-
公开(公告)号：CN112734324A
公开(公告)日：2021-04-30
申请号：CN202011562669.1
申请日：2020-12-25
Applicant: 哈尔滨工业大学
Abstract: 基于蚁群算法和改进型遗传算法的仓储物流AGV路径规划算法，它涉及蚁群算法、遗传算法，解决了传统方法计算耗时、易早熟收敛、易陷入局部最优的缺陷。本发明的步骤为：一、对场地建立网格化划分与编码；二、用基于障碍物信息的改进蚁群算法生成用于遗传进化的初始AGV路径；三、用基于三阶段遗传算法迭代选择AGV最优路径；四、对具有重合点的不同AGV路径进行末端交叉；五、对AGV路径进行有利变异；六、重新计算AGV路径适应度，判定迭代是否终止，对终止后的AGV路径进行轨迹圆滑处理。本发明的基本思想是将改进的蚁群算法和改进的遗传算法相结合，加快迭代收敛速度，得到运行效率更高的AGV路径，工程适用性强。
-
公开(公告)号：CN111292256A
公开(公告)日：2020-06-16
申请号：CN202010035447.8
申请日：2020-01-14
Applicant: 哈尔滨工业大学
Abstract: 一种基于显微高光谱成像的纹理增强算法，解决了传统波段选择及图像融合方法对纹理特征针对性不强的问题。本发明的步骤为：一、计算每张光谱照片的灰度共生矩阵，得到所需要的纹理修正值；二、进行波段选择，按照各个修正值的侧重点对照片进行排序，选择所需数量的照片作为源图像；三、运用小波变换对所选照片进行分解和融合并评价图像质量，确保融合后的图像纹理特征好于任一张源图像。本发明的基本思想是从纹理特征出发，采用纹理修正值为波段选择提供依据，由此选出的源图像包含了丰富的纹理信息，对其进行波段图像融合时有利于纹理信息的保留和利用。本发明针对显微高光谱照片进行增强后纹理细节突出，非常有利于后续的医学诊断及实验分析。
-
公开(公告)号：CN111189784A
公开(公告)日：2020-05-22
申请号：CN202010035340.3
申请日：2020-01-14
Applicant: 哈尔滨工业大学
Abstract: 一种基于偏振光谱成像的盖章签字先后顺序鉴定方法，它涉及光谱信息检测领域，解决了当前方法丢失信息严重，受环境影响大及判断精准度差的问题。本发明的步骤为：一、采集原始样本偏振高光谱图像；二、进行斯托克斯参数计算，得出相应的偏振参数图像；三、将得到的偏振度和偏振角图像进行融合，得到偏振特征图像以及对应的偏振特征向量；四、对偏振强度图像进行图像分块处理，可得特征区域及对应光强特征向量；五、将特征区域对应到偏振特征图像上，对其特征向量进行相关性分析从而确定盖章签字先后顺序。本发明利用样本偏振光谱信息的全面性，结合特征向量相关性分析来进行顺序的判定，适用于与墨水印泥类似材料的顺序鉴定应用。
-
公开(公告)号：CN108510519A
公开(公告)日：2018-09-07
申请号：CN201710110716.0
申请日：2017-02-28
Applicant: 哈尔滨工业大学
Abstract: 一种跟踪过程中动态目标的特征光谱提取方法，本发明提供一种对动态目标的特征光谱进行准确提取的方法。本发明的步骤为：一、计算动态目标坐标，对动态目标识别区域内像素进行快速最近邻二聚类，计算目标与背景的平均光谱向量；二、根据目标平均光谱向量计算出目标状态转移矩阵，根据背景平均光谱向量计算出背景状态转移矩阵，用动态目标识别区域内像素与状态转移矩阵的逆矩阵相乘得到特征光谱向量；三、计算目标像素特征光谱向量和目标平均光谱向量的光谱角，判断动态目标移动后的位置。本发明能准确地提取动态目标的特征光谱，及时跟踪动态目标位置，充分发挥高光谱数据信息量丰富的特点，适用于动态目标侦查、搜索及跟踪领域。
-
公开(公告)号：CN105644785A
公开(公告)日：2016-06-08
申请号：CN201511030059.6
申请日：2015-12-31
Applicant: 哈尔滨工业大学
CPC classification number: B64C39/02 , B64C2201/18 , B64D45/04
Abstract: 本发明公开了一种基于光流法和地平线检测的无人机着陆方法，其步骤为：一、对飞行过程中固定在无人机底部的相机拍摄出的视频进行图像预处理；二、对每张图像进行直线检测，获取图像中的地平线信息；三、通过对地平线信息进行计算，得到当前无人机的飞行姿态；四、采用光流法检测出无人机的姿态信息；五、结合无人机运动模型，采用扩展卡尔曼滤波方法对光流法和地平线检测的无人机姿态进行滤波，挑选出正确的地平线信息；六、实现基于无人机的自主着陆过程。本发明是一种用于飞行过程中动态物体探测固定目标的情况，采用基于梯度的光流法可以很好地配合探测器的运动，与传统基于地平线检测的视觉算法相比，在着陆过程中可以有效提高精度，适用于无人机自主着陆应用。
-
Patent Agency Ranking
公开(公告)号：CN105631480A
公开(公告)日：2016-06-01
申请号：CN201511022779.8
申请日：2015-12-30
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6267
Abstract: 一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法，其步骤如下：一、对三维高光谱数据展开分类前进行预处理，获得包含有效光谱信息的数据矩阵与标签向量；二、对数据矩阵进行特征扩维，并对特征维进行按列折叠重组，获得重组的三维高光谱数据输入矩阵；三、设定多层卷积网络结构参数与初始值；四、利用前向传播与BP算法逐层计算特征与误差，并对网络权值与偏置进行更新，不断迭代获得网络稳定参数，最终获得能够用于分类的网络模型与参数。相比于其他方法，该方法原理清楚，结构清晰，识别时间短，同时探测辨识率高，是针对高光谱数据的一个有效分类方法，适用于高光谱图像快速目标探测与分类识别应用。
-
公开(公告)号：CN103472820B
公开(公告)日：2015-07-15
申请号：CN201310426582.5
申请日：2013-09-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于偏最小二乘算法的推进系统故障诊断方法，属于过程监控技术领域。所述方法具体步骤如下：步骤一、利用推进系统的样本数据构建PLS数学模型；步骤二、利用平方预测误差统计量监测过程数据；步骤三、检测到故障后结合关联故障检测因数诊断出故障位置。本发明提出的PLS监控和诊断方法仅利用数据间的关联关系，建立简洁的数学模型，可以减少计算量，提高检测速度，能够很好地应用于推进系统的过程监控及故障诊断。本发明对于采用PLS算法建立模型，克服了过程量共线性影响，采用计算快速的SPE统计量并结合所提出的关联故障检测因数，简化了监测过程，并能较好地完成诊断任务。
-
公开(公告)号：CN102779232A
公开(公告)日：2012-11-14
申请号：CN201210205302.3
申请日：2012-06-20
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于样条插值改进多变量灰色模型的故障预测方法，属于故障预测领域，本发明为解决现有多变量灰色模型在计算灰色系数和卷积积分过程中，采用代数精度较低的梯形公式或复化梯形公式，故障预测精度低的问题。本发明在不改变原有多变量灰色模型故障预测框架的前提下，当计算灰色系数和卷积积分时，分别用特定的样条函数代替原方法来逼近相应变量，推导一套全新的多变量灰色模型计算方法，有利于提高故障预测精度。
-
公开(公告)号：CN101799873B
公开(公告)日：2011-10-19
申请号：CN201010102438.2
申请日：2010-01-28
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于经验模态分解的多分组图像有监督分类方法，属于图像处理领域，本发明为解决现有的有监督分类方法对特征利用不充分，分类精度低的问题。本发明方法包括以下步骤：一、对各像素的特征向量进行经验模态分解，得到扩展特征向量；二、将各像素的原始特征向量及其扩展特征向量按统一规则结合，得到扩维特征向量；三、对支持向量机进行训练，然后对扩维测试特征向量的类别进行归属判定，形成多个支持向量机子分类器；四、构建基于一对一策略的多分类器对各像素的归属类别作出决策，完成多分组图像的分类。本发明用于需要高精度分类的多分组图像模式识别应用。
-
公开(公告)号：CN101853242A
公开(公告)日：2010-10-06
申请号：CN201010207247.2
申请日：2010-06-23
Applicant: 哈尔滨工业大学
Abstract: 基于经验模态分解的设备或系统机内测试信号虚警滤波方法，它涉及到机内测试的关键处理技术。提供了一种在不借助任何先验知识的情况下降低设备或系统机内测试信号虚警率的滤波方法。本发明的步骤为：一：对输入的机内测试信号进行经验模态分解，提取3个本征模态函数分量和1个残差；二：对提取的第2阶本征模态函数分量IMF2进行自适应衰减处理，获取衰减后分量DIMF2；步骤三：对衰减后分量DIMF2进行信号叠加处理，获得机内测试信号的滤波信号，完成对机内测试信号的虚警滤波。本发明从采样信号本身出发，克服以往滤波方法无法同时从频率和幅值两方面入手联合排除虚警信号的问题，适用于设备或系统的机内测试信号滤波。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.032 seconds)
