-
公开(公告)号：CN119887852A
公开(公告)日：2025-04-25
申请号：CN202411799075.0
申请日：2024-12-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进型角点检测的LK光流目标跟踪方法，包括以下步骤：首先，获取视频当前帧，提取候选角点；对候选角点使用Shi‑Tomasi算法计算角点响应，非候选角点角点响应置0，得到角点响应矩阵R；S3、用直方图熵算法计算阈值并对角点响应矩阵R进行筛选；S4、对筛选后的角点响应矩阵R寻找局部最大值并进行非极大值抑制，抑制后角点响应矩阵R的非零点即为当前帧角点；S5、使用LK光流算法预估当前帧角点在下一帧位置，获得角点行为轨迹，实现目标跟踪；该方法通过对Shi‑Tomasi角点检测做改进，不仅能保证角点检测的正确率，而且能极大缩短检测时间，从而进一步提高LK光流目标跟踪的实时性和准确性。
-
公开(公告)号：CN118625164B
公开(公告)日：2025-04-08
申请号：CN202410599208.3
申请日：2024-05-15
Applicant: 杭州电子科技大学
IPC: G01R31/385 , G01R31/367 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种基于MSFD的动力电池故障检测方法，该方法首先采集动力电池数据并进行预处理。其次由多尺度对比学习transformer特征提取网络和一个特征融合网络，构建MSFD网络模型。然后通过多尺度对比学习transformer特征提取网络对预处理后的数据样本据进行特征提取，通过特征融合网络对提取到的特征表示进行解码，输出重构结果。最后将只包含正常工况的数据作为训练数据集，通过对比损失和重构损失进行模型训练，将包含有异常数据的数据集输入到训练后的模型，根据重构误差划分故障阈值，超过故障阈值的为故障。本发明有助于及时、准确检测动力电池中存在的故障。
-
公开(公告)号：CN114859375B
公开(公告)日：2025-01-10
申请号：CN202210387032.6
申请日：2022-04-13
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多机器人协作的自主探索建图系统及探索建图方法。本发明可以分为顶层服务器模块和底层机器人模块，其中顶层服务器模块由地图融合模块、未知边界点检测模块、边界点聚类滤波模块、探索目标点获取模块以及机器人任务分配模块五部分组成；底层机器人模块分为路径规划模块和局部地图构建模块。本方法实现了对未知环境的多机器人协作探索任务，能够自主完成栅格地图构建。本发明具有地图构建准确，探索效率高等优点，可以在很大程度上解放地图构建过程中的人力资源，具有较强的市场潜力和应用价值。
-
公开(公告)号：CN118861965A
公开(公告)日：2024-10-29
申请号：CN202410840724.0
申请日：2024-06-27
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/09 , G06N3/092 , G06V20/58 , G06V10/25 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/82 , G01S13/86 , G01D21/02 , B60W50/00 , B60W60/00
Abstract: 本发明属于深度强化学习自动驾驶领域，涉及车辆安全决策技术，具体是一种基于多模态时空表征的级联深度强化学习安全决策方法，其先构建了一个多模态时空感知编码器从多模态连续输入中联合建模空间和运动信息，以获取动态驾驶场景的当前感知表征；而后，引入未来预测编码器从当前感知表征中捕获不同交通参与者之间的交互，获取未来预测表征；而后，连接当前感知表征和未来预测表征形成多模态时空表征并作为强化学习的状态输入，以全面把握场景，并结合分布式PPO算法，在针对安全决策设计的奖励函数指导下实现安全决策任务。本发明具有很高的环境适应性和决策成功率，能够在稠密交通场景中以及突发事件下实现智能汽车的主动安全决策任务。
-
公开(公告)号：CN118731703A
公开(公告)日：2024-10-01
申请号：CN202410721187.8
申请日：2024-06-05
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/392 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了基于可扩展长短期记忆网络的动力电池包RUL估计方法，该方法首先提取电动汽车或者储能电站动力电池包，从全新到失效期间全部循环内的电池包容量信息，进行数据预处理后获取数据样本。其次构建由特征提取模块、sLSTM模块、mLSTM模块串联而成的可扩展长短期记忆网络。最后在可扩展长短期记忆网络后搭建任务层，将样本数据作为可扩展长短期记忆网络的输入，任务层的输出为该时刻滑动窗口后面的RUL。本发明可以实现电动汽车及储能电站动力电池包剩余使用寿命的估计，提高RUL预测精度，以及电动汽车及储能电站应用安全性。
-
Patent Agency Ranking
公开(公告)号：CN117741475A
公开(公告)日：2024-03-22
申请号：CN202311777348.7
申请日：2023-12-22
Applicant: 杭州电子科技大学
IPC: G01R31/389 , G01R27/02
Abstract: 本发明公开了一种新能源汽车低噪声微内阻测量枪，由十一根导线组成：开尔文四线测量线路、设备地线、通信线路、连接确认线路、低压辅助电源线路，测量枪一端与阻抗测量设备连接，另一端与新能源汽车充电口连接，该测量枪有内外两圈导线：外圈导线总共有十根细导线，其中的两根细导线组成低压辅助电源线路，其中的四根细导线组成通信线路和连接确认线路，剩下的四根细导线组成设备地线；内圈总共有四根导线，内圈的每根线都为三同轴线，组成开尔文四线测量线路。本发明可以完成导引流程和内阻测量，大幅度简化了新能源汽车微内阻测量的流程。
-
公开(公告)号：CN117132495A
公开(公告)日：2023-11-28
申请号：CN202311091769.4
申请日：2023-08-28
Applicant: 杭州电子科技大学
IPC: G06T5/00 , G06T5/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于复杂天气交通标志检测的自适应图像增强方法。本方法设计了一个基于软注意力机制的Micro CNN模型，通过学习噪声图像的特征，得到图像处理滤波器的参数。将模型输出参数与提前设置的阈值对比，确定针对本张噪声图像所使用的图像处理滤波器，本按照参数从大到小的顺序对滤波器排序，依次对噪声图像进行滤波处理。该方法通过神经网络模型确定滤波器参数，并通过自适应联合滤波策略动态选择滤波器组合，利用多个计算量低图像滤波器之间的排列组合，提高了复杂环境下对图像优化的灵活性。应用处理后的图像进行交通标志检测，可以大幅度提升图像识别算法对于受复杂天气影响的交通标志的识别准确率。
-
公开(公告)号：CN114839539A
公开(公告)日：2022-08-02
申请号：CN202210463421.2
申请日：2022-04-28
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/378 , G01R31/392
Abstract: 本发明提出一种基于多层次序列信息自适应融合的锂电池SOH估计方法。本发明搭建了一种全新的基于深度学习的序列化模型，该模型由两个级联的多层次融合模块和一个双向LSTM层搭建而成。基于所提模型能够自适应提取并融合多层次的序列化信息的优点，该模型能够在一定程度上解决了由电池数据量过少且提取不充分的问题，从而实现了较为精确的锂电池SOH的在线估计。除此之外，所提模型还具有长期记忆的优点，这进一步提高了在线估计精度。实验采用NASA锂离子数据集中的电池退化数据对所提网络模型进行仿真验证，结果表明该模型在完成锂电池SOH在线估计任务的同时，又能保证较高的鲁棒性与精确度。
-
公开(公告)号：CN113392703A
公开(公告)日：2021-09-14
申请号：CN202110510867.1
申请日：2021-05-11
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于注意力机制和非合理动作抑制的机械臂自主抓取方法。采用深度强化学习方法通过奖励函数指导智能体进行物体的自主抓取技能的学习。利用注意力机制使得网络在试错中持续关注能够提升抓取成功率的抓取位置区域；设计的非合理动作抑制策略，能够有效解决强化学习方法从仿真迁移到真实环境中存在状态差异的问题。本发明具有很高的环境适应性和抓取成功率，能够在复杂环境下实现对物体的高效自主抓取。
-
公开(公告)号：CN112560918A
公开(公告)日：2021-03-26
申请号：CN202011430608.X
申请日：2020-12-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进YOLO v3的菜品识别方法，该方法使用基于深度学习的目标检测算法，识别出菜品的种类并回归出目标的边界框，为机器人打菜操作提供类别信息与相对位置信息。该方法基于One‑Stage算法YOLO V3，并基于ResNet和SENet对其特征提取网络进行优化设计，使用一种Seblock53的特征提取网络替换Darknet53，并引入可变形卷积DCN构成新的Backbone。基于高校的菜品窗口场景的识别结果表明，该方法能够快速准确地对菜品进行定位与分类，可以实现餐厅服务机器人菜品识别功能。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.052 seconds)
