-
公开(公告)号：CN118625670A
公开(公告)日：2024-09-10
申请号：CN202410770610.3
申请日：2024-06-14
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05B13/04
Abstract: 本发明涉及基于深度算子网络的火星大气进入动力学模型构建方法。其深度算子网络设置有分支网络、主干网络和偏置网络，其方法包括：构建探测器的动力学方程，确定动力学初始条件和时变控制量，在主干网络中引入频率编码机制，以将时间输入替换为一系列带有频率信息的新输入值，将动力学初始条件和变化的时变控制量作为初始状态，输入到分支网络中，根据动力学初始条件，通过偏置网络获得偏置项，结合分支网络和主干网络的输出，并引入偏置项，以获得最终的动力学解算结果。本发明通过改进的算子网络，能够实现快速可靠的动力学求解，在一次神经网络前向推理时间内完成动力学解算。
-
公开(公告)号：CN118192672A
公开(公告)日：2024-06-14
申请号：CN202410615353.6
申请日：2024-05-17
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及一种无人机三维空间分布式编队方法及系统，根据状态信息和队形三维球面矩阵进行一致性协商，确定无人机对队形矩阵中心点的认知速度；根据无人机的当前位置、目标位置和认知速度确定无人机进入队形的第一速度；根据无人机的当前位置、探索区域内块格的位置和调节系数确定无人机在队形内探索的第二速度；根据障碍物集合、邻居无人机集合、无人机的当前位置和当前速度确定无人机进行避障的第三速度；将第一速度、第二速度或第三速度作为编队速度，根据编队速度对无人机进行编队控制；使得无人机集群能自主聚集并互相配合形成编队，对无人机集群中因无人机故障等原因导致的队形空缺进行补齐，提升了编队效率。
-
Patent Agency Ranking
公开(公告)号：CN118192608A
公开(公告)日：2024-06-14
申请号：CN202410492778.2
申请日：2024-04-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及分布式在线多机轨迹规划方法及系统；通过构建无人机的重规划轨迹；根据预估边界和静态障碍物的坐标构建无人机的安全飞行走廊进而得到无人机避障静态障碍物的第一约束；根据先验轨迹将无人机之间的碰撞约束简化为凸约束的无人机间避障的第二约束；按需根据无人机的半径、动态障碍物的半径和动态障碍物的轨迹预测误差得到无人机避障动态障碍物的第三约束；将无人机分组，按照组间异步规划且组内同步规划的方式对各组无人机根据重规划轨迹的目标函数、所述第一约束、所述第二约束和所述第三约束进行轨迹规划，得到目标轨迹；提升了轨迹规划的求解速度，实现分时求解，均摊了负载，节省了瞬时资源。
-
公开(公告)号：CN117611809A
公开(公告)日：2024-02-27
申请号：CN202311417132.X
申请日：2023-12-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及基于相机激光雷达融合的点云动态物体滤除方法，基于数据采集平台，数据采集平台设置有相机和激光雷达，其中的方法包括：通过激光雷达获取实时的点云，以及通过相机同步获取实时的图像，其中，相机和激光雷达采用无目标外参自动标定方法进行外参的预标定，通过基于深度学习的视觉目标检测网络获得图像中动态对象检测框，根据预标定获得的外参将点云投影到图像中，结合投影到图像上的点云，筛选出动态对象检测框内的点云后，对动态对象检测框内的点云进行聚类分割后滤除。本发明结合相机和激光雷达进行点云动态物体滤除，可改善自主移动机器人在动态场景下的定位精度，并能有效缓解动态物体对于建图的影响。
-
公开(公告)号：CN117474076A
公开(公告)日：2024-01-30
申请号：CN202311172503.2
申请日：2023-09-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/092 , G06N3/0499 , G06F17/18 , G06F17/11
Abstract: 本发明涉及一种火星探测器动力下降段的对抗式逆强化学习着陆方法。其中的方法包括：获取火星探测器的当前状态，以及初始化对抗式逆强化学习网络模型的网络参数，模型设置有策略网络和判别网络，采用专家数据库进行训练，根据当前状态，通过策略网络生成一系列的状态动作对轨迹，通过判别网络计算状态动作对轨迹的奖励值，以生成新的最优动作轨迹，将最优动作轨迹作为控制命令输出，并从最优动作轨迹中采样数据以更新策略网络的网络参数。本发明通过对抗式逆强化学习算法完成火星探测器着陆时动力下降段的着陆任务，通过设计策略网络、判别网络及网络训练各项参数，使得控制器能够满足执行机构故障、引力场未知状况下的着陆要求。
-
公开(公告)号：CN118209101B
公开(公告)日：2024-08-16
申请号：CN202410631622.8
申请日：2024-05-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及一种应用于动态环境的多传感器融合SLAM方法及系统。其中的方法包括：获取惯性传感器、轮速计、视觉相机和激光雷达的传感数据，对惯性传感器和轮速计的传感数据进行预积分后，通过松耦合位姿估计，采用几何方法检测并滤除动态点，对视觉相机的传感数据进行过语义分割，对检测结果进行聚类，以及根据重投影误差估计，以在位姿估计过程中滤除动态点，获得当前的最优位姿，从激光雷达的传感数据中提取静态点云，使用静态点云关联视觉特征深度，根据惯性传感器预积分残差、轮速计预积分残差、静态点重投影残差和边缘化残差，通过滑动窗口优化、回环检测以及位姿图优化，输出位姿图。本发明可在不断变化的环境中进行定位和导航。
-
公开(公告)号：CN118209101A
公开(公告)日：2024-06-18
申请号：CN202410631622.8
申请日：2024-05-21
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及一种应用于动态环境的多传感器融合SLAM方法及系统。其中的方法包括：获取惯性传感器、轮速计、视觉相机和激光雷达的传感数据，对惯性传感器和轮速计的传感数据进行预积分后，通过松耦合位姿估计，采用几何方法检测并滤除动态点，对视觉相机的传感数据进行过语义分割，对检测结果进行聚类，以及根据重投影误差估计，以在位姿估计过程中滤除动态点，获得当前的最优位姿，从激光雷达的传感数据中提取静态点云，使用静态点云关联视觉特征深度，根据惯性传感器预积分残差、轮速计预积分残差、静态点重投影残差和边缘化残差，通过滑动窗口优化、回环检测以及位姿图优化，输出位姿图。本发明可在不断变化的环境中进行定位和导航。
-
-
-
-
-
-
Search Results
17
records
(took 0.04 seconds)
