-
公开(公告)号：CN117392507A
公开(公告)日：2024-01-12
申请号：CN202311335974.0
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06V10/82 , G06V10/80 , G06V10/75 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的一种空间非合作目标实时跟踪方法及其系统，属于航空航天技术领域。本发明包括轻量化的空间非合作目标检测模块、位置提取模块、检测框匹配模块、卡尔曼滤波模块、存储模块。本发明使用轻量化的空间非合作目标检测，利用MobileNetV3作为算法的主干，同时利用深度可分离卷积代替PANet网络的传统卷积层，然后通过多次上采样、下采样和特征融合操作，降低模型的参数量，提高模型的检测速度。本发明根据允许域得到非高斯分布的初始目标框，提升目标跟踪的鲁棒性和收敛性。本发明根据当前空间非合作目标图像信息的一次观测，使用允许域方法确定空间目标位置可能存在的包络，通过混合高斯分布提高目标所在框区域选取的准确性和鲁棒性。
-
公开(公告)号：CN117372838A
公开(公告)日：2024-01-09
申请号：CN202311336037.7
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06V10/82 , G06V10/774 , G06V10/80 , G06V10/12 , G06N3/0464 , G06N3/082
Abstract: 本发明公开的一种轻量化非合作目标局部特征识别方法，属于航空航天领域。本发明实现方法为：利用暗室环境模拟空间环境。不断调整航天器模型的姿态，构建空间非合作目标的数据集；使用多种数据增强的方法对数据库进行扩充。构建轻量化非合作目标局部特征的检测网络，使用叠加ShuffleNetV2的轻量化模块作为LLFDN的主干网络；构建特征金字塔网络融合多尺度的特征信息，在特征金字塔网络前使用注意力模块，对提取的目标特征进行多尺度融合预测；使用Soft‑NMS作为新的非极大值抑制方法；使用模型剪枝方法，降低LLFDN模型的参数量；对获得的轻量化LLFDN模型进行微调，获得最优的LLFDN模型；利用最优LLFDN模型实现实时性与准确率高、抗干扰能力强的空间非合作目标局部特征识别。
-
公开(公告)号：CN117079097A
公开(公告)日：2023-11-17
申请号：CN202310826817.3
申请日：2023-07-07
Applicant: 北京理工大学
IPC: G06V10/82 , G06V10/774 , G06V10/25 , G06V10/40 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08 , G06N3/045
Abstract: 本发明公开的一种基于视觉显著性的海面目标识别方法，属于航空航天领域。本发明引入视觉显著性模型在大幅遥感图像中快速搜索感兴趣区域，并通过阈值分割算法提取感兴趣区域，大幅减少目标检测算法的检测图像大小，提高检测的速度和效率，同时对提取的感兴趣区域进行预筛选，降低误检率。本发明通过对曝光度和饱和度的增强对数据集扩充，加强模型对海面目标检测的准确率、泛化性和鲁棒性。本发明将加权双向特征金字塔网络与YOLO检测算法相融合，综合利用YOLO检测算法检测速度快的优点和BiFPN多特征融合提高检测精度的优点，提高海面目标检测的速度和精度。本发明采用最大类间方差法和八连通区域法联合对感兴趣区域分割，提高图像分割的精度。
-
公开(公告)号：CN117078709A
公开(公告)日：2023-11-17
申请号：CN202310826722.1
申请日：2023-07-07
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于PCNN和改进形态学的低空目标边缘检测方法，属于航天检测技术领域。本发明实现方法为：获取临空平台搭载光电载荷拍摄的包含低空目标的图像，使用滤波算法对图像进行预处理；采用PCNN模型对滤波后的图像进行图像分割，将存在低空目标的区域筛选出来，区域提取得到待检测的图像，消除细节给边缘检测造成的影响；对获得的待检测图像，使用改进的形态学梯度进行边缘检测，利用形态学梯度滤波算子抑制随机噪声的特性，提高低空目标边缘检测的精度和抗噪声的能力；利用形态学细化算子对获得的低空目标边缘进行细化，保持图像细小部分的连通性，提高低空目标边缘检测的精度。利用本发明具有检测精度高、抗干扰能力强的优点。
-
公开(公告)号：CN115857342B
公开(公告)日：2024-05-24
申请号：CN202211499558.X
申请日：2022-11-28
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开的基于自适应神经网络的航天器观测载荷随动机构控制方法，属于空间技术领域。本发明实现方法为：通过第二类拉格朗日方程，建立航天器观测载荷随动机构的通用动力学模型；充分利用固定时间齐次理论和滑膜控制特点进行固定时间积分滑模控制，使固定时间积分滑模控制的收敛时间的上界不依赖系统初始状态；通过固定时间积分滑模控制方法控制航天器观测载荷随动机构姿态，保证航天器观测载荷随动机构的位置跟踪误差在固定时间内收敛至零的邻域内；设计神经网络固定时间积分滑模控制器，利用神经网络对航天器观测载荷随动机构模型不确定性和外界扰动逼近，通过神经网络逼近模型不确定性和外界扰动以降低固定时间积分滑模控制方法的复杂度。
-
Patent Agency Ranking
公开(公告)号：CN117079098A
公开(公告)日：2023-11-17
申请号：CN202310826843.6
申请日：2023-07-07
Applicant: 北京理工大学
IPC: G06V10/82 , G06V10/80 , G06V10/44 , G06V10/774 , G06V20/40 , G06V10/30 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开的一种基于位置编码的空间小目标检测方法，属于航天航空技术领域。本发明实现方法为：通过获取包含小天体的多个视频帧图像，构建小天体数据集。构建包括将多头自注意力MHSA网络和CSPDarkNet53相融合的特征提取网络CSPMHSA，使用二维位置编码Rh和Rw对图像信息在x和y维度上进行分解，在2D特征映射上实现全局自注意；在特征融合网络PANet中加入注意力模块；检测头网络使用ASFF_Detect；基于所述特征提取网络、特征融合网络与检测头网络构建基于位置编码的小目标检测MA‑YOLO模型。使用迁移学习方法，在小天体数据集上进行训练，训练后得到最优基于位置编码的小目标检测MA‑YOLO模型，基于模型提高对小目标检测效率和准确率。
-
公开(公告)号：CN117150914A
公开(公告)日：2023-12-01
申请号：CN202311144827.5
申请日：2023-09-06
Applicant: 北京理工大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开的一种基于支持向量机的小行星抵近信息融合定轨方法，属于空间技术领域。本发明实现方法为：建立小行星与探测器运动模型，建立小行星抵近探测器对小行星观测模型；设定采样数目、测角测距观测噪声标准差上下界，生成样本；基于样本训练SVM模型，得到用于辨识是否需要使用均方根信息滤波算法的小行星抵近定轨分类模型；对于给定小行星抵近定轨场景，使用训练好的小行星抵近定轨分类模型，辨识是否需使用均方根信息滤波算法；如果需使用均方根信息滤波算法，使用均方根信息滤波算法抵近定轨，得到抵近探测器状态估计值；如不需要，使用扩展卡尔曼滤波算法抵近定轨，得到抵近探测器状态估计值。本发明具有定轨精度高，估计误差小的优点。
-
公开(公告)号：CN115857342A
公开(公告)日：2023-03-28
申请号：CN202211499558.X
申请日：2022-11-28
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开的基于自适应神经网络的航天器观测载荷随动机构控制方法，属于空间技术领域。本发明实现方法为：通过第二类拉格朗日方程，建立航天器观测载荷随动机构的通用动力学模型；充分利用固定时间齐次理论和滑膜控制特点进行固定时间积分滑模控制，使固定时间积分滑模控制的收敛时间的上界不依赖系统初始状态；通过固定时间积分滑模控制方法控制航天器观测载荷随动机构姿态，保证航天器观测载荷随动机构的位置跟踪误差在固定时间内收敛至零的邻域内；设计神经网络固定时间积分滑模控制器，利用神经网络对航天器观测载荷随动机构模型不确定性和外界扰动逼近，通过神经网络逼近模型不确定性和外界扰动以降低固定时间积分滑模控制方法的复杂度。
-
公开(公告)号：CN117372764A
公开(公告)日：2024-01-09
申请号：CN202311336092.6
申请日：2023-10-16
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/25 , G06V10/24 , G06V10/82 , G06T17/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的一种弱光环境下非合作目标检测方法，属于航空航天技术领域。本发明采用双主干的形式将原始图像与增强后的图像分别使用主干网络进行特征提取，并对提取后的特征进行融合，增强非合作目标检测模型DS‑YOLO对于弱光环境下特征的提取能力。本发明采用2D Gamma对多种光照条件下的非合作目标进行自适应矫正，提高图像的质量，有利于空间非合作目标特征的提取，提高图像检测识别的准确率。本发明使用BiFPN作为特征融合网络，将双主干融合的目标特征更好的融合到一起，同时加入注意力机制，提高多尺度特征融合网络对空间非合作目标特征的提取能力，增强空间非合作目标检测模型的表征能力，提升对空间非合作目标的检测精度和效率。
-
公开(公告)号：CN117079002A
公开(公告)日：2023-11-17
申请号：CN202310826762.6
申请日：2023-07-07
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/28 , G06V10/25 , G06V10/30 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的一种基于累积帧差的深空动态小目标检测方法，属于航天航空技术领域。本发明使用改进三帧差法和轻量化目标检测算法，通过帧差法提取运动目标区域并进行截取，使用轻量化目标检测算法检测，提高对于动态小目标的检测能力。本发明通过将提取的第三帧图像分别与前两帧图像进行差分，对结果累积，加强对于连续帧图像信息的利用，提高三帧法对于动态目标的检测能力，由于对结果累积，提升对于慢速物体的检测能力。本发明通过中值滤波和双边滤波算法减少视频帧图像中的噪声，保留动态小目标边缘信息。引入形态学滤波抑制噪声，提高对动态小目标的提取能力，减少重影现象。本发明算法复杂度低，对硬件性能要求较低，尤其适用于星载环境部署。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
