-
公开(公告)号：CN115797749A
公开(公告)日：2023-03-14
申请号：CN202310050830.4
申请日：2023-02-02
Applicant: 吉林大学
IPC: G06V10/82 , G06V10/764 , G06V10/80 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G07C5/08
Abstract: 一种水下自主航行器状态检测方法与系统，属于自主水下航行器状态检测技术领域，解决了现有的SVDD只能对目标数据集给出一个描述，而忽略了目标数据集中不同样本类之间的描述或差异的问题。包括以下步骤：步骤S1，分别获取水下自主航行器各系统分别对应的多个传感器数据，将多个传感器编号分别与其数据进行拼接作为时间步；步骤S2，根据时间步获取文本数据，并基于一个批量的多个传感器数据，组成序列数据；步骤S3，将序列数据输入到构建的网络模型中进行异常检测。
-
公开(公告)号：CN115757386A
公开(公告)日：2023-03-07
申请号：CN202310023123.6
申请日：2023-01-09
Applicant: 吉林大学
IPC: G06F16/215 , G06F18/2433 , G06F18/15 , G06F18/2135 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 海洋空间观测数据的异常检测方法、系统、设备与介质，属于海洋空间数据、数据异常检测技术领域。获取海洋空间的每个观测点分别观测的不同深度数据，将其组成数据集；将数据集中的低质量的深度数据进行排除后，对数据集进行归一化，判断某一观测点观测的不同深度数据是否出现异常，若出现异常，对该观测点观测的不同深度数据进行缩放，再对数据集进行缩放后，对数据集进行降维，将数据集组成图像形式；对图像进行zero‑padding，构建CoordConv层；将图像输入到卷积神经网络模型中，并基于构建的CoordConv层，构建Bicubic+CoordConv+Pool卷积神经网络模型；对构建的卷积神经网络模型进行训练；将待检测数据输入训练好的卷积神经网络模型，进行异常值检测。
-
公开(公告)号：CN117647998B
公开(公告)日：2024-06-11
申请号：CN202410123538.5
申请日：2024-01-30
Applicant: 吉林大学
IPC: G05D1/485 , G05D101/10
Abstract: 一种基于动态视觉传感器的水下航行器接驳方法和系统，涉及水下导航的领域。解决传统光学相机驶向对接任务中的存在动作模糊问题。所述方法包括：S1：采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标；S2：根据时空滤波器和SNN构建SNN模型；S3：根据异步霍夫圆变换和SNN模型，获取接驳地标的光源坐标；S4：根据透视4点算法计算水下航行器与接驳地标之间的相对姿态，根据相对姿态调整水下航行器的航向，完成接驳任务。本发明应用于水下自主接驳领域。
-
公开(公告)号：CN117606490B
公开(公告)日：2024-05-14
申请号：CN202410089404.6
申请日：2024-01-23
Applicant: 吉林大学
IPC: G01C21/20 , G06N3/092 , G06N3/0442
Abstract: 本发明是一种水下自主航行器协同搜索路径规划方法。本发明涉及水下机器人的路径规划技术领域，本发明根据任务需求对水下自主航行器与其环境进行建模仿真，使其能够输出航行器的观测值、执行该动作的奖励以及下一时刻的环境状态。本发明通过运用多智能体强化学习的知识，获取一种水下自主航行器协同搜索路径规划方法。通过本申请提出的策略网络与价值网络，实时规划水下航行器的运动路径，提高航行器协同海洋目标搜索的平均搜索成功率，降低海洋目标搜索的平均搜索时间。
-
公开(公告)号：CN117911303A
公开(公告)日：2024-04-19
申请号：CN202410295730.2
申请日：2024-03-15
Applicant: 吉林大学
Abstract: 一种面向水下弱光场景的图像质量增强方法及装置，涉及水下机器视觉技术领域，该方法包括：采集水下弱光场景数据；基于Restormer模型对所述弱光场景数据集进行特征提取，得到外观特征信息；基于带有条件信息的扩散模型对所述弱光场景数据进行特征提取，得到细节特征信息；基于ResNet模型将所述外观特征信息和所述细节特征信息在语义空间中合并，并将融合特征在通道维度结合，通过所述ResNet模型的解码器在像素空间中重建并输出增强图像；该方法利用RGB数据，实现一种面向水下弱光场景的图像质量增强方法，重建清晰的水下弱光增强图片，为水下的目标检测、追踪、深度估计等任务提供高质量鲁棒的视觉表达。
-
Patent Agency Ranking
公开(公告)号：CN117690190A
公开(公告)日：2024-03-12
申请号：CN202410130129.8
申请日：2024-01-31
Applicant: 吉林大学
IPC: G06V40/20 , G06V20/05 , G06V10/34 , G06V10/426 , G06V10/44 , G06V10/52 , G06V10/62 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明属于水下动作识别技术领域，本发明公开了基于超图文本对比的水下动作识别方法、系统及存储介质，包括以下步骤：获取水下动作基准数据集；基于姿态估计法提取水下各种动作指令下的水下人体骨骼数据；对基本人体骨骼进行分区设计，建立关于骨骼关节点的超边，进而获得超图；将所述超图和所述水下人体骨骼数据进行结合，输出水下骨骼的超边特征；基于Transformer模型，输出骨骼特征，将所述骨骼特征和所述文本模型中的文本特征进行对比学习，最终输出精确的潜水员动作指令识别结果。本发明，将超图与输入特征结合推到超边特征，采用文本编码器生成文本特征，实现骨骼‑文本的对比学习，有效地利用多模态信息进一步提升潜水员动作识别的效能。
-
公开(公告)号：CN117606490A
公开(公告)日：2024-02-27
申请号：CN202410089404.6
申请日：2024-01-23
Applicant: 吉林大学
IPC: G01C21/20 , G06N3/092 , G06N3/0442
Abstract: 本发明是一种水下自主航行器协同搜索路径规划方法。本发明涉及水下机器人的路径规划技术领域，本发明根据任务需求对水下自主航行器与其环境进行建模仿真，使其能够输出航行器的观测值、执行该动作的奖励以及下一时刻的环境状态。本发明通过运用多智能体强化学习的知识，获取一种水下自主航行器协同搜索路径规划方法。通过本申请提出的策略网络与价值网络，实时规划水下航行器的运动路径，提高航行器协同海洋目标搜索的平均搜索成功率，降低海洋目标搜索的平均搜索时间。
-
公开(公告)号：CN117590867A
公开(公告)日：2024-02-23
申请号：CN202410070527.5
申请日：2024-01-18
Applicant: 吉林大学
IPC: G05D1/485 , G05D101/10
Abstract: 基于深度强化学习的水下自主航行器接驳控制方法和系统，涉及水下航行器的接驳控制领域。解决现有水下自主航行器的接驳基于导航信息的Pid控制，控制稳定性受洋流影响大，面对未知障碍物时决策能力不足的问题。方法包括：根据海洋环境数据和接驳控制任务场景构建状态空间和动作空间以及仿真环境模型；设计奖励函数；构建基于SAC改进的深度神经网络模型；初始化深度神经网络模型参数和经验重放缓冲区；深度神经网络模型根据当前环境状态信息输入，输出当前时间步下的最优决策，并与模拟环境模型交互，产生新状态并存储；训练深度神经网络模型，利用模型为水下自主航行器提供接驳控制支持。应用于水下探测领域。
-
公开(公告)号：CN117557795A
公开(公告)日：2024-02-13
申请号：CN202410035082.7
申请日：2024-01-10
Applicant: 吉林大学
IPC: G06V10/26 , G06N3/045 , G06N3/0464 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/05
Abstract: 本申请提供了一种基于多源数据融合的水下目标语义分割方法,属于水下机器视觉语义分割技术领域。步骤1、获取水下目标事件图像与RGB图像所构建的数据集，划分训练集与验证集；步骤2、设计跨模态注意力模块及跨通道注意力模块；步骤3、将跨模态注意力模块与跨通道注意力模块嵌入到所设计的多源数据融合模块中；步骤4、将多源数据融合模块嵌入到构建的语义分割模型中，并训练及验证语义分割模型；步骤5、使用步骤4的语义分割模型对水下目标进行语义分割。利用事件相机获取水下目标事件序列和RGB图像，将水下目标事件序列和RGB图像信息进行高效充分的数据特征信息融合，为水下目标语义分割提供丰富的特征信息。
-
公开(公告)号：CN116502075B
公开(公告)日：2023-09-12
申请号：CN202310771145.0
申请日：2023-06-28
Applicant: 吉林大学
IPC: G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F18/2433 , G06F18/25 , G01D21/02
Abstract: 多模态水下自主航行器状态检测方法及系统。属于状态检测技术领域，具体涉及自主水下航行器状态检测技术领域。其解决了现有的异常状态检测无法有效地应对多模态的传感器数据，忽略了不同模态数据之间的差异的问题。所述方法包括如下步骤：S1、输入水下自主航行器各系统传感器数据；S2、通过挤压与激励操作对每个模态的信号进行加权，然后进行缩放；S3、通过带残差连自注意力机制提取模态特征；S4、通过挤压与激励操作对不同模态进行特征融合；S5、对融合后的特征进行决策分类，输出各个类别的预测概率。本发明所述方法及系统可以应用在自主水下航行器状态检测技术领域、自主水下航行器故障检测技术领域以及自主水下航行器设计制造技术领域。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.024 seconds)
