一种用于无人机高动态遥感的测绘图像清晰度优化方法

    公开(公告)号:CN114998127B

    公开(公告)日:2024-03-29

    申请号:CN202210575914.5

    申请日:2022-05-25

    Applicant: 江南大学

    Abstract: 本发明公开了一种用于无人机高动态遥感的测绘图像清晰度优化方法,包括以下步骤:步骤1:选取无人机拍摄到的目标图像,对该目标图像上的每个像素点进行双三次插值,得到放大的目标图像;步骤2:对放大的目标图像进行边缘信息提取,得到放大的目标图像的边缘像素点以及边缘像素点两侧的像素点;步骤3:将放大的目标图像的边缘像素点以及位于边缘像素点两侧的像素点,逐一与梯度矩阵做卷积运算,生成像素点在最大梯度方向上的新像素点;步骤4:取放大的目标图像的边缘像素点以及位于边缘像素点两侧的像素点,逐一判断是否需要修正,对于需要修正的像素点在最大梯度方向上进行修正,最终得到清晰的目标图像。

    基于测距点边界膨胀的激光测距噪声抑制及定位建图方法

    公开(公告)号:CN116699645A

    公开(公告)日:2023-09-05

    申请号:CN202310480854.3

    申请日:2023-04-28

    Applicant: 江南大学

    Abstract: 本发明公开了基于测距点边界膨胀的激光测距噪声抑制及定位建图方法,包括:根据实际情况选择一定的膨胀系数ρ;利用激光雷达遍历待建图地点,记录所有的激光雷达的点云数据;对激光雷达点云数据进行边界膨胀和抑制噪声处理,得到处理后测距数据的标称实际值;利用SLAM算法对处理后的激光的点云数据进行建图,得到所选地点的完整地图。本发明有效抑制了激光雷达噪声,增强了激光雷达定位能力,强化了机器人避障能力,且简单易操作。

    一种无人机任务卸载与轨迹规划方法及系统

    公开(公告)号:CN119882768A

    公开(公告)日:2025-04-25

    申请号:CN202411987353.5

    申请日:2024-12-31

    Applicant: 江南大学

    Abstract: 本发明涉及移动边缘计算领域,尤其涉及一种无人机任务卸载与轨迹规划方法及系统。本发明构建目标区域的系统模型、无人机移动模型、任务模型、无人机能耗模型,基于目标区域的系统模型、无人机移动模型、任务模型与无人机能耗模型,构建无人机任务卸载与路径规划策略的优化函数与约束条件,并将求解无人机任务卸载与路径规划策略的过程描述为马尔科夫决策过程,建立状态空间、动作空间及奖励函数,得到深度强化学习框架;采用双重深度Q网络对马尔科夫决策过程进行求解,解得满足约束条件的最优无人机任务卸载与路径规划策略。本发明显著提高了系统的任务完成率,保障了无人机在复杂环境中的稳定性和有效性。

    基于流形空间协方差递推的连续离散卡尔曼状态估计方法

    公开(公告)号:CN117875226B

    公开(公告)日:2024-06-18

    申请号:CN202410284459.2

    申请日:2024-03-13

    Applicant: 江南大学

    Abstract: 本发明公开了基于流形空间协方差递推的连续离散卡尔曼状态估计方法,包括根据状态估计变量和动力学关系,基于随机微分方程构建姿态估计连续离散动力学模型;初始化参数;设定飞行器状态的预测阶段,初始化第k次测量采样对应的时刻的后验估计状态和协方差矩阵,建立距微分方程;将协方差矩阵作为SPD空间内的黎曼流形变量,把预测阶段分为N个中间时刻,对第i个中间时刻进行自加,利用递推公式计算协方差微分方程中的状态均值及协方差,迭代N次,直到所有的中间时刻完成计算;校正更新,计算第k次测量采样对应的时刻的状态值和协方差矩阵。本发明减小了协方差递推误差,提高了状态估计可靠性和精确度。

    基于流形空间协方差递推的连续离散卡尔曼状态估计方法

    公开(公告)号:CN117875226A

    公开(公告)日:2024-04-12

    申请号:CN202410284459.2

    申请日:2024-03-13

    Applicant: 江南大学

    Abstract: 本发明公开了基于流形空间协方差递推的连续离散卡尔曼状态估计方法,包括根据状态估计变量和动力学关系,基于随机微分方程构建姿态估计连续离散动力学模型;初始化参数;设定飞行器状态的预测阶段,初始化第k次测量采样对应的时刻的后验估计状态和协方差矩阵,建立距微分方程;将协方差矩阵作为SPD空间内的黎曼流形变量,把预测阶段分为N个中间时刻,对第i个中间时刻进行自加,利用递推公式计算协方差微分方程中的状态均值及协方差,迭代N次,直到所有的中间时刻完成计算;校正更新,计算第k次测量采样对应的时刻的状态值和协方差矩阵。本发明减小了协方差递推误差,提高了状态估计可靠性和精确度。

    基于动态颜色阈值与激光深度协同的目标定位方法、系统

    公开(公告)号:CN119863524A

    公开(公告)日:2025-04-22

    申请号:CN202510336303.9

    申请日:2025-03-21

    Applicant: 江南大学

    Abstract: 本发明公开了基于动态颜色阈值与激光深度协同的目标定位方法、系统,该方法包括通过双目相机采集检测环境的左右视图,以左右视图中符合设定阈值颜色且符合设定面积、长宽比阈值的物体为目标,计算双目相机下像素坐标系的目标的中心坐标;根据相机内参矩阵得到目标的深度,当深度正常时,采用矩阵变换,将像素坐标系下目标的中心坐标转换为极坐标,得到目标的粗定位结果;订阅激光雷达数据,将激光雷达数据与左右视图进行时间配准,提取激光数组中的目标距离信息,当存在匹配点云时,计算激光校准后的目标位置;利用优化后的卡尔曼滤波增益动态更新目标坐标估计值,完成目标定位。本发明实现了不同光照环境下鲁棒感知与高精度定位。

Patent Agency Ranking