-
公开(公告)号：CN119830692A
公开(公告)日：2025-04-15
申请号：CN202510020104.7
申请日：2025-01-07
Applicant: 南京信息工程大学
Inventor： 葛泉波
IPC: G06F30/25 , G06F17/10 , G06F17/18 , G06N3/006 , G06F111/10
Abstract: 本发明公开了基于模型参数比的IGS‑SRCPF电驱无人机位姿估计方法及系统，涉及无人机位姿估计技术领域，包括以下步骤：获取粒子，基于高斯和粒子滤波算法对粒子的初始状态执行非高斯分解，拟合生成非线性粒子高斯子项；基于预先构造的SRCKF子滤波器的伪矩阵对非线性粒子高斯子项进行线性化，得到线性粒子高斯子项，基于线性粒子高斯子项生成非线性非高斯系统模型MPR；基于MPR存在性定理对非线性非高斯系统模型MPR进行求解，得到模型调节系数，通过预设的多目标HPO‑DOA算法并结合模型调节系数对IGS‑SRCPF电驱无人机位姿进行估计，得到估计结果。
-
公开(公告)号：CN119474709A
公开(公告)日：2025-02-18
申请号：CN202411361188.2
申请日：2024-09-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于可信UKF‑BiLSTM的无人机位置预测方法及系统，涉及无人机位置预测技术领域，本发明提出的无人机位置预测方法在进行预测时利用BiLSTM获取非线性传递函数，可以更好地对无人机位置变化的非线性传递过程进行描述，结合UKF对无人机位置进行跟踪和预测，并根据可信度设置相关的损失函数，使BiLSTM的优化方向始终保持与可信度增加方向一致，同时可以较为实时可观地反映模型的匹配性。与传统的无人机预测算法相比，具有更好的精度和可解释性。
-
公开(公告)号：CN118611624A
公开(公告)日：2024-09-06
申请号：CN202410655385.9
申请日：2024-05-24
Applicant: 南京信息工程大学
Inventor： 葛泉波
IPC: H03H17/02
Abstract: 本发明公开了基于模型特征约束的自适应非线性Kalman滤波方法及系统，涉及噪声估计技术领域，包括以下步骤：接收模型参数比与协方差，其中，所述模型参数比为高斯噪声统计特征约束；将模型参数比与协方差输入至预先建立的非线性系统模型内，根据参数估计准则，运用蜉蝣算法求解输出得到非线性系统模型最优解，其中，所述预先建立的非线性系统模型以UKF滤波为基础。
-
公开(公告)号：CN116661316A
公开(公告)日：2023-08-29
申请号：CN202310635039.X
申请日：2023-05-31
Applicant: 南京信息工程大学
Inventor： 葛泉波
IPC: G05B13/04
Abstract: 本发明提出一种基于NMPC的多传感器融合的无人机动平台自主降落方法。通过无人机结合搭载的RTK‑GPS获取的位置信息和摄像头获取的图像信息，利用无人艇降落区域布放的特殊标识码，进行协同规划导航，同时采用UKF预估动平台位置，并在双平台协同精确定位的基础上使用抗干扰的NMPC算法优化无人机跟踪轨迹以实现无人艇载无人机的自主降落控制。仿真实验和实际实验结果表明了本文提出的算法和自主降落控制方法的可行性和有效性，为四旋翼飞行器在任意动平台上的自主降落提供了一种有效的解决方案。
-
公开(公告)号：CN119131140B
公开(公告)日：2025-03-21
申请号：CN202411234912.5
申请日：2024-09-04
Applicant: 南京信息工程大学
IPC: G06T7/73 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种鲁棒的无人机‑无人船协同相对视觉定位方法和系统。本发明通过使用基于图像熵的角点检测算法，将图像熵的非线性映射结果作为Shi‑Tomasi算法角点检测的阈值，达到自适应调节角点检测阈值的效果。同时，本发明使用基于几何特征学习的角点匹配方法，支持非对称容忍的角点匹配过程。最后，本发明提出了KF‑GRU模型，用于在没有卡尔曼滤波器模型的情况下更新状态和协方差。总体而言，本发明为无人机‑无人船协同系统提供了准确的位姿估计结果，提高了无人系统协作的安全性。
-
Patent Agency Ranking
公开(公告)号：CN119131140A
公开(公告)日：2024-12-13
申请号：CN202411234912.5
申请日：2024-09-04
Applicant: 南京信息工程大学
IPC: G06T7/73 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种鲁棒的无人机‑无人船协同相对视觉定位方法和系统。本发明通过使用基于图像熵的角点检测算法，将图像熵的非线性映射结果作为Shi‑Tomasi算法角点检测的阈值，达到自适应调节角点检测阈值的效果。同时，本发明使用基于几何特征学习的角点匹配方法，支持非对称容忍的角点匹配过程。最后，本发明提出了KF‑GRU模型，用于在没有卡尔曼滤波器模型的情况下更新状态和协方差。总体而言，本发明为无人机‑无人船协同系统提供了准确的位姿估计结果，提高了无人系统协作的安全性。
-
公开(公告)号：CN118365043A
公开(公告)日：2024-07-19
申请号：CN202410462811.7
申请日：2024-04-17
Applicant: 南京信息工程大学
Inventor： 葛泉波
IPC: G06Q10/0631 , G06Q10/0639 , G06Q30/0601 , G06Q50/06 , G06N3/126 , G06N5/01 , B60L53/64 , B60L53/00
Abstract: 本发明公开了一种基于信用评估的电动汽车有序充电方法及系统，涉及电动汽车充电技术领域，包括以下步骤：接收车辆充电相关数据，其中，所述车辆充电相关数据包括车辆的身份信息、充电所需相关参数以及车辆的历史充电信息；根据车辆的历史充电信息对车辆的信用度进行评估，并进行信用分级，根据信用分级结果对电动汽车充电优先度进行修改；根据电动汽车充电优先度，将充电站容量相关数据和电动汽车的充电任务相关数据输入至预先建立的遗传算法模型内，以分时电价作为约束条件，得到有序充电最优结果。
-
公开(公告)号：CN118094099A
公开(公告)日：2024-05-28
申请号：CN202410193062.2
申请日：2024-02-21
Applicant: 南京信息工程大学
Inventor： 葛泉波
Abstract: 本发明公开了一种基于混合核函数的车辆状态估计方法、系统及设备，属于数据处理领域，包括：用状态方程和观测方程来描述构建车辆状态的线性系统模型，系统中的过程噪声和测量噪声用高斯混合的非高斯噪声统计模型来刻画。基于车辆状态的线性系统模型，采用最大相关熵准则代替传统的MSE准则进行KF滤波。最大相关熵准则中的核函数不是传统的高斯核函数，而是两个Cauchy核函数按一定的系数凸组合。Cauchy核函数中的核宽不是传统的固定大小不适应噪声不稳定或噪声未知、噪声时变的特点的核宽，而是基于系统模型、噪声分布的Cauchy‑Schwarz散度获得的自适应核宽准则。基于上述核函数和核宽自适应准则提出的双Cauchy混合核函数的核自适应最大相关熵KF滤波算法。
-
公开(公告)号：CN117973091A
公开(公告)日：2024-05-03
申请号：CN202410370698.X
申请日：2024-03-29
Applicant: 南京信息工程大学
IPC: G06F30/20 , G06F30/10 , G06F119/14
Abstract: 本发明公开基于风浪流‑舰船耦合的舰船位姿建模方法，属于舰船位姿估计领域；基于风浪流‑舰船耦合的舰船位姿建模方法包括以下步骤：构建风浪流耦合合力模型；基于所述风浪流耦合合力模型，得到舰船在风浪流作用下的时域运动方程，并利用四阶龙格库塔法对时域运动方程进行处理，建立离散化的舰船六自由度运动模型；结合所述风浪流耦合合力模型，根据舰船的姿态角计算风浪流力在各个方向上的分力，得到舰船位姿改变影响下的风浪流力更新公式；将所述舰船位姿改变影响下的风浪流力更新公式与所述离散化的舰船六自由度运动模型结合，通过不断迭代就可以得到任意时刻舰船的位姿信息。
-
公开(公告)号：CN117078763A
公开(公告)日：2023-11-17
申请号：CN202310635041.7
申请日：2023-05-31
Applicant: 南京信息工程大学
IPC: G06T7/80 , G06T7/73 , G06T7/246 , G06V10/764 , G06V10/80
Abstract: 本发明涉及UAV相对位姿估计领域，公开了一种用于对抗海面复杂气象的UAV相对位姿估计方法，包括以下步骤：基于不同的气象条件训练不同的关键点提取模型；对图像进行识别匹配，判断图像中各气象种类的概率及程度；基于气象种类及程度选择合适的关键点提取模型；对关键点进行二次重定位增加精度；基于气象种类及程度对二次重定位的关键点加权融合；对融合后的关键点基于融合情况进行质量加权；对位姿进行加权的迭代最近点(ICP)优化。本发明对复杂环境下的无人机相对位姿估计方法进行改进，不仅提高了关键点定位的鲁棒性，还增加了关键点权值，使得高质量关键点能够提供更大的影响，为UAV着舰时的准确定位提供了有效保障。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.026 seconds)
