-
公开(公告)号：CN115933644A
公开(公告)日：2023-04-07
申请号：CN202211471202.5
申请日：2022-11-23
Applicant: 东南大学
IPC: G05D1/02
Abstract: 一种基于改进人工势场法的多无人车编队整体避障方法，发明结合人工势场法和领航跟随法并进行改进，在领航者检测到障碍物时，考虑整体队形，根据传感器数据计算出可通行距离，根据目标引力和障碍物斥力和额外斥力的合力，使领航者运行至可通行区域中间，在领航者带领下编队整体完成避障。本发明的优点是：结合改进人工势场法和领航跟随法，通过引入额外斥力平衡领航者水平方向上的力，合理利用地形完成编队避障，解决了大多数方案在复杂环境下频繁变换队形的问题。
-
公开(公告)号：CN116452635A
公开(公告)日：2023-07-18
申请号：CN202310441255.0
申请日：2023-04-23
Applicant: 东南大学
Abstract: 一种基于轻量级实例分割的单目相机动态特征点剔除方法，1根据相机模型参数矫正图像并提取特征点，将提取的特征点与上一帧获取的特征点进行匹配。2开辟一个新线程，与步骤1同步将图像传入训练好的分割网络中进行实例分割，获取实例掩膜；3使用RANSAC算法获取各个掩膜以及除掩膜外的区域的位姿变换，判断动态掩膜并记录；4根据特征点距离动态掩膜的最近处距离计算特征点在该约束下的动态概率；5根据极线约束计算特征点在该约束下的动态概率；6：使用朴素贝叶斯方法融合上述步骤4与步骤5中算得的动态概率，算得该特征点对应的动态概率；本发明可应用于单目视觉SLAM导航中排除动态物体干扰，提高建图定位精度。
-
公开(公告)号：CN113344113B
公开(公告)日：2024-03-19
申请号：CN202110715329.6
申请日：2021-06-27
Applicant: 东南大学
IPC: G06F18/23213
Abstract: 本发明提供的是一种基于改进k‑means聚类的Yolov3锚框确定方法。本发明改变传统一次k‑means聚类直接得到Yolov3锚框的方法，对样本数据进行两次聚类。第一次聚类把样本数据聚类到不同大小的三个尺度上，达到尺度分化的目的。第二次聚类在前一次聚类得到的三个聚类子集的基础上，根据样本标注框的形状特征再次进行聚类，最终得到分布三个尺度下的9个聚类结果，适配Yolov3的锚框。本发明利用两次聚类得到的锚框更加符合Yolov3的检测过程，能够减少k‑means随机初始点对最终结果的影响，两次聚类大大减少了样本的数据量，提高算法速度。
-
公开(公告)号：CN113344113A
公开(公告)日：2021-09-03
申请号：CN202110715329.6
申请日：2021-06-27
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明提供的是一种基于改进k‑means聚类的Yolov3锚框确定方法。本发明改变传统一次k‑means聚类直接得到Yolov3锚框的方法，对样本数据进行两次聚类。第一次聚类把样本数据聚类到不同大小的三个尺度上，达到尺度分化的目的。第二次聚类在前一次聚类得到的三个聚类子集的基础上，根据样本标注框的形状特征再次进行聚类，最终得到分布三个尺度下的9个聚类结果，适配Yolov3的锚框。本发明利用两次聚类得到的锚框更加符合Yolov3的检测过程，能够减少k‑means随机初始点对最终结果的影响，两次聚类大大减少了样本的数据量，提高算法速度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
