公开(公告)号：CN108776432B

公开(公告)日：2021-10-01

申请号：CN201810589307.8

申请日：2018-06-08

Applicant: 哈尔滨工程大学

Inventor： 李芃 ,  涂德志 ,  张兰勇 ,  张鑫 ,  曹聪

IPC: G05B13/04

Abstract: 本发明公开了一种基于网络的机场跑道检测机器人预测控制方法，本发明针对一种机场跑道检测机器人网络控制系统建立了机场跑道检测机器人运动学模型，并将其转化最小方差控制中所用的受控自回归积分滑动模型，然后将此模型转化为机器人在全局坐标系下x方向和y方向两个独立的单输入单输出线性模型，并通过改进的GPC算法对机场跑道检测机器人进行预测控制。本发明能够有效减少机场跑道检测机器人运动过程中受到的远程网络控制造成的网络延时及噪声干扰影响，提高了机场跑道检测机器人在网络环境下运动控制器的解算速度及其鲁棒性。

公开(公告)号：CN108776432A

公开(公告)日：2018-11-09

申请号：CN201810589307.8

申请日：2018-06-08

Applicant: 哈尔滨工程大学

Inventor： 李芃 ,  涂德志 ,  张兰勇 ,  张鑫 ,  曹聪

IPC: G05B13/04

Abstract: 本发明公开了一种基于网络的机场跑道检测机器人预测控制方法，本发明针对一种机场跑道检测机器人网络控制系统建立了机场跑道检测机器人运动学模型，并将其转化最小方差控制中所用的受控自回归积分滑动模型，然后将此模型转化为机器人在全局坐标系下x方向和y方向两个独立的单输入单输出线性模型，并通过改进的GPC算法对机场跑道检测机器人进行预测控制。本发明能够有效减少机场跑道检测机器人运动过程中受到的远程网络控制造成的网络延时及噪声干扰影响，提高了机场跑道检测机器人在网络环境下运动控制器的解算速度及其鲁棒性。

公开(公告)号：CN110084198B

公开(公告)日：2022-07-12

申请号：CN201910350193.6

申请日：2019-04-28

Applicant: 哈尔滨工程大学

Inventor： 李芃 ,  曹聪 ,  张兰勇 ,  刘胜 ,  刘洪丹 ,  孙希威 ,  涂德志 ,  张鑫

IPC: G06V20/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于Fisher特征分析的CNN机场室内场景识别方法，属于机场室内场景识别领域。本发明包括：收集机场内部不同场景区域图像样本；对采集的图像进行筛选，制作网络训练所需的数据集，数据集里包括机场内部场景图片和场景所属的类别；搭建基于Fisher特征分析的CNN算法的深度神经网络，并设置相应参数；基于数据集对该神经网络进行训练，得出Fisher特征分析的CNN训练模型；输入当前场景图像，利用基于Fisher特征分析的CNN训练模型进行识别。本发明引用基于Fisher特征分析的CNN算法对机场室内场景进行快速识别，相比传统导航机器人使用的室内场景识别方法，提高了识别的正确率。辅助服务机器人自动导航，有效节约人力资源。

公开(公告)号：CN110084198A

公开(公告)日：2019-08-02

申请号：CN201910350193.6

申请日：2019-04-28

Applicant: 哈尔滨工程大学

Inventor： 李芃 ,  曹聪 ,  张兰勇 ,  刘胜 ,  刘洪丹 ,  孙希威 ,  涂德志 ,  张鑫

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于Fisher特征分析的CNN机场室内场景识别方法，属于机场室内场景识别领域。本发明包括：收集机场内部不同场景区域图像样本；对采集的图像进行筛选，制作网络训练所需的数据集，数据集里包括机场内部场景图片和场景所属的类别；搭建基于Fisher特征分析的CNN算法的深度神经网络，并设置相应参数；基于数据集对该神经网络进行训练，得出Fisher特征分析的CNN训练模型；输入当前场景图像，利用基于Fisher特征分析的CNN训练模型进行识别。本发明引用基于Fisher特征分析的CNN算法对机场室内场景进行快速识别，相比传统导航机器人使用的室内场景识别方法，提高了识别的正确率。辅助服务机器人自动导航，有效节约人力资源。

公开(公告)号：CN109766884A

公开(公告)日：2019-05-17

申请号：CN201811602067.7

申请日：2018-12-26

Applicant: 哈尔滨工程大学

Inventor： 李芃 ,  涂德志 ,  张兰勇 ,  刘胜 ,  张鑫 ,  曹聪 ,  李华健

IPC: G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06T7/00

Abstract: 本发明公开了一种基于Faster-RCNN的机场跑道异物检测方法，属于检测领域。本发明包括：包括以下步骤：步骤S1：收集机场异物图像样本；步骤S2：制作Faster-RCNN神经网络训练所需的数据集；步骤S3：搭建基于Faster-RCNN算法的深度神经网络，并设置相应参数；步骤S4：基于数据集对该神经网络进行训练，得出Faster-RCNN的训练模型；步骤S5：输入待检测图像，利用Faster-RCNN训练模型进行检测识别。本发明引用Faster-RCNN算法对机场跑道异物进行快速检测识别，相比传统机场跑道异物检测方法，提高了检测识别的正确率，节约了人力资源，提高了机场跑道异物检测效率。