-
公开(公告)号：CN114627151B
公开(公告)日：2024-07-26
申请号：CN202111117421.9
申请日：2021-09-23
Applicant: 北京理工大学
IPC: G06T7/246 , G06V20/10 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种无人机集群对空中目标运动状态跟踪方法，包括以下步骤：t帧时刻，多个无人机检测各自视角下的目标位置，多个无人机预测各自视角下t+1帧时刻目标的位置；t+1帧时刻，多个无人机检测各自视角下的目标位置，将检测的目标位置与各自预测的目标位置比对，实现多个无人机各自对目标运动状态的跟踪；多个无人机相互之间对各自跟踪的目标进行标识匹配，使得多个无人机对同一目标的标识相同。本发明公开的无人机集群对空中目标运动状态跟踪方法，对目标运动状态跟踪的准确度高，解决无人机集群时多视场对多目标运动状态跟踪过程中多目标身份匹配混乱的问题。
-
公开(公告)号：CN116772892A
公开(公告)日：2023-09-19
申请号：CN202310790584.6
申请日：2023-06-29
Applicant: 北京理工大学 , 青岛新松机器人自动化有限公司 , 山东黄金集团有限公司
Abstract: 本发明公开了一种应用于空间网络结构中的无人机激光惯性里程计方法，包括以下步骤：在空间网格结构中激光雷达采集的点云上提取网架线特征点；在空间网格结构中激光雷达采集的点云上提取网壳曲面特征点；根据提取到的特征点设置激光雷达里程计，获取无人机位姿，进行无人机的定位和导航。本发明公开的应用于空间网络结构中的无人机激光惯性里程计方法，提高了无人机位姿的估计准确度，尤其提高了空间网格结构中无人机激光惯性里程计的准确度。
-
公开(公告)号：CN115578653A
公开(公告)日：2023-01-06
申请号：CN202211182639.7
申请日：2022-09-27
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的无人机重识别方法，包括以下步骤：S1、无人机对水面进行拍摄获得图片，通过船舶主体网络模型提取船舶区域；S2、通过船舶重识别网络模型对船舶区域进行识别，获得船舶特征向量；S3、将船舶特征向量与船舶特征索引库中的特征向量比对，确定该船舶的识别ID。本发明提供的基于深度学习的无人机重识别方法，能够区分相似类型船舶，重识别准确率高，可以实现在机载低算力设备的实时运行。
-
公开(公告)号：CN113075937B
公开(公告)日：2022-12-02
申请号：CN202110288163.4
申请日：2021-03-17
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于目标加速度估计的无人机捕获目标的控制方法，该方法中通过机载摄像机实时拍摄目标无人机的画面，从而获得带有目标无人机的连续图像信息，利用卷积神经网络，通过图像识别的方式获得每一帧图像上目标无人机的特征点位置，再根据特征点位置实时解算出无人机相对于摄像机的状态估计，在此基础上解算追踪无人机的控制指令，进而控制所述追踪无人机捕获目标。
-
Patent Agency Ranking
公开(公告)号：CN118865162A
公开(公告)日：2024-10-29
申请号：CN202310463871.6
申请日：2023-04-26
Applicant: 北京理工大学
IPC: G06V20/17 , G06V20/40 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/082
Abstract: 本发明公开了一种基于视频序列输入的无人机动态小目标检测方法,通过设置神经网络识别连续多帧图像，获得图像中运动目标的类别和位置，所述设置神经网络，包括以下步骤：设置特征提取模型，用于从图像中提取多尺度特征，所述特征提取模型以多帧连续图像作为输入；设置特征融合模型，用于将多尺度特征融合为特征图，通过特征图表征目标的外貌、运动线索；设置检测模型，根据特征图辨识获得多时刻的目标位置和类别。本发明公开的基于视频序列输入的无人机动态小目标检测方法,解决了无人机目标距离远、在图像中所占像素少、纹理、颜色和轮廓特征导致的检测精度降低的问题。
-
公开(公告)号：CN114627151A
公开(公告)日：2022-06-14
申请号：CN202111117421.9
申请日：2021-09-23
Applicant: 北京理工大学
Abstract: 本发明公开了一种无人机集群对空中目标运动状态跟踪方法，包括以下步骤：t帧时刻，多个无人机检测各自视角下的目标位置，多个无人机预测各自视角下t+1帧时刻目标的位置；t+1帧时刻，多个无人机检测各自视角下的目标位置，将检测的目标位置与各自预测的目标位置比对，实现多个无人机各自对目标运动状态的跟踪；多个无人机相互之间对各自跟踪的目标进行标识匹配，使得多个无人机对同一目标的标识相同。本发明公开的无人机集群对空中目标运动状态跟踪方法，对目标运动状态跟踪的准确度高，解决无人机集群时多视场对多目标运动状态跟踪过程中多目标身份匹配混乱的问题。
-
公开(公告)号：CN113075937A
公开(公告)日：2021-07-06
申请号：CN202110288163.4
申请日：2021-03-17
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于目标加速度估计的无人机捕获目标的控制方法，该方法中通过机载摄像机实时拍摄目标无人机的画面，从而获得带有目标无人机的连续图像信息，利用卷积神经网络，通过图像识别的方式获得每一帧图像上目标无人机的特征点位置，再根据特征点位置实时解算出无人机相对于摄像机的状态估计，在此基础上解算追踪无人机的控制指令，进而控制所述追踪无人机捕获目标。
-
公开(公告)号：CN117115684A
公开(公告)日：2023-11-24
申请号：CN202310910333.7
申请日：2023-07-24
Applicant: 中国人民解放军总医院第八医学中心 , 北京理工大学
IPC: G06V20/17 , G06V10/25 , G06V10/28 , G06V10/46 , G06V10/766 , G06V10/82 , G06T7/73 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种救援无人机自动识别抓取AED装置的控制方法，该方法中，在无人机中灌装两个改进的YOLOv5模型，分别针对大图像和小图像进行AED装置的识别工作，以便于兼顾准确度和降低运效率，并且根据具体情况实时切换使用两种模型；为了减小无人机上的运算量，降低AED装置布置角度的判断难度，将AED装置统一设置为比较规则的长方体结构，在此基础上，对目标外接矩形区域图像进行自适应二值化，再对二值化后的图像拟合最小面积外接矩形，读取该矩形边框的倾斜角度即可作为该外接矩形及AED装置的布置角度，从而完成对无人机的控制，实现无人机自动识别并抓取AED装置。
-
公开(公告)号：CN116501084A
公开(公告)日：2023-07-28
申请号：CN202310388297.2
申请日：2023-04-12
Applicant: 北京理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种无人机集群多视场条件下对多目标无人机跟踪方法，包括以下步骤：对无人机群中的无人机进行编号，其中一个无人机为主机，其余无人机设置为从机；每个无人机对目标群进行视频拍摄，并对拍摄的视频片段进行目标检测；主机和从机分别对目标进行跟踪。本发明公开的无人机集群多视场条件下对多目标无人机跟踪方法，充分利用多架无人机获取的视觉信息，用其他无人机的视觉信息给当前跟踪无人机的跟踪性能进行补充，从而提高多目标跟踪的精准度以及跟踪速率性能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
