-
公开(公告)号：CN116659510B
公开(公告)日：2024-07-26
申请号：CN202310663373.6
申请日：2023-06-02
Applicant: 海南大学
IPC: G01C21/20 , G05D1/485 , G05D101/10
Abstract: 本发明提供一种水下机器人定位与避障方法、装置及存储介质。其中，所述水下机器人定位与避障方法，包括以下具体步骤：获取水下机器人下潜前的初始位姿数据；在所述水下机器人下潜过程中，根据所述初始位姿数据获取所述水下机器人实时的位姿数据，得到第一实时位姿数据，并通过声呐构建第一海底环境地图；在所述水下机器人到达工作水域后，通过多类别传感器组基于SLAM更新所述第一实时位姿数据和所述第一海底环境地图，得到第二实时位姿数据和第二海底环境地图；根据所述第二实时位姿数据和所述第二海底环境地图，对所述水下机器人进行实时定位及避障路径规划，以此实现了一种提高水下机器人的定位与避障准确性的技术方案。
-
公开(公告)号：CN116659510A
公开(公告)日：2023-08-29
申请号：CN202310663373.6
申请日：2023-06-02
Applicant: 海南大学
Abstract: 本发明提供一种水下机器人定位与避障方法、装置及存储介质。其中，所述水下机器人定位与避障方法，包括以下具体步骤：获取水下机器人下潜前的初始位姿数据；在所述水下机器人下潜过程中，根据所述初始位姿数据获取所述水下机器人实时的位姿数据，得到第一实时位姿数据，并通过声呐构建第一海底环境地图；在所述水下机器人到达工作水域后，通过多类别传感器组基于SLAM更新所述第一实时位姿数据和所述第一海底环境地图，得到第二实时位姿数据和第二海底环境地图；根据所述第二实时位姿数据和所述第二海底环境地图，对所述水下机器人进行实时定位及避障路径规划，以此实现了一种提高水下机器人的定位与避障准确性的技术方案。
-
公开(公告)号：CN117557895A
公开(公告)日：2024-02-13
申请号：CN202311651520.4
申请日：2023-12-05
Applicant: 海南大学
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/30
Abstract: 本发明涉及一种基于深度学习的水下高光谱图像分类方法、装置、计算机设备及存储介质。所述方法包括：获取水下高光谱图像并进行图像预处理，得到第一水下高光谱图像；根据水下数据信息，通过IOP模型、RTE模型模拟光传播结果，并结合第一水下高光谱图像，通过GAN模型重建水下高光谱图像，得到第二水下高光谱图像；分别将第一水下高光谱图像、第二水下高光谱图像处理成图像数据集输入至添加SE模块的非对称残差网络中进行模型训练，得到水下高光谱图像分类模型，从而进行水下高光谱图像分类。使用IOP模型、RTE模型结合GAN模型重建高质量图像，通过添加SE模块的非对称残差网络进一步提取和优化图像中的特征，能够提升水下高光谱图像分类的准确性。
-
公开(公告)号：CN117726939B
公开(公告)日：2025-04-25
申请号：CN202311646649.6
申请日：2023-12-04
Applicant: 海南大学
IPC: G06V20/10 , G06V10/72 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开一种基于多特征融合的高光谱图像分类方法，获取高光谱图像并进行预处理，获得数据集；构建初始分类模型，包括三个并行的优化后的ResNet网络、3D‑CNN网络、LSTM网络，用于分别提取特征矩阵H1、特征矩阵H2和特征矩阵H3；融合模块，用于将特征矩阵H1、特征矩阵H2、特征矩阵H3进行特征融合，得到融合后特征矩阵H0；分类器，用于将融合后特征矩阵H0作为输入，获得分类结果；将数据集输入至初始分类模型中进行训练，同时计算损失函数以Adam优化器更新模型参数，当损失函数不断下降直至收敛时，得到分类模型；将待识别高光谱图像输入至分类模型，获得分类结果。本发明能够提高高光谱图像分类的准确率。
-
公开(公告)号：CN118915774B
公开(公告)日：2025-02-07
申请号：CN202411110333.X
申请日：2024-08-14
Applicant: 海南大学
IPC: G05D1/43 , G05D1/242 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/248 , G05D1/247 , G05D1/648 , G05D105/05
Abstract: 本发明公开基于三维占据栅格地图的路径规划方法及装置。该方法，包括如下步骤：获取原始点云数据并进行预处理，采用随机采样一致性算法对原始点云数据进行滤波处理去除地面点云，得到非地面点云；对非地面点云进行坐标变换构建三维占据栅格地图，循环遍历三维占据栅格地图中设定的角度范围生成不同角度的路径点，将路径点与传感器感知范围的体素网格进行关联，获取到达传感器感知范围边界的若干条备选路径；基于预设的最优评价函数从所述若干条备选路径选取得分最高的路径，以碰撞检查机制作为约束条件，获得最优路径并将所述最优路径作为采矿车执行路径。本发明能够实现对海底采矿采矿车的准确定位和可靠导航。
-
Patent Agency Ranking
公开(公告)号：CN117967990A
公开(公告)日：2024-05-03
申请号：CN202311429820.8
申请日：2023-10-31
Applicant: 海南大学
Abstract: 本发明公开了一种分段式水下管道检测机器人，涉及水下机器人领域，本发明的技术方案包括主体，所述主体设置有行停机构和检测机构，所述主体包括第一机体、第二机体和伸缩组件，所述第一机体和所述第二机体通过所述伸缩组件连接；所述行停机构用于将主体相对管道固定或者推进；所述检测机构用于对管道检测作业。能够实现非常方便的沿管道移动，并能够稳定的停留在特定部位进行检测作业，在遇到障碍的时候，能够轻松跨越，更好的适应管道水下检测作业。
-
公开(公告)号：CN117775236A
公开(公告)日：2024-03-29
申请号：CN202311690056.X
申请日：2023-12-11
Applicant: 海南大学
Abstract: 本发明公开一种水下管道外检测机器人系统及检测方法。该系统包括作业母船通过驱动装置进行布放装置和机器人的投放和回收；机器人上设置有多重感应装置、探照灯、防护架、尾舵、主螺旋桨、侧面螺旋桨、夹爪和机体信号接收器，机器人的底部设置有检测杆，检测杆上设置有若干个激光探测头以及呈预设倾斜角度左右对称布置的检测轮，检测杆的两侧设置有与机器人固定连接的着陆架；布放装置包括布放架以及设置于所述布放架上的摄像头、信号接发装置和布放装置电子仓；控制装置设置于机器人内，包括运动控制模块、检测模块和信号模块。本发明能够在不同水深、深海不同光照环境下实现高质量的水下管道表面损伤检测。
-
公开(公告)号：CN118915774A
公开(公告)日：2024-11-08
申请号：CN202411110333.X
申请日：2024-08-14
Applicant: 海南大学
IPC: G05D1/43 , G05D1/242 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/248 , G05D1/247 , G05D1/648 , G05D105/05
Abstract: 本发明公开基于三维占据栅格地图的路径规划方法及装置。该方法，包括如下步骤：获取原始点云数据并进行预处理，采用随机采样一致性算法对原始点云数据进行滤波处理去除地面点云，得到非地面点云；对非地面点云进行坐标变换构建三维占据栅格地图，循环遍历三维占据栅格地图中设定的角度范围生成不同角度的路径点，将路径点与传感器感知范围的体素网格进行关联，获取到达传感器感知范围边界的若干条备选路径；基于预设的最优评价函数从所述若干条备选路径选取得分最高的路径，以碰撞检查机制作为约束条件，获得最优路径并将所述最优路径作为采矿车执行路径。本发明能够实现对海底采矿采矿车的准确定位和可靠导航。
-
公开(公告)号：CN118072069A
公开(公告)日：2024-05-24
申请号：CN202311651411.2
申请日：2023-12-05
Applicant: 海南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于注意力机制和卷积神经网络的两相流流型识别方法、装置、计算机设备及存储介质。所述方法包括：采集各个流型图像，并将各个流型图像按照流型进行分类，得到数据集；对数据集进行图像预处理，从数据集划分的训练集中选取图像作为样本输入到卷积神经网络中，通过特征提取以及注意力权重学习，输出分类结果；根据分类结果对卷积神经网络中的参数进行调整，得到流型识别网络模型；将待识别流型图像输入至流型识别网络模型中，得到流型识别结果。将注意力机制引入到卷积神经网络中可以强化模型对重要特征的关注、提高模型的鲁棒性和泛化能力、提升模型的效率和计算性能，从而提高气液两相流流型的识别准确率和识别效率。
-
公开(公告)号：CN117726939A
公开(公告)日：2024-03-19
申请号：CN202311646649.6
申请日：2023-12-04
Applicant: 海南大学
IPC: G06V20/10 , G06V10/72 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开一种基于多特征融合的高光谱图像分类方法，获取高光谱图像并进行预处理，获得数据集；构建初始分类模型，包括三个并行的优化后的ResNet网络、3D‑CNN网络、LSTM网络，用于分别提取特征矩阵H1、特征矩阵H2和特征矩阵H3；融合模块，用于将特征矩阵H1、特征矩阵H2、特征矩阵H3进行特征融合，得到融合后特征矩阵H0；分类器，用于将融合后特征矩阵H0作为输入，获得分类结果；将数据集输入至初始分类模型中进行训练，同时计算损失函数以Adam优化器更新模型参数，当损失函数不断下降直至收敛时，得到分类模型；将待识别高光谱图像输入至分类模型，获得分类结果。本发明能够提高高光谱图像分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.011 seconds)
