-
公开(公告)号：CN111880413A
公开(公告)日：2020-11-03
申请号：CN202010805693.7
申请日：2020-08-12
Applicant: 东南大学
Abstract: 本发明公开了一种针对船舶航向保持的自适应动态面算法，包括如下步骤：步骤S1：建立受控船舶的数学模型；步骤S2：针对船舶系统的非线性项、未知控制方向和未建模动态设计自适应控制器；步骤S3：自适应控制器有效性的证明；步骤S4：将所设计的控制输入到船舶系统中，验证结果。本发明解决了带有未建模状态的船舶系统在控制方向未知的情况下的稳定性控制问题，利用径向基神经网络近似了包含有未建模状态的非线性项，设计的针对控制方向未知的船舶系统的自适应动态面算法，有良好的经济效益和社会效益，适合推广使用。
-
公开(公告)号：CN111707270A
公开(公告)日：2020-09-25
申请号：CN202010581591.1
申请日：2020-06-23
Applicant: 东南大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于分布估计和强化学习的无地图避障导航方法。首先，初始化分布估计强化学习算法参数。然后，采集得到当前环境下智能体与目标位置距离的位置信息，与障碍物之间的距离信息和速度信息，并对数据进行相应的预处理。其次，将处理好后的智能体的状态信息数据送入到学习网络中，利用强化学习和分布估计算法对学习网络进行更新。最后，判断是否到达最大训练次数，通过不断地试错学习得到良好的导航表现。本发明提出一种端到端的避障导航框架，提高了无地图环境中导航表现。
-
公开(公告)号：CN111680542A
公开(公告)日：2020-09-18
申请号：CN202010304879.4
申请日：2020-04-17
Applicant: 东南大学 , 南京科远智慧科技集团股份有限公司 , 南京闻望自动化有限公司
Abstract: 本发明公开了一种基于多尺度特征提取和Pointnet神经网络的钢卷点云识别与分类方法，用于钢铁库区内自动化装卸钢卷作业。通过对扫描获得的原始三维点云数据进行坐标转换与直通滤波，分离出包含车厢平面、钢卷、鞍座的点云团；通过随机采样一致性算法分离出车厢平面与钢卷，通过边缘检测与Meanshift聚类分割算法将黏连的多个钢卷点云团分割为单个独立的钢卷点云数据；通过结合多尺度特征提取方法的Pointnet神经网络对钢卷点云进行分类，本方法通过数据预处理避免了含有杂物的原始三维点云数据对于钢卷识别的影响，提高了识别的效率，通过利用多尺度网络特征提取，增强了Pointnet网络对于点云局部特征信息的提取能力，提高了分类的精度。
-
公开(公告)号：CN109996294A
公开(公告)日：2019-07-09
申请号：CN201910222530.3
申请日：2019-03-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于多智能体网络状态值差异的分布式自适应调节算法，该方法包括以下步骤：网络中每个节点按照IEEE802.15.4协议CSMA/CA机制竞争访问信道并发送数据；利用接收到数据按照一致性数学模型更新当前状态值；分析状态值之间的差异调节MAC层参数并自主决定调节的幅度来改变发送数据的概率；分析状态值是否达到一致，若未达到一致则继续调节BEmin和NBmax，否则令多智能体进入仅维持很少的数据发送率的低速发送状态；当有新的输入时网络再次进行参数调节直至再次达到一致。根据本发明的算法，不需要对原有协议进行修改，分布式的多智能体节点能够自适应地进行参数调节使各节点状态值以较低的能耗和较快的速度达到一致。
-
公开(公告)号：CN108762091A
公开(公告)日：2018-11-06
申请号：CN201810660472.8
申请日：2018-06-25
Applicant: 东南大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明公开了一种基于未知控制方向的自适应编队控制算法。本发明包括如下步骤：步骤S1：一个多智能体系统包含N个智能体，对每个智能体进行参数设定及校验；步骤S2：对多智能体系统进行编队参数设定及校验；步骤S3：控制参数设定，并设定算法终止时间为t0，再进行控制算法可行性判断；步骤S4：按顺序求解控制参数；步骤S5：判断是否到达终止时间；步骤S6：多智能体系统的一致性判断。本发明解决了多智能体系统编队时在未知控制方向的情况下的控制问题，提高了多智能体系统的编队性能。
-
Patent Agency Ranking
公开(公告)号：CN108414734A
公开(公告)日：2018-08-17
申请号：CN201810018283.0
申请日：2018-01-09
Applicant: 东南大学
IPC: G01N33/493 , G06T7/90
CPC classification number: G01N33/493 , G06T7/90 , G06T2207/10024 , G06T2207/20081 , G06T2207/30024
Abstract: 本发明公开了一种基于ACF的尿沉渣检测方法，针对不同的尿沉渣有形成分训练不同的检测器，包括如下步骤：(1)训练阶段：首先对训练样本进行通道计算，包括LUV、梯度幅值以及六个方向的梯度方向直方图，然后对十个通道进行池化操作，再进行向量化得到特征向量，采用软级联的adaboost算法训练分类器，每个弱分类器是深度为2的决策树；(2)测试阶段：采用滑动窗口检测法，对采样窗口提取十个通道特征，向量化为特征向量，同时利用快速特征金字塔提高检测速度，利用训练好的模型进行测试，判断是否属于尿沉渣有形成分；本发明更好的利用的尿沉渣有形成分的特征信息，有效地降低了噪声的影响，准确率高、计算速度快，具有十分重要的实用价值。
-
公开(公告)号：CN106934350A
公开(公告)日：2017-07-07
申请号：CN201710092813.1
申请日：2017-02-21
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Gabor张量的MLFDA人脸识别方法，包括训练阶段和识别阶段；训练阶段的方法为：首先，将所有的训练样本的每张人脸图像进行二维Gabor滤波，一幅人脸图像得到40个Gabor特征，然后，将每个训练样本求得的Gabor特征合成一个三阶张量，利用MLFDA算法计算得到张量样本的最佳投影矩阵，利用最佳投影矩阵将张量样本投影至低维的子空间；识别阶段的方法为：进行二维Gabor滤波，将求得的Gabor特征合成一个三阶张量，利用最佳投影矩阵将待测样本投影至低维的子空间，然后预测待测样本所属的对象。本发明对光照和姿态变化具有较强的鲁棒性，并且这是一种有监督的学习算法，利用了数据的类别信息，提高了人脸的识别率。
-
公开(公告)号：CN103761507B
公开(公告)日：2017-02-08
申请号：CN201410001390.4
申请日：2014-01-03
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于韦伯法则的局部多值模式的人脸识别方法，分为训练阶段和识别阶段；训练阶段，首先要提取训练样本的特征，对样本进行三级编码；然后将三级编码都转换为Uniform模式，然后对经过三级编码后的图像分别进行均匀的、无交叠的分块处理，再对每个分块提取特征直方图，将每个块每级的特征直方图连接得到一幅人脸图像的整体特征直方图；识别阶段，按照上述特征提取的方法提取待测样本的特征直方图作为待测特征，然后运用χ2概率统计和最近邻分类方法，对待测样本进行识别。本发明在人脸识别中对人脸的光照和姿态具有更佳的鲁棒性，并提高了人脸的识别率。
-
公开(公告)号：CN103869817A
公开(公告)日：2014-06-18
申请号：CN201410074519.4
申请日：2014-03-03
Applicant: 东南大学
IPC: G05D1/08
Abstract: 本发明公开了一种倾转四旋翼无人机垂直起降控制方法。首先搭建了倾转四旋翼无人机的控制平台，综合利用各种传感器收集姿态数据。针对偏航角与滚转角的不同模型，本方法分别提供了基于线性二次最优的控制方法和基于模型参考滑模的控制方法，包括如下步骤：（1）对飞行器做动力学分析，得到偏航角与滚转角模型，再对系统进行辨识得到模型参数；（2）在模型的基础上，分别设计偏航角与滚转角控制器；（3）利用各种传感器得到姿态测量系统；（4）利用步骤（2）的控制方法与步骤（3）的姿态测量系统的测量数据对倾转四旋翼无人机进行垂直起降时的实时姿态控制。
-
公开(公告)号：CN115082896B
公开(公告)日：2024-08-20
申请号：CN202210741506.2
申请日：2022-06-28
Applicant: 东南大学
IPC: G06V20/58 , G06T7/246 , G06V10/42 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/049 , G06N3/0455 , G06N3/08
Abstract: 基于拓扑图结构和深度自注意力网络的行人轨迹预测方法，利用图注意力网络和基于拓扑图的深度自注意力网络提取分别行人运动轨迹中的局部和全局空间交互特征，随后利用原始深度自注意力网络提取时间序列特征。为了模拟行人运动轨迹的固有不确定性和多模态特性，本发明通过在全连接网络解码器中引入高斯噪声的方式来拓展行人运动轨迹的探索空间。为了进一步提高轨迹探索空间及平滑性，将轨迹送入轨迹矫正模块进行矫正。其采用的图神经网络和基于图的深度自注意力网络相较于其他方法更能充分关注到行人运动轨迹中的各种空间交互模式，如并行，潜在避障等。相比于其他行人轨迹预测方法，本发明的社会性交互特征提取能力和多模态探索能力更加突出有效。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.045 seconds)
