-
公开(公告)号：CN117495892A
公开(公告)日：2024-02-02
申请号：CN202311460231.6
申请日：2023-11-03
Applicant: 海南大学
IPC: G06T7/136 , G06T7/194 , G06N3/0455 , G06N3/048 , G06N3/0895
Abstract: 本发明涉及一种端到端的基于transformer的弱监督语义分割方法，将图像输入预先构建并训练好的语义分割网络中，生成分割结果图；该语义分割网络包括：特征编码模块：将输入图像处理为具有空间权重参数的特征图，包括MixTransformer主干编码网络，类激活图CAM生成子模块，PAR后处理子模块，伪掩膜生成子模块，以及语义亲和信息提取子模块；注意力信息提取模块：将transformer编码器中的自注意力模块输出的注意力图经过FFN网络后生成交叉注意力图和patch注意力图。本发明能够提高分割网络全局特征的提取能力，增加语义分割精度，同时端到端的网络能够减少多阶段训练的复杂性。
-
公开(公告)号：CN119396141A
公开(公告)日：2025-02-07
申请号：CN202411452632.1
申请日：2024-10-17
Applicant: 海南大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及无人艇轨迹跟踪技术领域，尤其涉及一种基于自适应动态事件触发的无人艇轨迹跟踪控制方法，建立了无人艇的运动学模型、期望轨迹和位置误差动态方程。结合动态事件触发机制和自适应动态规划，给出了含有动态事件触发控制律的代价函数和Hamilton函数，减少了无人艇控制器的资源消耗。利用了神经网络良好的非线性逼近能力，近似获取未知的代价函数与最优控制律。将计算得到的最优控制律应用于无人艇的控制系统，驱动无人艇按照预定的轨迹进行精确跟踪。本发明提出的方法能够有效提高无人艇轨迹跟踪的精度，节省系统计算和通信资源。
-
公开(公告)号：CN117311364A
公开(公告)日：2023-12-29
申请号：CN202311456014.X
申请日：2023-11-03
Applicant: 海南大学
IPC: G05D1/02
Abstract: 本专利涉及一种基于UAE‑DDQN的无人船航向控制方法，包括：在复杂海况下实时采集无人水面艇的航行数据，使用欠完备自编码器UAE将指标集输入至隐藏层中，提取最显著特征，并将之作为深度强化学习DDQN(Dueling Deep‑Q Network)的状态空间。基于DDQN对无人艇进行智能航向控制，使用状态值函数和行动优势函数来计算值函数。将预测网络和目标网络相结合，加速模型的收敛性能。从优先重播缓冲区中进行小批次采样，采集先前时刻的状态、动作值和奖励值进行计算，防止网络发生过拟合。基于预测网络输出的值函数，不断优化智能航向控制策略。本发明具有提高了无人水面艇的航行效率和安全性等优点。
-
公开(公告)号：CN119200612A
公开(公告)日：2024-12-27
申请号：CN202411368968.X
申请日：2024-09-29
Applicant: 海南大学
Abstract: 本发明属于智能信息技术领域，具体涉及一种基于建图和导航算法的仓储智能车的路径规划方法，包括步骤一、动态雷达扫描模块实时检测获取环境信息，建图模块结合Gmapping算法和Cartographer算法，完成全局地图的预建图的构建；步骤二、导航模块借助Nav2系统进行定位和路径规划，计算仓储智能车的运动路径和速度信息，生成导航指令；步骤三、通信模块将所述导航指令传输至仓储智能车，仓储智能车执行导航指令，完成预定的运动任务，凭借高效的模块间通信与动态路径规划，本发明能够应对复杂环境下的多种障碍物，确保智能车高效、安全运行，尤其适用于要求高精度和连续性的仓储环境。
-
-
-
Search Results
4
records
(took 0.013 seconds)
