilité sur une dimension X, une dimension Y et une dimension de lacet (1303) ; à fournir chaque vecteur de probabilité du volume de décalage de probabilité à un certain nombre de réseaux neuronaux récurrents (RNN) (1305) ; et à générer, par les RNN, une trajectoire de résultats de position sur les trames de la pluralité de trames LiDAR successives (1307).
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international