-
公开(公告)号：CN119515730A
公开(公告)日：2025-02-25
申请号：CN202510082525.2
申请日：2025-01-20
Applicant: 南开大学
IPC: G06T5/73 , G06T5/60 , G06T7/73 , G06T7/207 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明涉及计算机视觉和深度学习技术领域，提供一种基于模糊处理和目标检测的SLAM动态扰动抑制方法，包括：获得模糊去除器；运用模糊去除器对图像进行模糊处理，提取ORB特征点；获得动态目标检测器；通过动态目标检测器对清晰图像进行检测，获得目标检测框；根据目标检测框以及ORB特征点对清晰图像中物体的运动状态进行分类，运用重叠框策略和对极几何约束获得静态特征点集；根据静态特征点集进行系统位姿估计和轨迹预测。本发明通过去模糊削减了动态目标对系统其他部分的不利影响，目标检测功能可以精确识别动态目标，再结合重叠框策略和对极几何约束，实现对动态特征点的全面剔除，使系统整体性能得到了良好改善。
-
公开(公告)号：CN118628882B
公开(公告)日：2024-12-24
申请号：CN202411111035.2
申请日：2024-08-14
Applicant: 南开大学
IPC: G06V10/80 , G06N3/045 , G06N3/0464 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及红外图像目标检测技术领域，提供一种基于YOLO的红外图像目标检测方法，包括：采用CSPDarknet作为主干网络，包括CBS模块和C2f模块；通过CBS模块对红外图像进行CBS处理，获得第一CBS结果，通过C2f模块对第一CBS结果进行特征提取，获得第一特征、第二特征和第三特征；对第一特征、第二特征和第三特征进行处理，获得第一融合特征、第二融合特征和第三融合特征；通过YOLOv8s检测头网络分别对第一融合特征、第二融合特征和第三融合特征进行分类和定位，获得检测结果集合，获得目标检测结果。本发明实现了具备更低计算量和更高检测精度的红外图像目标检测方法。
-
公开(公告)号：CN118762172B
公开(公告)日：2024-12-20
申请号：CN202411246219.X
申请日：2024-09-06
Applicant: 南开大学
IPC: G06V10/25 , G06N3/0464 , G06N3/08 , G06V10/22 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及红外图像目标检测领域，提供一种组群特征交互与赋值特征融合的红外目标检测方法，包括：通过主干网络提取红外图像信息，获得红外图像特征；对红外图像特征交互，获得第四、五、六特征；通过第四融合模块对第五、第六特征融合，获得第四融合特征并存储，通过第一融合模块对第四、第四融合特征融合，获得第一融合特征并存储，通过第二融合模块对存储的第一融合特征和存储的第四融合特征融合，获得第二融合特征并存储，通过第三融合模块对存储的第二融合特征和第六特征融合，获得第三融合特征；通过检测头网络对第一、第二和第三融合特征分类定位，获得检测结果。本发明实现了以较低参数量和计算成本，获得更高的红外目标检测精度。
-
公开(公告)号：CN118551482A
公开(公告)日：2024-08-27
申请号：CN202410915381.X
申请日：2024-07-09
Applicant: 南开大学
Abstract: 本发明涉及非电变量的控制或调节系统技术领域，尤其涉及一种多拦截飞行器协同突防博弈制导律设计方法，包括如下步骤：建立三维相对运动模型；设定存在时间#imgabs0#使各拦截飞行器在#imgabs1#内的一个时间点达到预设制导效果；为各拦截飞行器设定状态空间、动作空间及奖励函数；初始化状态空间、动作空间、奖励函数及网络参数；对各拦截飞行器在每一个设定的时间步内根据当前actor网络及状态选择动作，并将经验元组数据进行存储；随机抽取经验元组数据对网络进行学习，并更新网络；重复迭代直至设计的动作使各拦截飞行器达到预设制导效果。本发明提供的方法具有高度的适应性，强大的决策能力以及协同效率，方案先进且灵活有效。
-
公开(公告)号：CN118506172A
公开(公告)日：2024-08-16
申请号：CN202410948242.7
申请日：2024-07-16
Applicant: 南开大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于泛化先验监督的水下显著物体检测方法，涉及目标检测技术领域。具体包括：采集待检测图；通过轻量视觉编码器对待检测图进行深度特征提取，获得深度特征图；基于泛化暗通道先验算法计算待检测图中的环境光，获得介质传输图；通过介质传输图监督深度特征图的提取，获得监督特征图；将待检测图及监督特征图进行特征融合，获得显著性图；对显著性图进行目标检测。本发明不仅增强了模型对水下特定环境的适应性，而且提高了检测的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN117060674B
公开(公告)日：2023-12-22
申请号：CN202311310897.3
申请日：2023-10-11
Applicant: 南开大学
Abstract: 本发明涉及能源技术领域，尤其涉及基于仿生波动鳍的电磁式发电装置。基于仿生波动鳍的电磁式发电装置包括：支架；中心轴，所述中心轴的两端固定在所述支架上；多个转子和多个定子，所述定子固定在所述中心轴上，所述转子可转动地固定在所述中心轴上，所述转子包括磁体阵列，所述定子包括线圈阵列，相邻两个所述转子之间设置至少一个所述定子，且相邻的所述转子和所述定子之间设置有间隙；仿生波动鳍，所述仿生波动鳍与所述转子连接，带动所述磁体阵列绕所述中心轴转动。基于仿生波动鳍的电磁式发电装置噪声小，对水下环境扰动小，生态环境友好，同时其不需要复杂传动增速系统，结构更加简单，轻巧；能源利用率高，发电效率高，功率密度大。
-
公开(公告)号：CN117216482A
公开(公告)日：2023-12-12
申请号：CN202311465494.6
申请日：2023-11-07
Applicant: 南开大学
Abstract: 本发明涉及电数字处理技术领域，尤其涉及借助迭代策略增强卡尔曼滤波器抗野值干扰能力的方法，包括如下步骤：生成容积样本；获得预测样本，计算先验估计均值及先验估计协方差；生成重采样状态样本；获得观测量预测样本并预测观测量均值及观测量协方差；计算状态与观测之间的互协方差；得到线性化观测模型；计算线性化误差协方差、总观测噪声协方差、归一化残差；计算权重、权重矩阵，重加权修正总观测噪声协方差；计算卡尔曼增益、后验协方差及后验状态均值；更新重加权后原始观测噪声协方差，直至迭代更新达到设定次数。本发明提供的方法有助于提高卡尔曼滤波器的精度和鲁棒性，防止卡尔曼滤波器发散。
-
公开(公告)号：CN116721112B
公开(公告)日：2023-10-24
申请号：CN202311000476.0
申请日：2023-08-10
Applicant: 南开大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明涉及计算机视觉技术领域，提供一种基于双分支解码器网络的水下伪装物体图像分割方法。该方法提出的解码器网络采用双分支结构，一支解码器使用通道注意力模块增强特征并接受边缘指导信息，另一支解码器使用空间注意力模块增强特征并接受全局指导信息，还在解码器每层之间提出信息交互模块，将两个分支的信息进行融合后输送到下一层解码器从而得到更好的信息融合效果，还提出选择性分支聚合模块中，其会自适应的学习如何在两个分支上权衡不同的注意力从而更好的对结果进行融合，最终产生双解码器注意力网络的预测图并接受真值图像的监督。本发明可以提高分割水下伪装目标时的准确性以及识别速度，提高水下目标识别任务的智能化水平。
-
公开(公告)号：CN116721112A
公开(公告)日：2023-09-08
申请号：CN202311000476.0
申请日：2023-08-10
Applicant: 南开大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明涉及计算机视觉技术领域，提供一种基于双分支解码器网络的水下伪装物体图像分割方法。该方法提出的解码器网络采用双分支结构，一支解码器使用通道注意力模块增强特征并接受边缘指导信息，另一支解码器使用空间注意力模块增强特征并接受全局指导信息，还在解码器每层之间提出信息交互模块，将两个分支的信息进行融合后输送到下一层解码器从而得到更好的信息融合效果，还提出选择性分支聚合模块中，其会自适应的学习如何在两个分支上权衡不同的注意力从而更好的对结果进行融合，最终产生双解码器注意力网络的预测图并接受真值图像的监督。本发明可以提高分割水下伪装目标时的准确性以及识别速度，提高水下目标识别任务的智能化水平。
-
公开(公告)号：CN119916699A
公开(公告)日：2025-05-02
申请号：CN202510423681.0
申请日：2025-04-07
Applicant: 南开大学
IPC: G05B13/04
Abstract: 本发明涉及飞行器拦截技术领域，提供一种基于强化学习和滑模控制的飞行器碰撞角防御方法和系统。构建来袭飞行器‑目标‑防御飞行器的三体动力学模型；根据所述三体动力学模型构建制导律设计目标；根据所述三体动力学模型和所述制导律设计目标构建防御飞行器滑模制导律；对所述防御飞行器滑模制导律进行深度学习得到防御模型；根据所述防御模型对飞行器进行拦截。本发明中，将深度强化学习与传统滑模控制相结合，引导智能体在前期非盲目性的探索，且在对奖励函数的设计中，添加整型奖励函数，实现强化学习的快速收敛，完成三体对抗中防御飞行器主动防御制导以较高的精度及角度约束实现对来袭飞行器的拦截。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.029 seconds)
