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

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
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
系统为您推荐了相关专利信息
金属表面缺陷 样本生成方法 注意力机制 深度卷积生成对抗网络 融合器
生成方法 周期 信号 自动测试设备 待测芯片
测试场景生成方法 复杂度 车辆 强化学习策略 识别模块
横摆角速度 角度控制方法 质心侧偏角 车辆控制器 车载摄像头
模型训练方法 文本生成方法 样本 文本生成装置 模型训练装置