具有绳驱纯滚动关节的机械臂的逆运动学数据处理方法

    公开(公告)号:CN118528251A

    公开(公告)日:2024-08-23

    申请号:CN202410474667.9

    申请日:2024-04-19

    Abstract: 本发明提出了一种适用于具有绳驱纯滚动关节的机械臂的逆运动学数据处理方法,旨在解决传统方法难以克服的严格关节限位和等角度约束问题。该方法主要包括:首先建立机械臂的运动学模型,然后构建代理模型以分析逆运动学解的多个分支;接着通过几何迭代求解,包括前向和后向达到阶段以及状态更新阶段,期间对超限关节角进行修正;进一步,通过检测超限情况和迭代进展,采取随机扰动或切换分支措施以避免陷入局部最优;最后,根据预设的迭代终止条件,返回最优关节角度解。本发明提高了关节角度求解的成功率和解算速度,适用于高精度自动化生产和复杂操作任务,增强了机械臂操作的可靠性,对推动绳驱机械臂技术的发展具有重要意义。

    一种海面漂浮目标检测方法、装置、设备及介质

    公开(公告)号:CN119881818A

    公开(公告)日:2025-04-25

    申请号:CN202510037306.2

    申请日:2025-01-09

    Abstract: 本发明提供一种海面漂浮目标检测方法、装置、设备及介质,属于目标检测技术领域,方法包括获取雷达在执行海面漂浮目标检测过程中的参考信号以及待检测信号;分别对参考信号和待检测信号进行特征提取,得到参考信号对应的参考信号特征及待检测信号对应的待测信号特征;分别确定参考信号特征对应的联合概率密度值以及待测信号特征对应的联合概率密度值;根据参考信号特征对应的联合概率密度值以及预设的虚警率,确定目标检测门限;对比目标检测门限和待测信号特征对应的联合概率密度值以实现目标检测。本发明考虑到特征之间的相关性,通过构建参考信号特征的联合概率密度值,能提高特征空间的准确性,能更好地区分目标与杂波,提升目标检测性能。

    基于SAR图像超像素融合的CFAR目标检测方法、装置和设备

    公开(公告)号:CN115063590B

    公开(公告)日:2024-06-18

    申请号:CN202210797945.5

    申请日:2022-07-08

    Abstract: 本发明提供了一种基于SAR图像超像素融合的CFAR目标检测方法、装置和设备。所述的方法包括:对SAR图像进行超像素分割,得到所述SAR图像的超像素集合;根据所述超像素集合中各个超像素各自的灰度均值,分离出海杂波超像素集合和候选目标超像素集合;对所述候选目标超像素集合中的至少部分候选目标超像素进行融合,得到融合后目标超像素集合;对所述融合后目标超像素集合中的每个融合后目标超像素进行CFAR目标检测,得到检测结果。本发明实施例对分割好的超像素引入融合操作,使超像素能够进行二次聚类,将待检测目标融合为一个整体,对其进行整体的目标检测处理。

    一种基于频域特征融合的舰船检测方法、装置和存储介质

    公开(公告)号:CN116486280A

    公开(公告)日:2023-07-25

    申请号:CN202310521292.2

    申请日:2023-05-10

    Abstract: 本申请提供一种基于频域特征融合的舰船检测方法、装置和存储介质,属于雷达检测的技术领域。所述方法包括将获取到的当前的遥感图像输入基于单阶段目标检测方法构建的船舰检测模型,根据所述当前的遥感图像,通过所述船舰检测模型中预先构建频域特征提取模块,生成所述当前的遥感图像对应的频域特征;根据所述当前的遥感图像,通过所述船舰检测模型中预先构建空间域特征提取模块,生成所述当前的遥感图像对应的空间域特征;所述船舰检测模型根据所述频域特征与所述空间域特征,生成融合后的特征;所述船舰检测模型根据所述融合后的特征,生成所述当前的遥感图像对应的检测结果。本申请旨在提供既可以提高精度又具有实时性的船舰检测方法。

    基于注意力机制的SAR图像多尺度舰船目标检测方法和装置

    公开(公告)号:CN115995041A

    公开(公告)日:2023-04-21

    申请号:CN202211728727.2

    申请日:2022-12-30

    Abstract: 本发明提供一种基于注意力机制的SAR图像多尺度舰船目标检测方法和装置,属于图像检测领域,方法包括:获取待检测的SAR图像;将SAR图像输入到多尺度舰船检测模型中,得到多尺度舰船检测模型输出的目标检测结果;其中,多尺度舰船检测模型包括特征提取层、特征融合层和预测层,其核心部分包括空间和通道注意力模块,空间和通道注意力模块包括空间注意力模块和通道注意力模块,通道注意力模块对空间注意力模块输出的特征图进行处理。本发明基于空间注意力模块和通道注意力模块得到空间和通道注意力模块,能在复杂环境下同时提取多尺度舰船的空间信息、语义信息和抑制复杂背景干扰的上下文信息,降低漏检率和虚警率,提高多尺度舰船目标的检测精度。

    一种洪灾变化检测方法、装置和存储介质

    公开(公告)号:CN115761504A

    公开(公告)日:2023-03-07

    申请号:CN202211475738.4

    申请日:2022-11-23

    Abstract: 本申请提供一种洪灾变化检测方法、装置和存储介质,属于数据处理的技术领域。所述方法包括获取待检测地区的多源时序遥感图像序列,多源时序遥感图像序列包括多张光学遥感图像与多张雷达遥感图像;对多源时序遥感图像序列中的每个遥感图像进行预处理;根据预处理后的多源时序遥感图像序列,生成多源时序遥感图像序列中的每个遥感图像各自对应的洪灾检测结果;根据每个遥感图像各自对应的洪灾检测结果,利用多源时序遥感图像序列中遥感图像间的时序互补特性,通过时序增强算法生成待检测地区的多源时序遥感图像序列对应的洪灾变化检测结果。本申请旨在提高洪水变化检测结果的准确性。

    SAR图像与光学图像的配准方法、装置、设备和介质

    公开(公告)号:CN115239775A

    公开(公告)日:2022-10-25

    申请号:CN202210794922.9

    申请日:2022-07-07

    Abstract: 本发明实施例提供了一种基于正负采样损失函数的SAR图像与光学图像的配准方法、装置、设备和介质,所述方法包括:获取待配准的SAR图像与待配准的光学图像;将所述待配准的SAR图像与所述待配准的光学图像输入目标网络,得到所述待配准的SAR图像与所述待配准的光学图像之间的热力图;将所述热力图上值最大的点所在位置,确定为所述待配准的SAR图像与光学图像的配准位置;所述目标网络的损失函数值仅通过增大正样本点的配准评分且减小负样本点的配准评分的方式减小。本发明实施例使得目标网络能够尽可能的增大正样本点的配准评分,减小负样本点的配准评分,来优化目标网络参数,从而提升配准的准确率。

    基于SAR图像超像素融合的CFAR目标检测方法、装置和设备

    公开(公告)号:CN115063590A

    公开(公告)日:2022-09-16

    申请号:CN202210797945.5

    申请日:2022-07-08

    Abstract: 本发明提供了一种基于SAR图像超像素融合的CFAR目标检测方法、装置和设备。所述的方法包括:对SAR图像进行超像素分割,得到所述SAR图像的超像素集合;根据所述超像素集合中各个超像素各自的灰度均值,分离出海杂波超像素集合和候选目标超像素集合;对所述候选目标超像素集合中的至少部分候选目标超像素进行融合,得到融合后目标超像素集合;对所述融合后目标超像素集合中的每个融合后目标超像素进行CFAR目标检测,得到检测结果。本发明实施例对分割好的超像素引入融合操作,使超像素能够进行二次聚类,将待检测目标融合为一个整体,对其进行整体的目标检测处理。

    一种面向陀螺仪的温度补偿方法
    9.
    发明公开

    公开(公告)号:CN119147007A

    公开(公告)日:2024-12-17

    申请号:CN202411336221.6

    申请日:2024-09-24

    Abstract: 一种面向陀螺仪的温度补偿方法,尤其是面向MEMS陀螺仪,该方法包括如下步骤:S1、在加入特定噪声后,将陀螺仪的输出信号分解为一系列固有模态函数IMF;S2、利用样本熵SE对分解后的固有模态函数IMF分为噪声段、混合段和特征段;S3、使用长窗时频峰值滤波TFPF对噪声段进行去噪处理,使用短窗时频峰值滤波TFPF对混合段去噪的同时保留有用信号;S4、使用非支配排序遗传算法NSGA II优化的极限学习机ELM对于含有温度漂移项的特征段进行温度补偿;S5、将去噪后的噪声段和混合段以及补偿后的特征段结合,重建出最终的陀螺仪输出信号。本发明的面向陀螺仪的温度补偿方法可以很好地降低噪声的干扰,大大提高陀螺仪的温度补偿效果。

    一种基于半软标签的SAR图像近岸舰船目标检测方法

    公开(公告)号:CN116563697A

    公开(公告)日:2023-08-08

    申请号:CN202310211466.5

    申请日:2023-02-27

    Abstract: 本发明公开了一种基于半软标签的SAR图像近岸舰船目标检测方法,该方法包括:获取基于SAR图像舰船检测数据集的训练集和测试集;将训练集和训练集中图像对应的真值标签输入至改进的DSA‑Net网络模型进行训练得到教师模型;利用教师模型进行概率值计算得到带有概率信息的软标签进而计算半软标签;以及利用真值标签和半软标签再次训练改进的DSA‑Net网络模型以得到学生模型用于目标检测的检测网络模型;对自蒸馏训练过程中不同蒸馏温度下的学生模型进行损失计算得到检测网络模型的最优检测权重,基于最优检测权重得到测试集中待检测图像的舰船目标检测结果。本发明可以提升对SAR图像中舰船目标的检测精度。

Patent Agency Ranking