-
公开(公告)号：CN119734283A
公开(公告)日：2025-04-01
申请号：CN202510260084.0
申请日：2025-03-06
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: B25J9/16
Abstract: 本发明提供了一种水下机器人作业用绳驱机械手路径规划方法，涉及水下机器人路径规划技术领域，具体包括如下步骤：利用机械手上搭载的传感器采集多源时间序列数据；对多源时间序列数据进行预处理；构建自适应多通道深度强化学习网络；初始化本源网络中的第一经验回放模块，对随机噪声初始化，并利用传感器获得环境信息，将环境信息传递给自适应多通道深度强化学习网络，自适应多通道深度强化学习网络根据环境信息进行路径规划，使机械手到达目标位置；当机械手到达目标位置后，继续利用自适应多通道深度强化学习网络进行精确目标规划，实现机械手的维修动作。本发明的技术方案克服现有技术中水下绳驱动机械手路径规划操作精度较低的问题。
-
公开(公告)号：CN116452964A
公开(公告)日：2023-07-18
申请号：CN202310066966.4
申请日：2023-01-16
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/82 , G06N3/08 , G06T17/00 , G06N3/0464
Abstract: 本发明公开了一种多模态水下图像的三维模型量化检索方法及系统，包括采集水下图像，输入图注意力网络模型，输出三维模型检索结果；图注意力网络模型包括构建水下图像的二维图像数据集和三维模型库；建立图像特征提取网络和模型特征提取网络获取二维图像和三维模型的特征向量，映射到同一高维空间中建立邻接矩阵并建立图结构；利用自注意力机制、图注意力网络得到图嵌入后的特征向量，经过损失函数反向传播更新模型参数；待测水下图像通过训练后的图注意力网络获得三维模型检索结果；本发明对水下光学图像或声呐图像以及对水下图像存在部分有效特征的遮挡图也可实现三维模型检索，有助于三维模型量化检索在海底环境探测及水下搜救领域的应用。
-
公开(公告)号：CN115965554A
公开(公告)日：2023-04-14
申请号：CN202310036768.3
申请日：2023-01-10
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种针对崎岖地形的侧扫声呐瀑布图像灰度矫正方法，包括对侧扫声呐瀑布图像进行分段处理，计算每段分段强度；根据所述分段强度确定目标强度和连续分段强度，根据所述目标强度和所述连续分段强度，得到补偿序列；利用所述补偿序列对所述侧扫声呐瀑布图像进行矫正。本发明公开的侧扫声呐瀑布图像矫正方法能够使矫正后声呐图像的灰度分布连续，在两侧与中间的灰度分布一致的同时，可最大限度地突出了崎岖地形与目标，提升视觉效果。
-
公开(公告)号：CN115903864A
公开(公告)日：2023-04-04
申请号：CN202211604732.2
申请日：2022-12-13
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种应用于潜航器的矢量推进系统的控制方法，利用绕x轴、绕y轴转动的舵角数据计算出三个力输出单元对应的输出绝对角度或位移量，然后控制力输出单元带动三个力传导轴在以平行于中心轴方向的一定范围内运动，最终通过共同作用带动尾部主推电机方向的变换，从而实现了潜航器航行过程中的空间多自由度运动状态随意切换。本发明的方法为潜航器的矢量推进系统控制技术提供了新思路和新策略，解决了水下UUV矢量推进系统现有的控制方法存在的控制效率低、力输出单元同步性差、方法实现过程复杂、稳定可靠性差等各种问题，能够大力促进潜航器矢量推进系统的发展。
-
公开(公告)号：CN110060248B
公开(公告)日：2022-11-11
申请号：CN201910321418.5
申请日：2019-04-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习与声呐图像处理领域，具体涉及一种基于深度学习的声呐图像水下管道检测方法。本发明包括如下步骤：构建侧扫声呐图像样本数据集；对数据集中的图像进行预处理；构建用于判别水下管道的铺设方式和检测管道位置的深度卷积神经网络，并训练网络的权重得到训练好的网络；对预处理后的侧扫声呐图中水下管道铺设方式进行判断和给出位置的包围盒集合；根据包围盒集合的中心点得到水下管道的中心位置线，根据包围盒集合覆盖区域分割出目标。本专利方法与现有的方法相比，能够更准确对水下管道的铺设方式进行判定，更精准地检测出水下管道的位置及其中心位置线，泛化能力强，而且在并行加速单元的硬件支持下，检测速度快、效率高。
-
Patent Agency Ranking
公开(公告)号：CN110487254B
公开(公告)日：2021-11-16
申请号：CN201910622509.2
申请日：2019-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种用于ROV的水下目标尺寸快速测量方法。步骤一.对水下畸变的双目左右视图，进行水下标定参数矫正与Bouguet极线矫正；步骤二.在ROV水面监测系统中的双目左视图上选择待测目标对应的两端点中的一个端点，利用粗‑精立体匹配算法确定出在右图上的匹配点；步骤三.根据双目测量原理，恢复出所选点的三维坐标；步骤四.重复步骤二和步骤三得到第二个端点，然后再计算这两个点的欧式距离，得到两个点间的真实距离。相对于传统的基于全局匹配算法的测量方法，本发明所用方法能够实现更快速与更精确的水下目标尺寸测量，可广泛应用于ROV水下测量任务，具有非常好的实用性。
-
公开(公告)号：CN113310517A
公开(公告)日：2021-08-27
申请号：CN202110573922.1
申请日：2021-05-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于水下仿生球形/半球形机器人群的广域水流感知方法，机器人包括一球形/半球形外壳、一压力传感器阵列，压力传感器阵列沿外壳周向布置，该方法包括：步骤1，确定压力传感器阵列中的迎水面压力传感器，读取迎水面压力传感器的数据，计算各个迎水面压力传感器感测的压力；步骤2，将各个所述迎水面压力传感器感测的压力、水流对机器人迎水面的压力、以及读数最大的压力传感器的感受面垂直方向与水流方向的夹角为参数，求解水流方向和水流强度。本发明解决了小型化水下机器人无法实现水流强度和水流方向感知的问题，可以根据机器人群的感知信息，完成广域环境水流信息的实时记录和绘制，且实现成本低。
-
公开(公告)号：CN110929794A
公开(公告)日：2020-03-27
申请号：CN201911188526.6
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于侧扫声呐图像识别技术领域，具体涉及一种基于多任务学习的侧扫声呐图像分类方法。本发明结合了多任务学习思想和卷积神经网络方法，使用卷积神经网络进行自动特征提取，相对于传统的人工设置的特征提取器，可以提取出人眼感受不到的那些重要特征，也能减小侧扫声呐图像噪声、图像边缘缺失、图像特征变形等因素对特征提取的影响。本发明利用多任务学习的思想，通过引入光学图像分类任务，可以丰富侧扫声呐图像的特征空间，避免了样本过少时特征提取不完备造成的过拟合的问题；通过本发明的方法，可以解决侧扫声呐图像样本少、特征提取困难时分类效果差的问题，具有一定的工程和研究价值。
-
公开(公告)号：CN101546939A
公开(公告)日：2009-09-30
申请号：CN200910071962.5
申请日：2009-05-07
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种水下空心无榖桨推进器。其组成包括电机外壳、定子线圈、定子硅钢片、转子永磁体、转子、螺旋桨和陶瓷轴承，定子线圈缠绕在定子硅钢片上，缠绕在定子硅钢片上的定子线圈装在电机外壳的中心处，转子为空心环状结构，转子永磁体分极固定在转子上、形成空心结构的转子，螺旋桨固定在空心转子内部，螺旋桨、转子和转子永磁体组成为一个整体，转子通过陶瓷轴承固定在电机外壳内。本发明的浆叶旋转时不会产生诱导阻力和空泡现象大大提高了螺旋桨的效率。另外由于加大了电机的直径增加电机的极数提高了电机的扭矩，尤其适合在大水深大密度下的环境中工作，由于该水下推进器的电机和螺旋桨为整体空心结构，易于安装在船体上。
-
公开(公告)号：CN114037866B
公开(公告)日：2024-04-09
申请号：CN202111295572.3
申请日：2021-11-03
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于可辨伪特征合成的广义零样本图像分类方法，包括如下步骤：构建端到端神经网络模型；用可见类图像对模型进行预训练，使得在潜在空间中的同类潜在特征与它们的语义属性之间距离最小，得到可见类的可辨潜在特征；对每个未见类，选取与其符合相似性判定要求的可见类的语义属性构造属性变换矩阵，并用于优化非负合成向量；利用非负合成向量结合被选中的可见类的潜在特征，以及未见类的语义属性，合成未见类的伪特征；对合成的未见类伪特征进行过滤并剔除伪特征中的离群值，得到可辨伪特征；用可辨伪特征与可见类图像训练整个网络。本发明能够同时对可见类别和未见类别的图像进行高精度分类。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.072 seconds)
