-
公开(公告)号：CN115375925A
公开(公告)日：2022-11-22
申请号：CN202210943309.9
申请日：2022-08-08
Applicant: 哈尔滨工业大学(威海) , 山东船舶技术研究院
Abstract: 本发明公开了一种基于相位信息和深度学习的水下声呐图像匹配算法，包括：导入声呐数据，解析为视觉图像格式并存储辅助信息，利用辅助信息进行图片分割，构建待匹配的图像对；将图像对中的图像进行去噪与增强预处理；根据相位一致性原理提取所述图像的相位信息，并可视化相位极值图层，提取相关的特征点信息；搭建双通道卷积神经网络，存储训练权重，进行特征点局部区域相似度度量；依据相似性度量进行特征匹配并剔除错误匹配，存储正确匹配对信息。本发明将相位信息和深度特征结合应用于水下侧扫声呐图像上的，结合二者进行匹配，能够检测出丰富的特征点并且提供高精度的匹配结果；解决水下声呐图像普遍存在的复杂的非线性差异问题。
-
Patent Agency Ranking
公开(公告)号：CN117909674A
公开(公告)日：2024-04-19
申请号：CN202311719892.6
申请日：2023-12-14
Applicant: 中国船舶集团有限公司系统工程研究院 , 中船智海创新研究院有限公司 , 哈尔滨工业大学(威海)
Abstract: 本发明提供一种无人艇航行目标态势评估分析方法、系统、电子设备及存储介质。其中，方法包括：选择无人艇态势要素，作为评估模型的输入参数和输出参数；对无人艇态势要素进行模糊化预处理；分析无人艇态势要素之间的因果关系，确定这些要素之间的影响程度以及评估模型的节点连接方向；根据评估模型的节点连接方向构建贝叶斯网络模型，作为评估模型；确定贝叶斯网络模型各个节点的条件概率表，对贝叶斯网络模型进行参数设定；根据各个节点的条件概率，计算各个节点的的敏感性系数；根据选择的无人艇态势要素，通过构建好的贝叶斯网络模型对无人艇目标态势进行分析估计。
-
公开(公告)号：CN117011885A
公开(公告)日：2023-11-07
申请号：CN202310723401.9
申请日：2023-06-19
Applicant: 哈尔滨工业大学(威海)
IPC: G06V40/10 , G06V20/05 , G06V10/10 , G06V10/774 , G06V10/46 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于海参采捕的图像拼接和目标识别方法，包括获取水下海参数据集并对数据集进行标注和划分；搭建深度学习模型并设置模型训练参数，运行模型开启训练全程监控；存储训练好的水下海参识别模型；对导入的图像进行预处理，计算Ratio指标，并选择合适的图像排序算法将图像序列排序；将图像拼接，对拼接后图像进行修复；通过部署在嵌入式平台上的训练好的模型对获取的图像进行海参的识别。本发明通过对获取的水下光学或声学图像进行图像排序与拼接等处理，并基于YOLOv5深度学习模型及其在嵌入式系统中的部署，实现对海参的高精度、高效率的识别，为取代人工捕捞的水下海参智能采捕机器人的视觉系统设计提供了可行的设计方案。
-
公开(公告)号：CN117420833A
公开(公告)日：2024-01-19
申请号：CN202311523651.4
申请日：2023-11-15
Applicant: 中国船舶集团有限公司系统工程研究院 , 中船智海创新研究院有限公司 , 哈尔滨工业大学(威海)
Abstract: 本发明提出了一种面向复杂潜水区域水面无人艇的路径规划方法，包括以下步骤：环境建模，采用栅格法对无人艇工作环境进行建模；全局路径规划，在栅格地图上,首先从起点开始,利用增强型A*算法搜索出一条避开障碍物的全局规划路径；路径跟踪，获得路径规划结果后,切换到路径跟踪模式,根据控制理论设计的PID控制器,控制艇体沿规划路径准确航行。本发明在环境建模、路径规划算法等方面进行了改进,使得路径规划更加高效准确,并且能够处理复杂多障碍的环境,达到更好的规划效果，本发明还能够有效解决现有技术面临的路径oscillations、冗余移动等问题。
-
公开(公告)号：CN117830816A
公开(公告)日：2024-04-05
申请号：CN202311830393.4
申请日：2023-12-28
Applicant: 中国船舶集团有限公司系统工程研究院 , 中船智海创新研究院有限公司 , 哈尔滨工业大学(威海)
IPC: G06V20/05 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明提供一种水面无人艇对水下目标的识别方法、系统、电子设备及存储介质。其中，方法包括：搭建CNN主干网络，提取图像第一特征的序列，并引入位置编码；将所述图像第一特征序列输入Transformer网络的编码器，提取图像第二特征；将所述图像第二特征输入Transformer网络的解码器，输出识别结果；应用预处理后的目标的图像对所述CNN主干网络、Transformer网络的编码器和Transformer网络的解码器构成的DETR模型进行训练；用训练好的DETR模型对待检测目标图像进行识别，得到识别结果。本发明提出的方案能够增强了模型的泛化能力和鲁棒性，有效提高水下复杂的环境中目标识别的速度和精度。
-
公开(公告)号：CN116824045A
公开(公告)日：2023-09-29
申请号：CN202310641592.4
申请日：2023-06-01
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明属于机械图像处理领域，特别涉及一种基于多种特征点检测的图像点云图生成算法，公开了一种基于3D重建技术的绘图软件方法包括，通过使用Matlab工具对单目相机进行内部参数矩阵标定和特征点检测生成基本矩阵；通过测量和函数算法将特征点提取生成三维空间上的匹配点和点云图；通过对三维点云图进行处理生成三维模型文件；展示点云差异图，利用RANSAC算法实现平面图生成。本发明实现了用多种算子把单目相机拍摄的二维图片转化为三维点云图，有效利用了Matlab工具箱算法以及先进的深度学习方法，生成点云差异图和3D模型，能够检测出丰富的特征点并且提供高精度的stl三维模型，可以部署在多种硬件上，易于推广。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
