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！

申请/专利权人：天津光粒科技发展有限公司

摘要：本发明提供一种激光测距校准方法及系统，涉及测量校准技术领域，包括：设置传感器阵列采集激光反射信号和环境特征数据，进行时间同步和坐标同步，计算信息熵和不确定性并构建优化校准数据集，提取时频域特征得到标准特征数据；添加至深度卷积神经网络模型中，提取局部特征和全局特征，组合得到深度特征，确定动态变化规律并得到时序关联特征，提取超参数，构建初始深度学习模型，进行训练，得到第二深度学习模型，将输出连接至多个任务分支并构建联合损失函数，进行超参数优化，得到优化深度学习模型；确定预测误差，奖励信号，更新优化深度学习模型，调整传感器参数，将测距误差补偿值和激光测距仪的原始测距值进行融合，生成高精度测距结果。

主权项：1.激光测距校准方法，其特征在于，包括：设置传感器阵列并通过所述传感器阵列采集每个校准目标对应的激光反射信号和环境特征数据，其中，所述传感器阵列包括激光测距仪、电子罗盘、惯性测量单元、环境光传感器和温湿度传感器，并将所述传感器阵列中的传感器数据进行时间同步和坐标同步，通过主动学习算法计算每个校准目标对应的信息熵和不确定性并构建优化校准数据集，对所述优化校准数据集中的每个元素通过小波变换和经验模态分解，提取时频域特征并进行标准化处理，得到标准特征数据；将所述标准特征数据添加至预先设置的深度卷积神经网络模型中，通过多层卷积提取所述激光反射信号的局部特征和全局特征，组合得到深度特征，通过时序关联模型确定所述激光反射信号的动态变化规律并得到时序关联特征，提取所述时序关联模型和所述深度卷积神经网络模型的超参数，结合迁移学习算法构建初始深度学习模型，通过所述优化校准数据集对所述初始深度学习模型进行训练，得到第二深度学习模型，将所述第二深度学习模型的输出连接至多个任务分支并构建联合损失函数，通过反向传播算法以及所述联合损失函数进行超参数优化，得到优化深度学习模型；基于待测目标原始激光反射信号，结合所述优化深度学习模型生成预测的测距误差补偿值、环境参数和测距不确定性指标，基于预测的测距误差补偿值确定预测误差，结合每个目标对应的不确定性指标确定奖励信号，结合策略梯度更新算法更新所述优化深度学习模型，通过在线增量学习更新所述优化校准数据集和所述优化深度学习模型，基于预测的环境参数动态调整传感器参数，将所述测距误差补偿值和激光测距仪的原始测距值进行融合，生成高精度测距结果。

全文数据：

权利要求：

百度查询： 天津光粒科技发展有限公司 激光测距校准方法及系统