基于深度确定性策略梯度的单目无人机避障方法、装置及介质

    公开(公告)号:CN116203979A

    公开(公告)日:2023-06-02

    申请号:CN202211612609.5

    申请日:2022-12-14

    Abstract: 本发明实施例公开了一种基于深度确定性策略梯度的单目无人机避障方法、装置及介质;该方法包括:针对由无人机搭载的单目相机所采集的原始RGB图像,基于条件生成对抗网络CGAN转换为深度图像;以所述深度图像以及所述无人机的当前速度信息作为状态信息,构建深度确定性策略梯度DDPG网络中的行动者Actor网络与评价者Critic网络;根据无人机与目标距离、无人机的速度以及无人机的碰撞信息构建奖励函数;根据所述奖励函数训练所述DDPG网络中的所述Actor网络与所述Critic网络,从而获得所述Actor网络和所述Critic网络的参数;根据训练完毕后的DDPG网络对单目无人机进行避障控制。

    一种硬件加速的深度学习目标机型识别方法

    公开(公告)号:CN112906523B

    公开(公告)日:2022-12-27

    申请号:CN202110158349.8

    申请日:2021-02-04

    Abstract: 本发明一种基于硬件加速的深度学习目标机型识别方法。通过构建一套基于不同飞机机型的飞行模拟设备,采集得到飞机飞行过程的仿真红外数据;通过FPGA板卡实现基于改进YOLOv3的卷积神经网络算法的硬件加速实现;通过Qt编写上位机,实现仿真数据的实时读取、硬件加速板卡的调用,以及智能识别结果的显示与存储等功能。本发明实现的基于硬件加速的智能机型识别方法验证了机型识别算法嵌入式实现的可能性,为产品落地提供了较为充分的软、硬件算法设计实现的验证。

    一种用于智能化敌我识别验证的仿真系统

    公开(公告)号:CN114218847A

    公开(公告)日:2022-03-22

    申请号:CN202111015229.9

    申请日:2021-08-31

    Abstract: 一种用于智能化敌我识别验证的仿真系统,包括复杂背景环境模拟单元、飞机目标姿态及运动单元和无线调度控制终端模块,可应用于智能化导引头算法模型设计、深度学习数据集构建和智能目标识别能力测试评估,能够满足智能敌我识别技术在不同背景环境下、目标不同姿态条件下的识别分选验证需求,解决敌我目标样本库及智能目标识别算法模型验证过程中场景模拟低置信度、小样本问题。

    一种动平台动目标双目测距系统及方法

    公开(公告)号:CN111089564B

    公开(公告)日:2021-12-07

    申请号:CN201911296829.X

    申请日:2019-12-16

    Abstract: 本发明实施例提供了一种动平台动目标双目测距系统及方法。所述系统包括:第一图像采集设备、第二图像采集设备、第一导航设备和第二导航设备,所述第一图像采集设备和所述第一导航设备固定连接,所述第二图像采集设备和所述第二导航设备固定连接。本发明实施例通过将相机与惯组和卫导固连的方式实时获得相机本身的位置和姿态信息,通过对实时位姿和图像信息的解算,建立目标实时的透射投影方程,通过求解方程得到目标在世界坐标系下的绝对位置,从而可以解算得到目标到两个相机的距离,解决了实时性要求较高的情况下动平台双目测距的难题。

    一种硬件加速的深度学习目标机型识别方法

    公开(公告)号:CN112906523A

    公开(公告)日:2021-06-04

    申请号:CN202110158349.8

    申请日:2021-02-04

    Abstract: 本发明一种基于硬件加速的深度学习目标机型识别方法。通过构建一套基于不同飞机机型的飞行模拟设备,采集得到飞机飞行过程的仿真红外数据;通过FPGA板卡实现基于改进YOLOv3的卷积神经网络算法的硬件加速实现;通过Qt编写上位机,实现仿真数据的实时读取、硬件加速板卡的调用,以及智能识别结果的显示与存储等功能。本发明实现的基于硬件加速的智能机型识别方法验证了机型识别算法嵌入式实现的可能性,为产品落地提供了较为充分的软、硬件算法设计实现的验证。

    一种基于双模协同的抗红外面源诱饵干扰方法

    公开(公告)号:CN111189360A

    公开(公告)日:2020-05-22

    申请号:CN201911313237.4

    申请日:2019-12-19

    Abstract: 本发明涉及一种基于双模协同的抗红外面源诱饵干扰方法,属于导弹制导抗干扰技术领域;步骤一、在导弹上红外系统对目标进行连续帧拍照;并根据照片判断目标是否投放干扰弹;步骤二、解析出目标和全部干扰弹,作为候选目标点;步骤三、判断候选目标点为疑似点或确定干扰点;保留疑似点,去除确定干扰点;步骤四、计算各疑似点的置信值;当超过阈值N,判断该疑似点为目标;步骤五、雷达系统关闭,采用红外系统继续对目标进行跟踪;本发明协同运用红外图像信号与雷达距离信号的不同特点,实现了抗红外干扰,特别是面源干扰的目的。

    一种基于轻量化的跨域红外目标智能检测方法

    公开(公告)号:CN119418158A

    公开(公告)日:2025-02-11

    申请号:CN202411342514.5

    申请日:2024-09-25

    Abstract: 本发明提供一种基于轻量化的跨域红外目标智能检测方法,首先通过对输入图像进行多通道数据增强,使用轻量化特征提取网络提取增强图像不同层次的局部特征信息,通过多尺度最大池化得到不同尺度的特征,添加全局自注意力模块提取全局特征,使用多层级特征融合模块融合从轻量化特征提取模块以及全局自注意力模块输出的不同层次的特征信息,最后对特征信息进行解码得到目标预测结果。本发明能够改善现有跨域红外目标检测性能不足、智能化检测方法存在红外目标漏检和误检的问题。

    一种基于无预训练模型领域泛化的红外目标智能检测方法

    公开(公告)号:CN119418089A

    公开(公告)日:2025-02-11

    申请号:CN202411342512.6

    申请日:2024-09-25

    Abstract: 本发明提供一种基于无预训练模型领域泛化的红外目标智能检测方法,通过风格转换模块将输入的可见光图像转换成HSV色域增强图像、灰度增强图像以及原可见光图像,输出上述领域图像及其对应的领域标签;将上述领域图像分别输入Yolov5特征提取网络得到对应的领域特征,输出给领域分类模块和领域对比模块计算损失,并将计算的损失通过梯度反向传播到Yolov5特征提取网络,指导其学习领域不变特征,获得训练后的泛化yolov5特征提取网络;对红外图像进行红外目标智能检测时,将输入图像通过经过训练后的泛化yolov5特征提取网络,获得对应特征解码并输出。本发明极大减少了模型的参数量和计算量,同时使模型能够更快速地学习并提取出领域不变特征。

Patent Agency Ranking