-
公开(公告)号：CN118195085A
公开(公告)日：2024-06-14
申请号：CN202410406933.4
申请日：2024-04-07
Applicant: 海南大学
IPC: G06Q10/04 , G06Q10/063 , G06Q50/26
Abstract: 本发明涉及一种基于后悔值策略梯度的水面无人艇集群对抗策略优化方法，首先，为满足无人艇集群对抗的要求，设计合适的对抗场景，并制定合理的奖励函数对无人艇的决策进行评价。然后，采用一种后悔值策略梯度算法，将优势值式样的后悔值与强化学习中的策略梯度相结合，以改进策略网络参数的更新方式，从而提高决策效率。最后，与部署传统演员‑评论家算法策略的无人艇进行对抗演练，并评估无人艇集群对抗的性能表现。本发明的策略优化方法具备泛化能力，能够适用于不同类型无人艇集群、应对不同对抗环境，并实现多样化的任务目标。
-
公开(公告)号：CN118192635A
公开(公告)日：2024-06-14
申请号：CN202410407734.5
申请日：2024-04-07
Applicant: 海南大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明涉及一种基于ETM‑MDQN的无人机自适应路径规划方法、装置及介质，其中方法包括以下步骤：构建深度强化学习MDQN网络，将无人机路径规划问题建模为马尔可夫决策过程；根据无人机与障碍物的实际距离状态和状态变化误差设定事件触发机制的触发条件，当满足预设的事件触发条件时更新无人机的动作策略和MDQN网络的Q值；通过最小化损失函数优化MDQN网络的参数；利用优化后的MDQN网络进行实时无人机自适应路径规划。与现有技术相比，本发明充分利用计算资源，考虑了未来多个时间步的奖励，提高了复杂环境下路径规划策略的鲁棒性和有效性。
-
公开(公告)号：CN118092487A
公开(公告)日：2024-05-28
申请号：CN202311772605.8
申请日：2023-12-21
Applicant: 海南大学
IPC: G05D1/49 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明涉及一种基于毫米波雷达和视觉协同的艇载无人机降落方法和系统。系统包括无人机和停机平台。无人机，包括无人机基本结构及其精准定位模块、飞行控制模块、机载微型处理器和相应的传感器部件，其中精准定位模块用于获取停机平台的精确位置，包括卫星定位子模块、毫米波雷达定位子模块与视觉定位子模块；停机平台，包括停机平台、精准定位模块所需的标识码与固定无人机的自动推杆。相比于现有的其他发明技术，本发明提出的无人机自主降落系统具有全天候、高精度、大范围、低成本、抗干扰的明显优势。
-
Patent Agency Ranking
公开(公告)号：CN118192584A
公开(公告)日：2024-06-14
申请号：CN202410406939.1
申请日：2024-04-07
Applicant: 海南大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及一种基于MPC‑NDQN的无人机着艇方法、设备、介质，方法包括如下步骤：通过构建无人机动力学模型，得到基于输入控制量和状态变量的离散化的线性状态空间方程，通过MPC得到未来一段时间内的着艇轨迹；基于着艇轨迹，利用NDQN更新噪声网络的网络参数；基于更新后的噪声网络得到最优动作，实现无人机飞行姿态的控制，NDQN中，以无人机的位姿和降落点的坐标作为状态空间，以无人机的飞行姿态作为动作空间，以着艇轨迹跟踪率作为奖励函数，且采用计及新老信息置信度和远见程度的价值函数。NDQN网络中带有标准正态分布的噪声，能在训练时产生一定的随机性，因此无人机即使在不确定的环境下也能精准跟踪最优着艇轨迹。
-
公开(公告)号：CN118189963A
公开(公告)日：2024-06-14
申请号：CN202410306014.X
申请日：2024-03-18
Applicant: 海南大学
Abstract: 本发明涉及一种基于点线特征的无人船双目视觉同步定位与建图方法，包括如下步骤：获取无人船双目摄像头采集的图像，通过特征提取得到点特征和线特征；基于所述点特征和线特征，通过与历史图像帧进行匹配，获取当前图像帧的位姿估计，实现无人船的定位；判断是否插入新的关键帧，若插入新的关键帧，基于关键帧对构建的局部地图进行束调整；通过计算关键帧间的相似性对轨迹中的环路闭合进行估计，并对轨迹进行校正；完成地图的构建。与现有技术相比，本发明具有适应性强、鲁棒性、实时性强等优点。
-
公开(公告)号：CN118155098A
公开(公告)日：2024-06-07
申请号：CN202410305631.8
申请日：2024-03-18
Applicant: 海南大学
IPC: G06V20/17 , G06V10/44 , G06V10/764 , G06V10/74 , G06V10/82
Abstract: 本发明涉及一种多无人机视域下目标跟踪方法、装置、设备及介质，在目标跟踪过程中，该方法重复的执行以下步骤：获取多无人机拍摄的图像并进行实时更新；将时序图像序列按照顺序输入Transformer网络进行特征提取，其中，第一帧图像作为初始化的目标模板，后续帧图像作为待搜索区域图像；将目标模板的特征图分别输入两路不同的卷积层，得到分类支路和回归支路，同时，将待搜索区域的特征图输入一个卷积层，得到卷积结果；分别用分类支路和回归支路作为卷积核对卷积结果进行卷积，得到分类结果和回归结果，回归结果作为目标框的检测结果，实现目标跟踪；基于目标框的检测结果与当前目标模板的相似度进行目标模板更新。与现有技术相比，本发明可以在较大范围内对运动目标进行持续准确的跟踪。
-
公开(公告)号：CN118038038A
公开(公告)日：2024-05-14
申请号：CN202410056486.4
申请日：2024-01-15
Applicant: 海南大学
IPC: G06V10/26 , G06V20/70 , G06V10/42 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于统计学改进的弱监督语义分割方法、装置及介质，其中方法将待分割图像输入基于统计学改进的语义分割网络中，生成分割结果图，语义分割网络包括：特征编码模块：用于将输入的待分割图像处理为具有空间权重参数的特征图；语义亲和信息模块：用于基于统计学原理提取语义亲和信息；特征解码模块：将经过特征编码模块处理后的特征图送入相应的解码器经过上采样得到最终的分割结果。与现有技术相比，本发明能够提高网络对全局特征的提取能力，改进的基于统计学原理的语义亲和模块能够提高网络对语义亲和信息的提取能力，增加语义分割精度，同时端到端的网络弥补了多阶段训练复杂性高的缺点。
-
公开(公告)号：CN116244647A
公开(公告)日：2023-06-09
申请号：CN202211591739.5
申请日：2022-12-11
Applicant: 海南大学
IPC: G06F18/2431 , G06N7/01 , G06N3/092
Abstract: 本发明涉及一种无人机集群的运行状态估计方法，包括以下步骤：针对复杂环境下无人机集群运行状态的强耦合指标集，基于随机森林分析指标间的相互作用，处理数据集的异常值和噪声，对其进行特征重要性排序，提取关键运行指标；基于深度强化学习DDQN算法估计无人机集群的运行状况，将状态估计问题用马尔可夫过程描述，并通过使用双层网络以获得准确的价值函数；通过迭代更新DDQN网络的参数，输出无人机集群状态的最优价值函数，实时估计集群的运行状态。与现有技术相比，本发明具有提高了无人机集群的运行效率和安全性等优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
