-
公开(公告)号：CN119492380A
公开(公告)日：2025-02-21
申请号：CN202411626247.4
申请日：2024-11-14
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于变换的多机器人一致性协同定位方法及系统，涉及机器人定位技术领域。本发明的技术要点包括：获取多个机器人的自身运动信息和机器人之间的相对测量信息；基于自身运动信息和相对测量信息建立线性化误差状态系统，该线性化误差状态系统的不可观子空间保持时间不变，独立于线性化点；基于线性化误差状态系统设计具有可观一致性的变换扩展卡尔曼滤波器，并利用其进行多机器人协同定位。其中，通过建立原始系统与变换后的线性化误差状态系统的不可观子空间之间的关系，提出一种基于变换的方法来建立线性化误差状态系统，解决了由于可观性不匹配而导致的不一致性问题。实验表明，本发明在准确性和一致性方面优于现有方法。
-
公开(公告)号：CN119272809A
公开(公告)日：2025-01-07
申请号：CN202411289608.0
申请日：2024-09-14
Applicant: 哈尔滨工业大学
IPC: G06N3/0455 , G06F18/10 , G06F18/213 , G06N3/0499 , G06N3/08 , G06F17/16
Abstract: 本发明提供了一种基于交叉Transformer网络架构的数据关联方法及系统，属于人工智能技术领域。为了解决现有多目标跟踪在网络构架上存在误报和漏检情况，导致数据关联结果的准确率下降的问题。本发明通过定义相对距离特征矩阵，该矩阵允许通过采用数据填充和分块技术来进行数据标准化；然后构建基于交叉Transformer的数据关联网络，该网络有效地从与连续时间实例对应的距离矩阵中提取特征；此外，通过数据后处理算法来细化从CTDA网络获得的关联结果，从而确保准确的目标跟踪。
-
公开(公告)号：CN117934868B
公开(公告)日：2024-07-30
申请号：CN202410116939.8
申请日：2024-01-29
Applicant: 哈尔滨工业大学
IPC: G06V10/46 , G06N3/0464 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种图像特征检测方法及系统，涉及图像处理技术领域。本发明的技术要点包括：获取多组图像的特征点和对应的描述子；基于FasterNet模块构建图像特征检测模型，并将多组图像的特征点和对应的描述子输入图像特征检测模型中进行训练，获取训练好的图像特征检测模型；将待检测图像输入训练好的图像特征检测模型中，获取待检测图像的特征点和描述子。本发明引入一种轻量级神经网络EdgePoint，设计了一种新的检测损失函数来提高推断速度；提出了正交对齐损失和局部PCA压缩结合，以学习紧凑的32维描述符。实验结果表明，本发明在多个数据集上表现优于SuperPoint方法，使其成为多摄像头或多机器人任务的高效解决方案。
-
公开(公告)号：CN112925349A
公开(公告)日：2021-06-08
申请号：CN202110139124.8
申请日：2021-02-01
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 一种无人机桥面覆盖运动规划方法，属于无人机控制技术领域。本发明为了解决在桥梁表面自动化检测任务中，无人机平稳完成桥面全覆盖同时满足覆盖分辨率要求的运动规划问题。本发明首先建立了地理坐标系、机体坐标系、桥面坐标系，并给出了机载摄像头的测量模型，给出了覆盖空间、覆盖面、覆盖分辨率的定义；然后采用直线扫描的形式对桥面的拓扑结构进行分解并针对每个分解单元确定弓字型的覆盖路径；之后采用一种整数优化的方法确定了单元的覆盖顺序；然后结合无人机到桥面的距离范围，给出了覆盖任务下无人机飞行空间的两种数学描述；最后以无人机飞行平稳性为指标，结合位置、速度、加速度、飞行空间、全覆盖要求等限制，提出了一种采用曲线优化获取运动轨迹函数的方法。本发明适用于无人机在桥梁检测任务下快速平稳的完成桥面全覆盖的运动轨迹规划。
-
公开(公告)号：CN117786534B
公开(公告)日：2024-07-12
申请号：CN202410087340.6
申请日：2024-01-22
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的高超声速飞行器运动行为识别方法及系统，涉及飞行器运动行为识别技术领域。本发明的技术要点包括：建立高超声速飞行器的运动模型；基于运动模型和约束条件构建高超声速飞行器航迹数据集；将高超声速飞行器航迹数据集输入基于深度学习的高超声速飞行器运动行为识别模型中进行训练，获取训练好的高超声速飞行器运动行为识别模型；将待识别高超声速飞行器运动轨迹输入训练好的高超声速飞行器运动行为识别模型中，获取待识别高超声速飞行器运动参数，进而识别其运动行为。本发明能够实现对高超声速飞行器运动行为的准确识别，且有一定的泛化能力，能为后续的防御决策提供有力的参考信息。
-
Patent Agency Ranking
公开(公告)号：CN113194502B
公开(公告)日：2022-06-21
申请号：CN202110482235.9
申请日：2021-04-30
Applicant: 哈尔滨工业大学
Abstract: 一种无人机集群的分布式中心选择和通信方法，属于无人机通信技术领域，用以解决现有集中式通信网络由于中心节点断开连接而导致无人机群通信网络崩溃的问题。本发明的技术要点包括：将无人机节点状态描述为下述三者之一：Leader、Follower和Candidate，通过动态地调整节点状态来应对复杂的网络环境，考虑了节点状态转换中可能出现的各种情况，并给出了应对策略，当通信网络中Leader不存在或断开连接，无人机机群能快速地、自主地、分布式地选取出新的Leader作为中心节点，以此建立新的集中式通信网络。本发明保证了后端的全局态势感知和决策的全局最优性，同时解决了对抗环境下集中式通信架构不鲁棒的问题。本发明可用于无人机集群的任务分配中。
-
公开(公告)号：CN114353800A
公开(公告)日：2022-04-15
申请号：CN202111671574.8
申请日：2021-12-31
Applicant: 哈尔滨工业大学
IPC: G01C21/20
Abstract: 一种基于谱图方法的多机器人互定位可观性判别方法及系统，涉及多机器人互定位技术领域，用以解决任意相对位置测量构型和运动约束条件下多机器人互定位系统的可观性判别问题。本发明的技术要点包括：首先为多机器人互定位系统定义了拓展相对位置测量图，包括相对位置测量配置和运动约束条件，进而给出了快速判别系统可观或不可观的充分条件；然后构造了基于拓展相对位置测量图的可观性判别矩阵，并基于该判别矩阵给出可观性判别的充要条件。本发明简化了判别基于相对位置测量的多机器人互定位可观性的逻辑与计算量。本发明可应用于判别相对位置测量的多机器人互定位可观性和多机器人互定位系统相对位置量测拓扑结构设计中。
-
公开(公告)号：CN119653305A
公开(公告)日：2025-03-18
申请号：CN202411677129.6
申请日：2024-11-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种通信高效的双融合一致性分布式协同定位方法及系统，涉及多机器人协同定位技术领域。本发明的技术要点包括：对于多机器人系统，每个机器人依次执行以下操作以获得自身定位：自我运动预测：基于自运动信息，使用扩展卡尔曼滤波器预测自身的状态估计和协方差估计；异构融合：机器人获取邻近观察到的机器人的状态估计和协方差估计，并将自身的估计和来自邻近观察到的机器人的估计以及相对或绝对测量进行联合融合；同构融合：使用协方差交集技术将联合融合获得的后验估计与自身的估计结合在一起，从而获得最终位置估计。本发明结合了异构和同构融合，对存储、通信负载和网络连接性要求最低，确保了充分利用所有可用信息。
-
公开(公告)号：CN117953012A
公开(公告)日：2024-04-30
申请号：CN202410123665.5
申请日：2024-01-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于改进多相机17点法的相对位姿估计方法及系统。该方法包括：多个相机同时连续采集图像，获取相邻时刻的多组图像；对多组图像提取特征点，并对相邻时刻的两组图像进行特征点匹配，获取相邻时刻的多组二维匹配对；基于二维匹配对构建多特征之间的跟踪流；对于多组跟踪流，利用改进多相机17点法求解获取多相机之间相对位姿。本发明对多相机17点法进行优化改进，以解决17点法由于松弛带来的精度及鲁棒性下降的问题，在传统17点法的解的基础上，通过对各状态在流型上施加小扰动，经过线性近似之后通过一个线性方程组获得相对位姿的优化更新量，并在流型上更新状态，提升了传统17点法的精度和鲁棒性。
-
公开(公告)号：CN117786534A
公开(公告)日：2024-03-29
申请号：CN202410087340.6
申请日：2024-01-22
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的高超声速飞行器运动行为识别方法及系统，涉及飞行器运动行为识别技术领域。本发明的技术要点包括：建立高超声速飞行器的运动模型；基于运动模型和约束条件构建高超声速飞行器航迹数据集；将高超声速飞行器航迹数据集输入基于深度学习的高超声速飞行器运动行为识别模型中进行训练，获取训练好的高超声速飞行器运动行为识别模型；将待识别高超声速飞行器运动轨迹输入训练好的高超声速飞行器运动行为识别模型中，获取待识别高超声速飞行器运动参数，进而识别其运动行为。本发明能够实现对高超声速飞行器运动行为的准确识别，且有一定的泛化能力，能为后续的防御决策提供有力的参考信息。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.023 seconds)
