-
公开(公告)号:CN114926819A
公开(公告)日:2022-08-19
申请号:CN202210607410.7
申请日:2022-05-31
Applicant: 海南大学
Abstract: 本发明涉及一种复杂场景的未知异常障碍物识别方法及系统,该系统包括:特征编码器模块:用以将输入图片编码为高维特征张量,提取输入特征;未知注意力生成模块,用以生成未知注意力权重图,该注意力图对不确定性高区域生成高权重,反之注意力图较低;注意力信息提示模块,用以对注意力高区域给予真值提示;语义分割结果预测模块,用以预测像素为各类别的概率。本发明通过训练模型将有效注意力放在不确定性区域高的区域来以此根据模型注意力权重值来预测是否为未知异常障碍物。与现有技术相比本发明具有应用性强、计算量小、普适性强等优点。
-
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。
-
公开(公告)号:CN115760972A
公开(公告)日:2023-03-07
申请号:CN202211312823.9
申请日:2022-10-25
Applicant: 海南大学
Abstract: 本发明涉及一种基于红外信标的目标定位系统,用以无人设备在夜间识别信标,包括:夜用红外信标装置:用以发出红外光,为设于无人设备上的相机提供信标与无人设备之间的距离及相对位置;相机:用以捕捉夜用红外信标装置发出的红外光,生成夜间红外图像;红外信标转换模块:用以对夜间红外图像进行预处理,生成日用标准信标图像;标准信标识别模块:用以对日用标准信标图像进行处理,获取红外信标识别结果,根据红外信标识别结果解算信标的相对位置坐标,对信标进行定位。与现有技术相比,该发明能够使得无人设备在夜间准确识别标识目标,具有定位精度高,可靠性强的特点。
-
公开(公告)号:CN118093909A
公开(公告)日:2024-05-28
申请号:CN202410100686.5
申请日:2024-01-24
Applicant: 海南大学
IPC: G06F16/51 , G06F16/55 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明涉及一种基于ViT的无人机深度哈希图像检索方法、设备、介质,利用预先训练好且微调后的基于ViT网络的网络模型,基于输入的无人机图像的图像特征进行检索,方法包括如下步骤:针对输入的图像特征,通过卷积提取浅层特征;基于所述浅层特征,通过分块和线性嵌入处理,利用多个多头注意力模块提取深层特征;基于所述浅层特征和所述深层特征,通过残差连接得到融合特征;基于所述融合特征,通过哈希层生成哈希编码;基于所述哈希编码和所述融合特征,从图像库中进行由粗到细的分级搜索,得到检索结果。与现有技术相比,本发明提高了无人机图像检索的准确率。
-
公开(公告)号:CN118230262A
公开(公告)日:2024-06-21
申请号:CN202410056729.4
申请日:2024-01-15
Applicant: 海南大学
IPC: G06V20/54 , G06V20/17 , G06V10/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06T7/73 , G06T7/246 , G06N3/045 , G06N3/0495 , G06N3/0455 , G06N3/0442
Abstract: 本发明涉及一种基于空海自主协同系统的船舶异常行为红外监测方法,无人船通过雷达检测到活动船只,释放无人机监测船只;无人机将采集的船舶图像输入到目标检测模块中,识别目标类别,并根据红外相机参数和无人机GPS位置信息,计算目标GPS位置,将图像中多目标GPS位置的质心点作为航点,实现多目标跟踪;根据相邻帧图像目标构建关联度矩阵,使用基于关联度最大权匹配的匈牙利算法找出最优匹配,得到目标轨迹;依据轨迹提取目标轨迹特征,通过自编码器重构特征信息,计算原始特征和重构特征的误差,判别船舶行为异常情况。与现有技术相比,本发明解决了船舶关闭AIS系统后难以监控的问题,提升了夜间船舶监控能力,降低人工监测强度。
-
公开(公告)号:CN114926819B
公开(公告)日:2024-06-21
申请号:CN202210607410.7
申请日:2022-05-31
Applicant: 海南大学
IPC: G06V20/58 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种复杂场景的未知异常障碍物识别方法及系统,该系统包括:特征编码器模块:用以将输入图片编码为高维特征张量,提取输入特征;未知注意力生成模块,用以生成未知注意力权重图,该注意力图对不确定性高区域生成高权重,反之注意力图较低;注意力信息提示模块,用以对注意力高区域给予真值提示;语义分割结果预测模块,用以预测像素为各类别的概率。本发明通过训练模型将有效注意力放在不确定性区域高的区域来以此根据模型注意力权重值来预测是否为未知异常障碍物。与现有技术相比本发明具有应用性强、计算量小、普适性强等优点。
-
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。
-
-
-
-
-
-
-
-
-