-
公开(公告)号：CN111444777A
公开(公告)日：2020-07-24
申请号：CN202010140887.X
申请日：2020-03-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种同时标记阴影的前视声呐目标检测标记方法，属于前视声呐图像目标检测领域，该方法对目标进行标记的同时也标记出目标的阴影；现有前视声呐目标检测标记方法只将目标进行标记，而对于前视声呐图像，目标的阴影包含了目标的形状特征，标记过程同时标记出目标的阴影，能够为检测器提供更丰富的信息。针对这种新提出的标记框，需要分目标和阴影两部分进行评价，目标检测框使用已有的交并比IOU评价；对于阴影检测框，阴影和目标之间可能出现多种位置关系，本发明提出了一种改进的阴影关键点相似度OKSS来评价阴影检测框的回归精度。
-
公开(公告)号：CN111240201A
公开(公告)日：2020-06-05
申请号：CN202010050128.4
申请日：2020-01-17
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开一种扰动抑制控制方法，在经典的最优控制器损失函数中考虑扰动作用，计算包含扰动前馈控制和状态反馈控制两部分的最优控制器的解析表达式。其中前馈控制律由系统输入动力学参数和扰动作用共同决定；反馈控制律由系统输入动力学参数和损失预测值的梯度共同决定。系统输入动力学参数和扰动作用由所设计的观测器提供，算法通过优化汉密尔顿方程的神经网络估计得出。因此与基于观测器的扰动补偿控制相比具有更好的自适应能力，在扰动和系统控制输入维数不匹配的情况下最小化全局状态摄动。适用于未知系统参数并对稳定性要求较高的应用场合。
-
公开(公告)号：CN109754362A
公开(公告)日：2019-05-14
申请号：CN201811582780.X
申请日：2018-12-24
Applicant: 哈尔滨工程大学
IPC: G06T3/00 , G06T3/40 , G06T3/60 , G06T5/00 , G06T5/30 , G06T7/11 , G06T7/187 , G06T7/70 , G06N3/04 , G06N3/08
Abstract: 本发明属于水下目标检测领域，具体涉及一种用可旋转的边界框标注海参目标检测结果的方法，包括以下步骤：对利用labelme软件制作的海参训练数据集进行数据扩充；构建全卷积神经网络；利用扩充后的数据集对构建好的全卷积神经网络进行离线训练；将包含海参的图像输入到训练好的全卷积神经网络，得到分割图；在所述分割图上进行腐蚀、滤波操作，得到后处理分割图；在所述后处理分割图上寻找最大连通域，即为检测到的海参目标。本发明对得到的分割图做腐蚀操作，剔除了海参周边的“毛刺”，确保最小外接矩形更加精确，使得海参抓取位姿不会出现在海参之外，定位更准确。
-
公开(公告)号：CN109118458A
公开(公告)日：2019-01-01
申请号：CN201811310145.6
申请日：2018-11-06
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种低照度彩色图像增强方法，本发明基于Retinex理论进行低照度彩色图像增强，假设原始图像是由光照图像与反射图像乘积得到，用图像平滑获得原始图像的平滑的图；将获得的平滑图加一个常数得到需要的光照图；原始彩色图像的三个通道图像分别除以光照图得到三个通道图像的反射图像；用原始图像像素灰度的均值加上一个常数作为新的光照图；最后将三个通道反射图与新的光照图相乘然后合并三通道获得最终的增强图像。本发明解决现有基于Retinex理论进行低照度图像增强算法在增强图像的同时产生光晕与黑暗区域颜色出现马赛克现象的问题，得到一个更加自然的增强图像，算法步骤和理论简单，编程易于实现，保证算法的实时性。
-
公开(公告)号：CN114494352B
公开(公告)日：2025-05-16
申请号：CN202210135073.6
申请日：2022-02-14
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种适应前视声呐图像小目标尺寸突变的目标跟踪方法。包括：设定一个较大范围的尺度池；基于该尺度池里元素对应的搜索框提取目标特征并送入滤波器得到响应值；利用响应值的最大值与最大值附近的峰值旁瓣比设定阈值参数；利用置信度高的第二帧图像所有尺度对应的阈值参数找到阈值参数初始值；利用阈值参数初始值对尺度池里元素进行筛选；不断对阈值参数与阈值参数初始值作比较判断目标大小是否突变；基于对尺度池的元素进行筛选给出对应的跟踪尺度。本发明能够有效地解决前视声呐目标跟踪过程中常见的目标较大范围内的形变造成的目标跟踪失败问题，提高目标跟踪过程的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115071933B
公开(公告)日：2024-07-30
申请号：CN202210849107.8
申请日：2022-07-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种仿海龟机器人，所述仿海龟机器人包括躯干，以及用于仿生鳍式推进的一对前肢机构和一对后肢机构，所述躯干包括浮力调节舱和重心调节舱，所述前肢机构为变刚度仿生鳍式推进机构，所述后肢机构为柔性仿生鳍式推进机构。仿海龟机器人的浮力调节舱通过压缩或拉伸波纹管，增加或降低机器人浮力，使机器人的浮力自主调节；仿海龟机器人的重心调节舱分别位于浮力调节舱两侧，重心调节舱内的重块同时前推或后移，会使机器人的重心迁移；若重块一前一后，会使机器人产生向左前或右前倾斜，从而可以使机器人在滑翔推进时实现转弯。
-
公开(公告)号：CN115527112A
公开(公告)日：2022-12-27
申请号：CN202211124946.X
申请日：2022-09-15
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于深度神经网络的声呐图像纹理特征去除方法，属于图像处理技术领域。该方法包括构建多层特征提取卷积神经网络，利用所述多层特征提取卷积神经网络提取输入图像的深度特征；利用特征变换公式对提取的深度特征进行特征变换，获取特征变换后的深度特征；对变换后的深度特征，添加噪声污染；构建多层解码深度神经网络，将添加噪声污染后的深度特征输入所述多层解码深度神经网络进行解码，获取去除纹理特征后的图像特征。本发明通过对源领域和目标领域进行同样的纹理特征去除变换，使得变换后的源领域与目标领域更为相似，缩短了源领域和目标领域之间的领域差距。
-
公开(公告)号：CN109754362B
公开(公告)日：2022-12-13
申请号：CN201811582780.X
申请日：2018-12-24
Applicant: 哈尔滨工程大学
IPC: G06T3/00 , G06T3/40 , G06T3/60 , G06T5/00 , G06T5/30 , G06T7/11 , G06T7/187 , G06T7/70 , G06N3/04 , G06N3/08
Abstract: 本发明属于水下目标检测领域，具体涉及一种用可旋转的边界框标注海参目标检测结果的方法，包括以下步骤：对利用labelme软件制作的海参训练数据集进行数据扩充；构建全卷积神经网络；利用扩充后的数据集对构建好的全卷积神经网络进行离线训练；将包含海参的图像输入到训练好的全卷积神经网络，得到分割图；在所述分割图上进行腐蚀、滤波操作，得到后处理分割图；在所述后处理分割图上寻找最大连通域，即为检测到的海参目标。本发明对得到的分割图做腐蚀操作，剔除了海参周边的“毛刺”，确保最小外接矩形更加精确，使得海参抓取位姿不会出现在海参之外，定位更准确。
-
公开(公告)号：CN111444777B
公开(公告)日：2022-09-27
申请号：CN202010140887.X
申请日：2020-03-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种同时标记阴影的前视声呐目标检测标记方法，属于前视声呐图像目标检测领域，该方法对目标进行标记的同时也标记出目标的阴影；现有前视声呐目标检测标记方法只将目标进行标记，而对于前视声呐图像，目标的阴影包含了目标的形状特征，标记过程同时标记出目标的阴影，能够为检测器提供更丰富的信息。针对这种新提出的标记框，需要分目标和阴影两部分进行评价，目标检测框使用已有的交并比IOU评价；对于阴影检测框，阴影和目标之间可能出现多种位置关系，本发明提出了一种改进的阴影关键点相似度OKSS来评价阴影检测框的回归精度。
-
公开(公告)号：CN113148076B
公开(公告)日：2022-09-02
申请号：CN202110450058.6
申请日：2021-04-25
Applicant: 哈尔滨工程大学
IPC: B63C11/52
Abstract: 本发明提出一种水下仿生球形/半球形机器人及其运动控制方法，所述方法包括：沿机器人周向对空间进行区域划分；计算机器人与期望航迹点的距离，并与距离阈值比较；若距离大于距离阈值，启动巡航模式；否则，启动位置控制模式。在巡航模式下，驱动水平转动关节，将至少部分腿部机构的第一连杆调整至指向航迹点所在区域的对角区域。在位置控制模式下，将各个腿部机构的第一连杆调整至围绕赤道面中心轴中心对称。在不同模式下，控制推进器、第一垂直转动关节、第二垂直转动关节实现机器人的水平方向运动和/或垂直方向运动。还提出一种水下仿生球形/半球形机器人。采用本发明实施例，机器人能够根据期望航迹点的位置切换模式，实现更优的运动性能。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.076 seconds)
