买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学(威海);中建三局集团有限公司申请的专利一种基于多模态传感器的无人车智能避障方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120540286B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510598690.3，技术领域涉及：G05D1/249；该发明授权一种基于多模态传感器的无人车智能避障方法及系统是由王剑锋;吴鹤鹏;崔健;李卫华;杨朋;崔志鹏;叶贞;曹俭勋;刘振;高海波;李君;贾永凯设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本一种基于多模态传感器的无人车智能避障方法及系统在说明书摘要公布了：本发明公开一种基于多模态传感器的无人车智能避障方法及系统，涉及自动驾驶及智能交通领域。本发明技术要点：通过时空配准模块对齐激光雷达与深度相机数据；对激光雷达点云进行预处理并分割出障碍物点云，结合深度相机输出的三维语义种子点实施融合聚类，生成带语义标签的障碍物簇；计算障碍物三维有向包围盒OBB，根据自车速度动态调整安全距离并扩展自车OBB，采用分离轴定理进行碰撞检测。当检测到碰撞风险时，系统依次触发一级预警及二级紧急制动指令，实现安全、高效的无人车动态避障。本发明方法充分利用多传感器优势，有效提升了障碍物检测精度和反应速度，为无人驾驶技术在复杂道路环境下的应用提供了可靠技术支撑。

本发明授权一种基于多模态传感器的无人车智能避障方法及系统在权利要求书中公布了：1.一种基于多模态传感器的无人车智能避障方法，其特征在于，包括以下步骤： 步骤1、多模态传感器数据融合：通过时空配准模块对激光雷达点云数据与深度相机RGB-D数据进行时间和空间对齐，将两类传感器数据统一转换至车体坐标系； 步骤2、障碍物检测与语义标注：对激光雷达采集的点云数据进行预处理与分割，提取出障碍物点云，对深度相机数据采用目标检测模块处理，输出目标边界框及语义标签，并基于深度信息和相机内参生成目标的三维语义种子点； 步骤3、基于语义和几何特征的融合聚类：基于所述三维语义种子点对障碍物点云数据实施区域生长聚类，生成语义障碍物簇，对剩余未聚类点云实施欧氏距离聚类生成几何障碍物簇，并计算各簇的三维有向包围盒OBB； 步骤4、动态碰撞检测与分级制动：根据自车实时速度调整动态安全距离以扩展自车OBB尺寸，将扩展后的自车OBB与障碍物OBB转换至世界坐标系，采用分离轴定理检测两者的碰撞风险，并根据风险等级执行分级制动策略； 所述融合聚类包括： ①对语义种子点执行区域生长聚类，邻域搜索半径为0.2-0.4米，最小簇点数为5-15； ②对剩余点云执行欧氏距离聚类，邻域半径为0.4-0.6米，最小簇点数为3-8； 所述点云簇的三维有向包围盒OBB计算步骤包括： ①垂直维度极值提取：遍历点云簇获取最小垂直坐标Z_min和最大垂直坐标Z_max； ②平面投影处理：将点云簇所有点的垂直坐标统一设定为基准值0，仅保留水平面坐标x,y，以生成二维投影点云； ③惯性矩OBB解算：基于二维投影点云计算包围盒中心位置、二维尺寸及旋转矩阵；二维尺寸为长和宽； ④三维重构：将提取的垂直极值赋予包围盒，其中包围盒垂直中心坐标Z_center=Z_min+Z_max2，垂直尺寸H=Z_max-Z_min； ⑤结果输出：输出包含中心位置向量、旋转四元数及三维尺寸的包围盒描述参数； 所述包围盒描述参数包括： 中心位置坐标x,y,z_center；三维尺寸L,W,H；以及表征包围盒方位角的旋转四元数q_x,q_y,q_z,q_w；其中q_w是四元数的实部；q_x，q_y，q_z是四元数的虚部；实部为标量部分，虚部为向量部分； 所述惯性矩OBB解算包括： ①惯性矩估计：对输入点云计算质心坐标和协方差矩阵，并对协方差矩阵进行特征值分解，以提取特征向量作为点云数据的主方向，确定点云的主要分布趋势； ②局部坐标系构建：以计算得到的质心为原点，沿主方向建立局部坐标系； ③旋转矩阵获取：计算从原始点云坐标系到所述局部坐标系的旋转矩阵，以实现点云数据的坐标转换； ④极值投影：利用所述旋转矩阵将点云数据转换至局部坐标系，并记录各坐标轴上的最小和最大投影值，以确定包围盒在局部坐标系下的极值边界。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学(威海);中建三局集团有限公司，其通讯地址为：264209 山东省威海市文化西路2号哈工大(威海)研究院；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。