基于规范多元分解神经辐射场的声呐图像三维重建方法

    公开(公告)号:CN119091050B

    公开(公告)日:2025-05-06

    申请号:CN202411249838.4

    申请日:2024-09-06

    Abstract: 本发明公开了一种基于规范多元分解神经辐射场的声呐图像三维重建方法,属于声纳探测图像的技术领域,包括以下步骤:S1:建立声呐的主体坐标框架FS;S2:建立张量辐射场,使用张量辐射场相应建立粒子密度模型σ(x)和强度值模型η(x);S3:建立兰伯特渲染模型,最小化声呐图像的渲染损失;S4:对参数进行参数离散化;S5:在已知姿态的情况下,捕获一组声呐图像,使用损失函数对张量辐射场进行优化,直到训练完成;S6:使用上述训练好的模型对检测物体进行重构;本发明采用上述方法,通过探索兰伯特余弦定律和等密度曲面,提出了Lambertain‑TRF的方法,提高了计算效率。

    基于最差情况的不确定性系统李雅普诺夫稳定强化学习控制算法

    公开(公告)号:CN119439743A

    公开(公告)日:2025-02-14

    申请号:CN202411584075.9

    申请日:2024-11-07

    Abstract: 本发明公开了基于最差情况的不确定性系统李雅普诺夫稳定强化学习控制算法,包括以下步骤:S1、通过relu激活网络对系统动力学模型和不确定性边界进行建模;S2、确定鲁棒性条件,并将其用于预先确定吸引域的面积;S3、确定动力学模型不确定性和状态估计下的鲁棒性保证RL;S4、网络参数化建立;S5、对倒立摆和四旋翼无人机进行数值模拟。本发明采用上述的基于最差情况的不确定性系统李雅普诺夫稳定强化学习控制算法,仍然可以准确地找到最违逆的状态,从而强制其在不确定性下的稳定性,给出了鲁棒RL问题解存在性的几何视图来解释鲁棒性及其能力,在各种不确定性下对倒立摆和四旋翼机的数值模拟证明了所提出方法的有效性。

    基于规范多元分解神经辐射场的声呐图像三维重建方法

    公开(公告)号:CN119091050A

    公开(公告)日:2024-12-06

    申请号:CN202411249838.4

    申请日:2024-09-06

    Abstract: 本发明公开了一种基于规范多元分解神经辐射场的声呐图像三维重建方法,属于声纳探测图像的技术领域,包括以下步骤:S1:建立声呐的主体坐标框架FS;S2:建立张量辐射场,使用张量辐射场相应建立粒子密度模型σ(x)和强度值模型η(x);S3:建立兰伯特渲染模型,最小化声呐图像的渲染损失;S4:对参数进行参数离散化;S5:在已知姿态的情况下,捕获一组声呐图像,使用损失函数对张量辐射场进行优化,直到训练完成;S6:使用上述训练好的模型对检测物体进行重构;本发明采用上述方法,通过探索兰伯特余弦定律和等密度曲面,提出了Lambertain‑TRF的方法,提高了计算效率。

Patent Agency Ranking