-
公开(公告)号：CN119228849A
公开(公告)日：2024-12-31
申请号：CN202411720620.2
申请日：2024-11-28
Applicant: 哈尔滨工业大学(威海) , 威海天航信息技术有限公司
IPC: G06T7/246 , G06T5/70 , G06T7/73 , G06V10/774 , G06V10/764 , G06F17/16
Abstract: 本申请提供了一种基于车载路面病害识别系统的抗抖动方法及装置，解决了现有技术中无法高质量消除抖动的技术问题。其包括：获取预处理后的道路画面数据；将预处理后的道路画面数据在局部坐标系中的坐标转换为相机坐标系中的坐标；提取相机坐标系中的每个特征点；利用光流估计法对每个特征点进行追踪，得到特征点的运动轨迹，进行平滑处理，得到消抖后的道路画面数据。本申请可广泛应用于车载平台抗抖动的技术领域。
-
公开(公告)号：CN116032036B
公开(公告)日：2024-12-31
申请号：CN202211725438.7
申请日：2022-12-30
Applicant: 哈尔滨工业大学(威海)
IPC: H02J50/90 , H02J7/00 , G06T7/80 , B63C11/52 , B60L53/30 , B60L53/12 , B60L53/37 , B60L53/126 , B60L53/38 , B60L53/36
Abstract: 本发明公开了一种基于视觉定位的水下机器人无线充电系统及方法，涉及水下机器人充电技术领域。本发明的技术要点包括：所述系统包括水下无线充电装置和水下机器人；其中，水下无线充电装置包括定位Aruco二维码、竖直定位杆、无线充电发射模块、六个支撑固定“Y”形架、两个永磁铁；水下机器人的框架为由三层横板、左右两个上侧板、左右两个下侧板组成的“曰”型框架，框架内包括浮力块、电子仓、推进器、电池仓、机械爪、无线充电接收模块、水平金属定位杆；所述方法基于所述系统实现，利用视觉定位辅助水下机器人与水下无线充电装置对接。本发明提高了水下机器人和水下无线充电装置对接的成功率和效率，易实现水下机器人的可靠充电。
-
公开(公告)号：CN116907501B
公开(公告)日：2024-11-29
申请号：CN202310798488.6
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明一种基于分层式扩展卡尔曼滤波的无人机群协同定位方法及系统，涉及无人机定位技术领域，为解决现有的卡尔曼滤波针对大型无人机群协同定位，存在扩展性和灵活性低，且算法复杂度高的问题。包括如下步骤：S1、对目标从无人机i在t‑1时刻的状态值#imgabs0#和协方差矩阵#imgabs1#进行初始化；S2、构建状态方程，计算状态估计值；S3、计算目标从无人机i与主无人机层的主无人机j之间的量测值#imgabs2#S4、计算误差协方差矩阵估计#imgabs3#S5、计算目标从无人机i的系统增益矩阵#imgabs4#S6、对状态估计值及误差协方差矩阵进行更新。本发明计算量小、实时性高、收敛速度快。融合了多个传感器的信息，提高了系统的稳定性。
-
公开(公告)号：CN117557911B
公开(公告)日：2024-11-22
申请号：CN202311739155.2
申请日：2023-12-15
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种基于多传感器图像结果融合的目标感知方法及系统，涉及电子信息工程和图像处理技术领域，为解决现有技术在恶劣天气环境下的感知精度受限、运行效率低的问题。本发明方法通过改进的YOLOv5s的网络模型对相机图像数据进行特征提取；模型采用深度可分离卷积，在图像输出到Head层时，将特征图进行降采样与Neck层提取出的特征进行多维度拼接，利用即插即用的CBAM注意力机制模块在特征提取时进行空间与通道上注意力的权重分配；同时，通过改进的Complex‑YOLOv4的网络模型，对激光雷达三维点云数据进行特征提取，模型采用深度可分离卷积，采用即插即用的CBAM注意力机制模块对空间与通道上的敏感度进行放大；将二者的识别结果进行融合，得到最终的检测的目标信息。
-
公开(公告)号：CN116907499B
公开(公告)日：2024-11-22
申请号：CN202310794112.8
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 基于缩放因子的分布式无人机群EKF协同定位方法及系统，涉及无人机定位技术领域，为解决现有的卡尔曼滤波算法难以直接构建过程噪声与卡尔曼滤波估计的误差之间的线性关系，使滤波器的性能下降的问题。包括：S1、构建状态方程；S2、构建主无人机与从无人机i之间的绝对量测方程及从无人机i与从无人机j之间的相对量测值方程，并计算绝对量测方程及相对量测方程的雅可比矩阵Hi和Di；S3、构建缩放因子α；S4、利用缩放因子更新系统误差协方差矩阵#imgabs0#S5、计算绝对量测值的系统增益矩阵#imgabs1#和相对量测的系统增益矩阵#imgabs2#S6、计算相对量测值，对状态估计值及系统误差协方差矩阵进行更新。本发明引入缩放因子的分布式扩展卡尔曼滤波器，提高了无人机群的定位精度。
-
Patent Agency Ranking
公开(公告)号：CN118785198A
公开(公告)日：2024-10-15
申请号：CN202410701909.3
申请日：2024-05-31
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及卫星及无人机海洋网络数据处理技术领域，具体的说是一种基于最大熵深度强化学习的NOMA海事网络系统功率分配方法，包括以下步骤：步骤1：建立基于NOMA的海洋卫星无人机海面混合网络，并设计通信网络资源优化问题；步骤2：利用深度强化学习算法来解决步骤1中资源优化问题；步骤3：建立基于最大熵思想的软代理关键海洋卫星通信功率分配方法SAC‑OSCPA，以解决深度Q网络算法高估Q值和局部最优收敛的风险。
-
公开(公告)号：CN118243106B
公开(公告)日：2024-08-27
申请号：CN202410384690.9
申请日：2024-04-01
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供一种基于平方根分解的扩维容积ECKF算法的多AUV协同导航的滤波方法、系统及存储介质，涉及多AUV协同导航技术领域，为解决现有的ECKF算法在滤波过程中的矩阵求逆、矩阵开方等对数值计算时较为敏感,会引入较大计算误差；同时难以有效处理过程噪声的不可加性、量测噪声的未知时变性的问题。包括：S1、建立主从式多AUV协同导航系统的离散时间状态方程和量测方程；S2、采用基于平方根分解的扩维容积ECKF算法对从AUV进行状态预测和量测预测，过程中使用QR正交分解求解状态估计误差协方差矩阵的平方根，以提高滤波精度和数值计算的稳定性；S3、对状态估计值和误差协方差矩阵的平方根进行更新，实现多AUV协同导航的滤波。本发明用于多AUV的协同导航定位。
-
公开(公告)号：CN116898172B
公开(公告)日：2024-06-14
申请号：CN202310874394.2
申请日：2023-07-17
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供一种复杂作业场景探测头盔装置及应用方法，属于复杂场景环境探测技术领域。为解决现有头盔在复杂作业场景下难以进行全天时、全天候和全场景的立体观测，且难以进行立体感知、传输、分析和预警的问题。头盔主体上设有左右对称的毫米波雷达、红外成像传感器、光学摄像头、光源、可折叠显示屏、定位模块、语音通话模块和控制处理器，手持终端外置组件包括物联网模块、手持控制板和电源模块，通过光学摄像头、红外成像传感器或毫米波雷达获取信息。可应对井下作业、救援等场景中粉尘弥漫、泥浆飞溅、烟雾遮挡或落石塌方，使得作业或救援人员有效感知前视区域风险、躲避顶部物体塌落，实现全场景的对复杂作业场景进行立体观测、传输和分析。
-
公开(公告)号：CN117367431B
公开(公告)日：2024-05-14
申请号：CN202311376185.1
申请日：2023-10-23
Applicant: 哈尔滨工业大学(威海)
Abstract: 带未知量测偏置的MEMS与UWB紧组合定位方法及系统，涉及室内定位技术领域，为解决现有的室内定位系统由于UWB输出的测距信息带未知量测偏置而导致室内定位精度低的问题。包括如下过程：选取MEMS的位置误差、速度误差、姿态角误差、陀螺偏置误差、加速度计偏置误差作为室内定位系统的导航误差状态向量，并基于此构建状态方程和量测方程；因UWB输出的测距信息带未知量测偏置，故本室内定位方法的量测噪声被假设服从非零均值高斯分布；提出正态类别分布并对其边缘化来对上述的非零均值高斯量测噪声进行建模；在贝叶斯框架下分别计算权重#imgabs0#导航误差状态向量#imgabs1#系统增益矩阵#imgabs2#以及相应的估计误差协方差矩阵#imgabs3#更新形状参数#imgabs4#更新导航误差量的状态，实现定位结果输出。
-
公开(公告)号：CN117237781B
公开(公告)日：2024-03-19
申请号：CN202311522863.0
申请日：2023-11-16
Applicant: 哈尔滨工业大学(威海)
IPC: G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本申请提供了一种基于注意力机制的双元素融合时空预测方法，其解决了现有的时空预测方法的预测精度不够的技术问题；包括使用双元素输入模块，对双元素数据进行标准化处理，消除数据各维度之间的数量级差异，使数据能够被缩放到标准区间范围；使用3D卷积模块，提取元素隐藏的时间和空间信息；使用注意力融合模块，融合双元素之间的时间和空间特征，并为预测的海洋要素重新分配特征权重；使用卷积长短期记忆模块，捕获时间序列依赖关系，转换生成目标长度的预测特征矩阵；使用单元素预测输出模块，将预测特征矩阵映射到输出空间，再通过反标准化，将预测结果可视化。本申请广泛应用于海洋要素时空预测技术领域。
-
-
-
-
-
-
-
-
-
Search Results
287
records
(took 0.055 seconds)
