一种基于多模态数据融合与强化学习的混合式高程图生成方法
申请号:CN202510764080
申请日期:2025-06-10
公开号:CN120807307A
公开日期:2025-10-17
类型:发明专利
摘要
本发明涉及的一种基于多模态数据融合与强化学习的混合式高程图生成方法,通过视觉‑LiDAR深度融合、方向感知特征编码、时空一致性优化及强化学习动态参数调整,实现中速无人驾驶场景下15米远距离、0.05米/pixel高分辨率的高程图生成。本发明的方法将高程误差降至低于15cm,路径规划成功率提升至90%,系统成本降低70%,为复杂非结构化环境提供鲁棒导航支持。
技术关键词
多模态数据融合
生成方法
生成对抗网络
超分辨率
激光雷达
LiDAR点云
感知特征
非结构化环境
视觉特征
轮式编码器
多模态传感器
深度学习框架
坐标系
多目相机
高程误差
多尺度特征
多层感知机
视觉传感器