-
公开(公告)号：CN116106840A
公开(公告)日：2023-05-12
申请号：CN202310363126.4
申请日：2023-04-07
Applicant: 南京信息工程大学
Inventor： 葛泉波
IPC: G01S7/40
Abstract: 本发明公开了一种无人舰载机雷达测量误差确定方法、装置、设备及介质，其方法包括获取海洋环境中无人舰载机着舰过程中的飞行数据、环境数据和雷达测量数据；根据飞行数据和环境数据计算舰尾流在各分量上的风速和风速变化量；根据风速和风速变化量耦合舰尾流在各分量上的风速数据；根据风速数据计算舰尾流对无人舰载机位姿的影响数据；根据影响数据和雷达测量数据计算无人舰载机的雷达测量误差；本发明能够复杂海洋环境中无人舰载机自动着舰时导航定位准确性不高的技术问题。
-
公开(公告)号：CN118936477B
公开(公告)日：2025-03-21
申请号：CN202411240970.9
申请日：2024-09-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于无人机位姿估计的多传感器动态自适应融合方法和系统。本发明结合自支持因子构建支持度函数，降低了无人机传感器因无人机运动所受到的精误差对融合结果的影响；本发明基于灰色理论进行自支持因子的构建，再结合自支持因子进行支持度函数的构建，使得权重设计更加合理，从而提高无人机运动时多传感器对位姿测量精度；本发明充分考虑到传感器异常数据检测标准不足的问题，利用传感器本身数据进行检测，有着足够的客观性，针对不同类型的异常数据使用不同的处理方法，充分的提高了数据的利用率，并提高了无人机运动时位姿数据的质量，从而得到了精度较高的无人机位姿估计结果。
-
公开(公告)号：CN119179339B
公开(公告)日：2025-03-11
申请号：CN202411670337.3
申请日：2024-11-21
Applicant: 南京信息工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种抗复合风场干扰分布式无人机编队方法及系统，涉及无人机编队控制技术领域，包括以下步骤：获取复合风速，将复合风速输入至预先建立的单架四旋翼无人机动态模型内，基于增强型自适应控制方法，输出得到带风干扰的无人机模型，其中，所述复合风速包括恒定风风速和风切变风速；基于Lur'e非线性估计方法对带风干扰的无人机模型进行求解，输出得到无人机编队估计干扰结果，基于无人机编队估计干扰结果实现时变编队控制，其中，所述求解过程中引入非光滑函数和环境干扰数据进行辅助求解。
-
公开(公告)号：CN119197527A
公开(公告)日：2024-12-27
申请号：CN202411317730.4
申请日：2024-09-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于可信度和改进高斯和技术无人机位姿估计方法及系统，涉及无人机位姿计算方法设计领域，包括：拟合更新生成混合高斯模型中的多个非线性高斯子项；基于非线性高斯子项，引入平方根容积Klaman滤波作为高斯和的子滤波器，构造平方根容积Kalman子滤波器的伪矩阵；定义非线性非高斯系统的信任因子，利用Sage‑Husa自适应滤波算法估计非线性非高斯系统的信任因子，并结合可信度理论设计基于可信度和改进高斯和平方根容积Kalman滤波框架；将猎人猎物寻优算法和野狗寻优算法结合得到HPO‑DOA，利用基于可信度和改进高斯和平方根容积Kalman滤波框架获得实时位姿结果。
-
公开(公告)号：CN118936477A
公开(公告)日：2024-11-12
申请号：CN202411240970.9
申请日：2024-09-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于无人机位姿估计的多传感器动态自适应融合方法和系统。本发明结合自支持因子构建支持度函数，降低了无人机传感器因无人机运动所受到的精误差对融合结果的影响；本发明基于灰色理论进行自支持因子的构建，再结合自支持因子进行支持度函数的构建，使得权重设计更加合理，从而提高无人机运动时多传感器对位姿测量精度；本发明充分考虑到传感器异常数据检测标准不足的问题，利用传感器本身数据进行检测，有着足够的客观性，针对不同类型的异常数据使用不同的处理方法，充分的提高了数据的利用率，并提高了无人机运动时位姿数据的质量，从而得到了精度较高的无人机位姿估计结果。
-
Patent Agency Ranking
公开(公告)号：CN118262254B
公开(公告)日：2024-10-18
申请号：CN202410211921.6
申请日：2024-02-27
Applicant: 南京信息工程大学
IPC: G06V20/17 , G06V10/26 , G06V10/762 , G06V10/82 , G06N3/09
Abstract: 本发明公开了一种无人机视觉强跟踪方法、系统及设备，属于无人机目标检测与跟踪领域，基于判别尺度空间跟踪器引入一种新的滤波状态监督器宽度学习系统，用于解决判别尺度空间跟踪器中滤波器退化，即不能及时发现目标由旋转引起的异常状态并校正的问题。将滚动标准值作为宽度学习系统的监督对象以此来及时发现目标的异常。最后，通过建立旋转角度记忆库来进行异常校正。旋转角度记忆库是通过在第一帧中以一定角度旋转目标并获取旋转目标包围框的大小而制备的。在宽度学习系统发现滚动标准值出现异常状态时，就通过搜索旋转角度记忆库，对异常滤波状态进行适当的调整，从而实现判别尺度空间跟踪器优化的自调整，使其达到较好的跟踪效果。
-
公开(公告)号：CN118262254A
公开(公告)日：2024-06-28
申请号：CN202410211921.6
申请日：2024-02-27
Applicant: 南京信息工程大学
IPC: G06V20/17 , G06V10/26 , G06V10/762 , G06V10/82 , G06N3/09
Abstract: 本发明公开了一种无人机视觉强跟踪方法、系统及设备，属于无人机目标检测与跟踪领域，基于判别尺度空间跟踪器引入一种新的滤波状态监督器宽度学习系统，用于解决判别尺度空间跟踪器中滤波器退化，即不能及时发现目标由旋转引起的异常状态并校正的问题。将滚动标准值作为宽度学习系统的监督对象以此来及时发现目标的异常。最后，通过建立旋转角度记忆库来进行异常校正。旋转角度记忆库是通过在第一帧中以一定角度旋转目标并获取旋转目标包围框的大小而制备的。在宽度学习系统发现滚动标准值出现异常状态时，就通过搜索旋转角度记忆库，对异常滤波状态进行适当的调整，从而实现判别尺度空间跟踪器优化的自调整，使其达到较好的跟踪效果。
-
公开(公告)号：CN116644594A
公开(公告)日：2023-08-25
申请号：CN202310635042.1
申请日：2023-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种新的用于在非线性非高斯环境下多传感器融合的方法，首先研究了高斯近似非高斯噪声，在已知非高斯噪声分布的情况下能够最大程度地使用高斯分布拟合非高斯分布，然后将近似的高斯分布用到容积粒子滤波中，再加入最大熵准则来抑制噪声，得到一种有效的滤波方法，最后再引入序贯式融合算法得到一种针对非高斯噪声的多传感器融合方法。本发明提出的在复杂环境下多传感器融合方法，不仅提高了系统的实时性，同时也对非高斯噪声有很好的抑制效果，为准确定位提供了有效的保障。
-
公开(公告)号：CN116580043A
公开(公告)日：2023-08-11
申请号：CN202310292076.5
申请日：2023-03-23
Applicant: 南京信息工程大学
Inventor： 葛泉波
IPC: G06T7/13 , G06T5/00 , G06T5/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了UAV自主着舰复杂环境下自适应图像边缘检测方法及系统，涉及图像预处理计算领域，包括以下步骤：首先对图像中的无人机进行目标检测以选定ROI区域；然后对选定的ROI区域进行雾检测分析；最后若选定ROI区域为有雾图像，则进行海雾去除，然后通过改进canny算子对ROI区域进行边缘检测，若选定ROI区域为无雾图像，则直接利用改进canny算子对ROI区域进行边缘检测，获得无人机的边缘检测图像；将深度学习滤波器与引导滤波相结合，并通过训练最佳阈值两方面改进了Canny算子，克服深度学习花费时间长的缺点，较大的提高边缘检测的准确度。
-
公开(公告)号：CN115294674B
公开(公告)日：2022-12-20
申请号：CN202211225940.1
申请日：2022-10-09
Applicant: 南京信息工程大学
Inventor： 葛泉波
Abstract: 本发明公开了异常状态监测领域的一种无人艇航行状态的监测评估方法，包括：步骤1：收集无人艇的数据，分析得到无人艇状态数据集，并对状态等级进行划分；步骤2：搭建孤立森林异常状态监测模型，对状态数据是否异常做出初步甄别；步骤3：搭建径向基网络分类模型，将状态数据输入到径向基函数神经网络中进行分类，输出为具体的故障类型，并根据其程度划分等级；步骤4：通过四种优化方法改进的PSO算法对网络参数进行寻优。本发明监测评估方法对测得的无人艇航行数据进行检测，判断数据是否含有不合理的异常值，并对异常值进行剔除、填补等操作，保证状态数据的准确性和合理性；对无人艇航行的状态进行检测诊断，及时对无人艇的姿态进行调整。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.025 seconds)
