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！

龙图腾网获悉中国北方车辆研究所申请的专利基于智能加速卡的地面无人平台自主导航系统设计方法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：CN115824218B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202211484203.3，技术领域涉及：G01C21/20；该发明授权基于智能加速卡的地面无人平台自主导航系统设计方法是由安旭阳;项燊;白晨青;苏治宝;李兆冬;杨婷婷;余雪玮;宋威龙;韩乐设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本基于智能加速卡的地面无人平台自主导航系统设计方法在说明书摘要公布了：本发明涉及一种基于智能加速卡的地面无人平台自主导航系统设计方法，属于地面无人平台环境感知领域。本发明的自主导航系统包括目标识别算法、可视化模块、相机激光雷达融合模块、目标区域生成模块、导航模块和规划模块，其中，目标识别算法、可视化模块运行于寒武纪智能加速卡MLU100中，相机激光雷达融合模块、目标区域生成模块、导航模块和规划模块运行于自主导航计算机上。本发明以地面无人平台的自主避障为牵引，对通用目标检测算法YOLOv3进行适应性改造，实现了算法在国产智能芯片上的部署和移植。最后，通过图像和点云的融合策略，完成了二维图像位置向三维空间位置的映射，实现目标检测，以此完成相应的自主导航任务。

本发明授权基于智能加速卡的地面无人平台自主导航系统设计方法在权利要求书中公布了：1.一种基于智能加速卡的地面无人平台自主导航系统部署方法，其特征在于，该方法包括如下步骤： S11、选择国产智能计算加速卡MLU100作为通用处理器的外接设备，通过PCIe总线完成自主导航计算机上的处理器和加速卡之间的信息交互，实现加速卡的系统集成； S12、UNREAL半实物仿真和物理环境下采集装甲车辆图像，通过OpenCV开源库对原始数据进行增加； S13、利用Labelme工具对图像中的装甲车辆进行标注，根据装甲车辆在图像中的项目位置和装甲车类别制作JSON文件，形成自制装甲车辆数据集；VOC2007、VOC2012图像检测公开数据集与自制装甲车辆数据集进行结合，形成多类样本数据库，构成YOLOv3识别模型的训练与测试数据，其中的80%用于训练，20%用于测试； S14、在通用服务器上部署基于残差神经网络改进的Darknet53框架下的YOLOv3识别算法，并对上述数据集进行迭代训练，初始学习率设为0.001，遗忘因子设为0.9，迭代次数设为50000，训练过程中通过平均准确率自适应调整训练参数，使用多尺度训练、多标签分类方法得到最终的目标识别模型； S15、通过工具darknet2caffe-yolov3.py将通用服务器Darknet框架下的目标识别模型转为Caffe架构下的模型； S16、调整生成的YOLOv3模型文件；首先修改输入层，设置输出图片为[13416416]，新增RGB三通道均值和标准差为[0000.00392]；再修改上采样层，先将两个采样层的类型“Upsample”修改为“Interp”，再分别将采样层尺寸参数“upsample_param”{scale:2}修改为“interp_param”{height:26width:26}和{height:52width:52}；然后修改卷积“convolution”层，将“num_output”的值修改为3（类别数目21+5）=78；最后修改yolov3参数层，将识别类别修改为21，实现模型适配工作； S17、国产智能计算加速卡MLU100采用多核处理架构，采用数据并行和模型并行的方式运行； S18、通过离线模型转换工具将Caffe框架下训练出来的.caffemodel模型进行转换，将基本算子、融合算子、MLU核版本、权重、输入输出数据尺寸、参数信息、模型版本和MLU指令集成到模型中，使得目标检测算法彻底脱离机器学习库和深度学习框架运行，直接调用国产智能加速卡的底层并行计算库； S19、开发应用程序，包括前处理、后处理、推理三部分；前处理部分负责采集场景中的图片帧并将其转化为预设尺寸；推理部分负责加载YOLOv3算法离线模型，并分配输入、输出数据内存,以及绑定加速卡设备和环境变量，最后通过CNRT（CambriconNeuwareRuntimeLibrary）和驱动交给MLU100智能加速卡进行推理识别，后处理负责将推理的结果进行显示，结果为目标检测的边界框。

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中国北方车辆研究所，其通讯地址为：100072 北京市丰台区槐树岭4号院；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”。