基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法

    公开(公告)号:CN115731268A

    公开(公告)日:2023-03-03

    申请号:CN202211458596.0

    申请日:2022-11-17

    Applicant: 东南大学

    Abstract: 基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法,1、读取毫米波雷达当前时刻的点云信息,计算每类点云的质心信息代表该类点云对应物体的信息;2、读取单目视觉RGB图像,使用深度学习目标检测算法生成目标检测框,通过单目深度估计方法计算目标的深度信息;3、对毫米波雷达和单目视觉进行传感器联合标定;4、对完成时空同步的毫米波雷达和视觉检测数据进行一一匹配;5、根据数据匹配结果,将毫米波雷达和视觉数据融合,并针对融合数据设计了一个卡尔曼滤波器;6、基于全局最近邻匹配算法和前述卡尔曼滤波器,设计了一个多目标跟踪器,得到在线的多目标跟踪结果。本申请能够提高无人机的环境感知能力,进而提高无人机的智能化程度。

    基于改进残差收缩网络的FOCS故障诊断方法

    公开(公告)号:CN115130505A

    公开(公告)日:2022-09-30

    申请号:CN202210722092.9

    申请日:2022-06-24

    Applicant: 东南大学

    Abstract: 基于改进残差收缩网络的FOCS故障诊断方法。1、读取当前光纤电流传感器(FOCS)的输出电流信号;2、构建改进深度残差收缩网络,在两种通道间共享阈值的残差收缩构建模块中融合批标准化层与修正线性单元,结合两种模型的优点,加入新模块加强网络的学能力和覆盖范围,模型具有更强的数据上限及泛化能力,进行网络优化重构;3、建立FOCS漂移、变比偏差和固定偏差特征模型,构建故障类数据集;4、将FOCS信号作为输入,故障类标签作为输出,训练所构建的改进深度残差收缩网络,通过对改进深度残差收缩网络模型不断优化,使模型达到收敛;5、获得FOCS故障诊断信息。该方法适用于光纤电流传感测量领域,完成了FOCS的故障预警功能,提高了FOCS的可靠性。

    一种基于改进航向误差率的智能体路径控制方法

    公开(公告)号:CN113190018B

    公开(公告)日:2022-07-01

    申请号:CN202110563095.8

    申请日:2021-05-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于改进航向误差率的智能体路径控制方法,包括如下设计步骤:1、建立智能体的阿克曼转角模型;2、引入航向误差率设计智能体的改进纯追踪路径追踪控制器;3、实现利用蚁群算法快速求解目标函数的最优解,并将得到的最优解作为当前时刻的控制量的参数;4、根据求得的控制量参数获得智能体当前时刻控制量,即期望的智能体轮胎转向角,控制智能体行驶。该方法通过优化纯追踪算法,减小了纯追踪控制中前视距离的影响,提高了智能体路径追踪的实时性。

    一种基于深度确定性策略梯度的视觉惯性自校准方法

    公开(公告)号:CN113340324B

    公开(公告)日:2022-04-29

    申请号:CN202110583354.3

    申请日:2021-05-27

    Applicant: 东南大学

    Abstract: 一种基于深度确定性策略梯度的视觉惯性自校准方法,具体包括以下步骤:(1)建立相机和IMU测量误差模型,利用非线性优化算法求解相机‑IMU参数;(2)计算Fisher信息矩阵,并分析视觉惯性标定系统可观测性;(3)将标定过程建模为马尔可夫决策过程,明确智能体的状态空间、动作空间、状态转移函数和奖励函数;(4)设计基于深度确定性策略梯度的强化学习标定算法,确定不可观测的离散运动序列,从校准数据集筛选出可观测子序列用于参数标定。该方法能有效简化标定过程和降低计算量,无需专业的人工标定和精准的初始化参数,可以智能化选择完全可观测的动作序列进行参数标定。

    基于MPC的车辆自适应路径追踪方法

    公开(公告)号:CN110262229B

    公开(公告)日:2022-04-12

    申请号:CN201910445420.3

    申请日:2019-05-27

    Applicant: 东南大学

    Inventor: 王立辉 石佳晨

    Abstract: 本发明公开了一种基于MPC的车辆自适应路径追踪方法,包括如下步骤:1、建立车辆的运动学模型,并预测等效侧滑角;2、基于所建立的车辆运动学模型,设计车辆模型预测控制器;3、获取当前时刻车辆的状态,通过模糊控制修正当前时刻车辆模型预测控制器的参数。4、求解车辆模型预测控制器的目标函数,得到最优解的第一个变量作为当前时刻的控制量的增量;5、根据控制量的增量和等效侧滑角控制轮胎转向角,控制车辆运行,转向步骤2计算下一个控制周期的控制量的增量。该方法提高了车辆在产生滑移时的路径追踪的稳定性和精确度。

    基于PSO和ICCP的地磁匹配导航方法

    公开(公告)号:CN114279438A

    公开(公告)日:2022-04-05

    申请号:CN202111553624.2

    申请日:2021-12-17

    Applicant: 东南大学

    Abstract: 本发明提出了基于PSO和ICCP的地磁匹配导航方法,步骤包括:1、在地磁匹配时间段内获取地磁测量值以及同时刻的惯性导航系统(INS)指示坐标;2、采用多次匹配选取最优轨迹的策略,由滑动窗口在全局搜索区域中生成子区域,每次匹配分别在不同子区域内由四叉树生成初始化粒子,再先后使用PSO、ICCP对惯导指示轨迹分别进行粗、细匹配,从而获取一系列的候选轨迹;3、将最优轨迹的选取视作多属性决策问题,对每一条候选轨迹,分别使用其与真实轨迹的磁测序列的轨迹相关性和ICCP算法收敛度进行综合评价,进而选取最优轨迹输出,可以有效消除惯导累计误差,提高组合导航系统的定位精度。

    基于视觉的智能稻麦收割机割幅测量方法

    公开(公告)号:CN109215071B

    公开(公告)日:2021-09-28

    申请号:CN201811167046.7

    申请日:2018-10-08

    Applicant: 东南大学

    Inventor: 王立辉 杨雨

    Abstract: 本发明公开了一种基于视觉的智能稻麦收割机割幅测量方法,包括:根据相机标定获取的内外参数矩阵,对世界坐标系与相机图像像素平面坐标系进行匹配,利用逆透视投影将相机获取的原始稻麦图像变换为俯视图;获取收割边界线到分禾器的实际目标距离,结合缩小因子得到俯视图中目标区域的像素宽度及确定目标区域图像;图像预处理操作;基于形态学的已收割稻麦与未收割稻麦收割边界线提取,得到包含收割边界线的目标区域二值化图像;利用概率HOUGH变换方法检测图像中收割边界线并获取坐标参数,求解得到图像中分禾器到收割边界线的像素距离,并计算出收割机实际工作的割幅值。本发明提高可靠性,能够实时安全的进行智能稻麦收割机割幅的高精度测量。

    一种基于深度确定性策略梯度的视觉惯性自校准方法

    公开(公告)号:CN113340324A

    公开(公告)日:2021-09-03

    申请号:CN202110583354.3

    申请日:2021-05-27

    Applicant: 东南大学

    Abstract: 一种基于深度确定性策略梯度的视觉惯性自校准方法,具体包括以下步骤:(1)建立相机和IMU测量误差模型,利用非线性优化算法求解相机‑IMU参数;(2)计算Fisher信息矩阵,并分析视觉惯性标定系统可观测性;(3)将标定过程建模为马尔可夫决策过程,明确智能体的状态空间、动作空间、状态转移函数和奖励函数;(4)设计基于深度确定性策略梯度的强化学习标定算法,确定不可观测的离散运动序列,从校准数据集筛选出可观测子序列用于参数标定。该方法能有效简化标定过程和降低计算量,无需专业的人工标定和精准的初始化参数,可以智能化选择完全可观测的动作序列进行参数标定。

Patent Agency Ranking