-
公开(公告)号：CN108803374B
公开(公告)日：2021-09-21
申请号：CN201810578534.0
申请日：2018-06-07
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明公开了一种无人艇环境数据仿真方法，建立无人艇运动模型和海上目标运动模型；根据无人艇当前状态，按照标准导航格式规定的导航参数，实时计算无人艇的仿真导航数据；根据无人艇的导航状态和当前仿真海上运动目标的位置，实时计算无人艇导航雷达输出的雷达辐条数据；依据标准导航格式和雷达辐条数据格式，构建网络通信报文，将无人艇环境仿真数据输出至通信网络。本发明通过设置无人艇航行状态和各种仿真环境的场景，能测试和验证各任务系统的有效性，提高无人艇作战系统开发效率，降低试验成本。
-
公开(公告)号：CN114359680A
公开(公告)日：2022-04-15
申请号：CN202111556006.3
申请日：2021-12-17
Applicant: 中国人民解放军海军工程大学
Abstract: 一种基于深度学习的全景视觉水面目标检测方法，包括以下步骤：步骤1：构建水面目标数据集，并对所述数据集进行标注；步骤2：设计新的SSD模型，即：采用具有残差学习单元的ResNet‑50网络代替VGG16网络作为SSD网络的骨干网络；步骤3：采用自上而下的FPN网络结构对所述SSD模型的不同特征图进行融合；步骤4：利用360°全景相机作为视觉传感器并进行图像预处理得到矩形全景图，输入到训练好的所述SSD模型进行检测。本发明利用深度学习技术通过全景视觉对目标进行检测，不仅可以感知水面全域信息，而且能够有效提高水面目标检测准确率，尤其是水面小目标检测准确率。
-
Patent Agency Ranking
公开(公告)号：CN108803374A
公开(公告)日：2018-11-13
申请号：CN201810578534.0
申请日：2018-06-07
Applicant: 中国人民解放军海军工程大学
CPC classification number: G05B17/02 , G05B23/0213
Abstract: 本发明公开了一种无人艇环境数据仿真方法，建立无人艇运动模型和海上目标运动模型；根据无人艇当前状态，按照标准导航格式规定的导航参数，实时计算无人艇的仿真导航数据；根据无人艇的导航状态和当前仿真海上运动目标的位置，实时计算无人艇导航雷达输出的雷达辐条数据；依据标准导航格式和雷达辐条数据格式，构建网络通信报文，将无人艇环境仿真数据输出至通信网络。本发明通过设置无人艇航行状态和各种仿真环境的场景，能测试和验证各任务系统的有效性，提高无人艇作战系统开发效率，降低试验成本。
-
公开(公告)号：CN115167447B
公开(公告)日：2024-12-27
申请号：CN202210906026.7
申请日：2022-07-29
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明属于无人艇技术领域，公开了基于雷达图像端到端深度强化学习的无人艇智能避障方法，基于雷达图像端到端深度强化学习的无人艇智能避障方法包括：构建欠驱动无人艇数学模型，利用障碍物与无人艇的相对位置关系和最近会遇点信息，分别构建障碍航迹图层、碰撞威胁图层或其他高维状态特征；并结合以航行状态、路径误差或其他低维状态，构建并训练多特征尺度融合的深度卷积神经网络；利用训练好的多特征尺度融合的深度卷积神经网络进行无人艇智能避障。本发明通过建立的欠驱动无人艇数学模型、动态障碍物生成模型和奖励机制，在与环境不断交互中改善USV避障策略，使其能在复杂场景下做出有效的决策，较为快速和高效的完成避障任务。
-
公开(公告)号：CN109001725A
公开(公告)日：2018-12-14
申请号：CN201810578533.6
申请日：2018-06-07
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明公开了一种海上无人艇海上多目标跟踪方法：建立基于辐条数据处理的雷达图像生成模型，利用图像处理算法，通过处理雷达辐条信息，拼接成一幅完整的雷达图像画布，从雷达图像画布中的提取出目标回波特征信息集合；对岸岛信息进行处理，剔除所有落于岸岛包络范围内的目标，剩余目标作为目标集合；获取所述目标集合中各个所述目标的观测数据和实时导航数据，确定状态转移关系，完成多目标跟踪单个循环周期。
-
公开(公告)号：CN115167447A
公开(公告)日：2022-10-11
申请号：CN202210906026.7
申请日：2022-07-29
Applicant: 中国人民解放军海军工程大学
IPC: G05D1/02
Abstract: 本发明属于无人艇技术领域，公开了基于雷达图像端到端深度强化学习的无人艇智能避障方法，基于雷达图像端到端深度强化学习的无人艇智能避障方法包括：构建欠驱动无人艇数学模型，利用障碍物与无人艇的相对位置关系和最近会遇点信息，分别构建障碍航迹图层、碰撞威胁图层或其他高维状态特征；并结合以航行状态、路径误差或其他低维状态，构建并训练多特征尺度融合的深度卷积神经网络；利用训练好的多特征尺度融合的深度卷积神经网络进行无人艇智能避障。本发明通过建立的欠驱动无人艇数学模型、动态障碍物生成模型和奖励机制，在与环境不断交互中改善USV避障策略，使其能在复杂场景下做出有效的决策，较为快速和高效的完成避障任务。
-
公开(公告)号：CN109001725B
公开(公告)日：2020-11-10
申请号：CN201810578533.6
申请日：2018-06-07
Applicant: 中国人民解放军海军工程大学
Abstract: 本发明公开了一种无人艇海上多目标跟踪方法：建立基于辐条数据处理的雷达图像生成模型，利用图像处理算法，通过处理雷达辐条信息，拼接成一幅完整的雷达图像画布，从雷达图像画布中的提取出目标回波特征信息集合；对岸岛信息进行处理，剔除所有落于岸岛包络范围内的目标，剩余目标作为目标集合；获取所述目标集合中各个所述目标的观测数据和实时导航数据，确定状态转移关系，完成多目标跟踪单个循环周期。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
