-
公开(公告)号：CN113344112B
公开(公告)日：2022-11-15
申请号：CN202110715305.0
申请日：2021-06-27
Applicant: 东南大学
IPC: G06V10/762 , G06T7/246 , G06T7/66
Abstract: 一种基于聚类算法的动态物体识别方法，1)：将激光雷达采集到的无序点云进行有序化处理，完成三维点云到二维平面的投影；2)：通过对步骤一中每一列的离散点进行直线拟合，计算得到对应的斜率k和截距b，分割出地面点和其他点；3)：利用DBSCAN聚类算法对步骤2中的其他点进行聚类，分割成不同簇；4)：计算步骤3中分割后的各个点云簇的质心，通过帧间匹配算法分别估计各个簇类对应的变换矩阵；5)：结合上一帧的机器人位姿，并根据各簇的估计变换矩阵计算出对应的新位姿，再进行聚类，聚类后的噪声点所对应的标签即为动态物体。本发明通过直接对点云进行一系列处理，完成对动态物体的识别，从而减小变换矩阵的估计误差，该方法计算量小，满足实时性。
-
公开(公告)号：CN110361031B
公开(公告)日：2022-06-10
申请号：CN201910601546.5
申请日：2019-07-05
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于回溯理论的IMU全参数误差的快速标定方法，本发明设计了一种三位置下正反旋转的的标定轨迹，通过惯性组件误差传播规律分析误差状态的可观测性，基于回溯框架理论的标定方法可以短时间内快速标定IMU全参数误差。本发明的有益效果为：基于系统级的标定方法可以标定出光纤陀螺与加速度计的零位误差，刻度因子误差，安装误差以及加速度计在动态环境下的杆臂误差；本发明简化了标定轨迹的编排，极大的缩短了标定时间，提高了IMU误差标定的效率。
-
公开(公告)号：CN109447133B
公开(公告)日：2021-09-24
申请号：CN201811182293.4
申请日：2018-10-11
Applicant: 东南大学
IPC: G06K9/62
Abstract: 一种基于SVR算法的位置信息野值的剔除方法，本发明采用结构风险最小化原则，在此过程中，首先获取AUV当前时刻之前的l个时刻的历史位置解算数据作为训练数据集。然后构造SVR回归模型并确定待构建的SVR模型的参数。接着通过纯距离法解算AUV的相对位置并将当前时刻AUV的条件参数代入SVR模型得到位置预测。最后通过设置信任度来决定该解算出的位置值是否为野值，如果差值大于设置的信任度则剔除当前计算值，并返回计算下一时刻的位置值，否则保留该值。本发明实现了在水声定位中位置量测数据的预处理，减小由野值产生的误差并有利于接下来的滤波处理。
-
公开(公告)号：CN113362251B
公开(公告)日：2024-03-26
申请号：CN202110715304.6
申请日：2021-06-27
Applicant: 东南大学
IPC: G06T5/60 , G06T5/70 , G06N3/0464 , G06N3/088 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/044
Abstract: 基于双判别器与改进损失函数的对抗网络图像去雾方法。首先，在生成器中引入两层由Inception网络组成的细节生成模块以生成包含更加准确和逼真细节的图像，其次，引入双判别器结构，判别器D1网络结构较为简单，负责对生成器生成的图片Ifake的底层特征进行判别，D2网络结构较为复杂，负责对生成器生成的图片Ifake的高层特征进行判别，当生成器G生成的图片成功同时地欺骗过判别器D1和D2时，训练结束。最后，为了针对去雾任务完成针对性优化，将暗通道先验理论引入生成器的损失函数中，提升去雾效果。本发明可用于以无人机、无人车以及无人船等为载体的，易受大雾、雨天等恶劣条件影响的基于视觉的导航、目标识别和辅助驾驶等任务。
-
公开(公告)号：CN109324330B
公开(公告)日：2022-11-18
申请号：CN201811087892.8
申请日：2018-09-18
Applicant: 东南大学
Abstract: 本发明提供的是一种基于混合无导数扩展卡尔曼滤波的USBL/SINS紧组合导航定位方法，特别适用于水下设备的定位。本发明由超短基线水声定位系统USBL和捷联惯性导航系统SINS组成，采用混合无导数扩展卡尔曼滤波HDEKF进行组合导航。超短基线系统通过计算超声波信号在应答器和水听器之间单向传播的时间，得到两者之间的斜距测量值，并通过坐标转换公式得到观测方程。再根据捷联惯导系统的误差传递公式建立误差状态方程。最后进行混合无导数卡尔曼滤波，使用标准线性卡尔曼滤波进行时间更新，使用无导数扩展滤波进行量测更新。本发明能有效提高USBL/INS组合导航系统的导航精度和稳定性，并减少实时计算量。
-
Patent Agency Ranking
公开(公告)号：CN110849356B
公开(公告)日：2022-06-28
申请号：CN201911023068.0
申请日：2019-10-25
Applicant: 东南大学
Abstract: 本发明提供的是一种地磁场异常干扰下基于动能的导航方法。当小球从山顶滑至谷底的过程中，小球的重力势能转化为动能，小球即使达到谷底，也会因为存在动能继续运动。本发明受此启发，当潜航器陷入局部区域时，潜航器保持与下落相同的运动趋势继续航行，直至摆脱局部区域。本发明能保证潜航器在不使用磁图等先验条件的情况下快速摆脱磁场异常区，使得系统具有更好的可靠性，为摆脱异常区域磁场干扰提供了一种新的导航方法。
-
公开(公告)号：CN113362251A
公开(公告)日：2021-09-07
申请号：CN202110715304.6
申请日：2021-06-27
Applicant: 东南大学
Abstract: 基于双判别器与改进损失函数的对抗网络图像去雾方法。首先，在生成器中引入两层由Inception网络组成的细节生成模块以生成包含更加准确和逼真细节的图像，其次，引入双判别器结构，判别器D1网络结构较为简单，负责对生成器生成的图片Ifake的底层特征进行判别，D2网络结构较为复杂，负责对生成器生成的图片Ifake的高层特征进行判别，当生成器G生成的图片成功同时地欺骗过判别器D1和D2时，训练结束。最后，为了针对去雾任务完成针对性优化，将暗通道先验理论引入生成器的损失函数中，提升去雾效果。本发明可用于以无人机、无人车以及无人船等为载体的，易受大雾、雨天等恶劣条件影响的基于视觉的导航、目标识别和辅助驾驶等任务。
-
公开(公告)号：CN113344112A
公开(公告)日：2021-09-03
申请号：CN202110715305.0
申请日：2021-06-27
Applicant: 东南大学
Abstract: 一种基于聚类算法的动态物体识别方法，1)：将激光雷达采集到的无序点云进行有序化处理，完成三维点云到二维平面的投影；2)：通过对步骤一中每一列的离散点进行直线拟合，计算得到对应的斜率k和截距b，分割出地面点和其他点；3)：利用DBSCAN聚类算法对步骤2中的其他点进行聚类，分割成不同簇；4)：计算步骤3中分割后的各个点云簇的质心，通过帧间匹配算法分别估计各个簇类对应的变换矩阵；5)：结合上一帧的机器人位姿，并根据各簇的估计变换矩阵计算出对应的新位姿，再进行聚类，聚类后的噪声点所对应的标签即为动态物体。本发明通过直接对点云进行一系列处理，完成对动态物体的识别，从而减小变换矩阵的估计误差，该方法计算量小，满足实时性。
-
公开(公告)号：CN109447133A
公开(公告)日：2019-03-08
申请号：CN201811182293.4
申请日：2018-10-11
Applicant: 东南大学
IPC: G06K9/62
Abstract: 一种基于SVR算法的位置信息野值的剔除方法，本发明采用结构风险最小化原则，在此过程中，首先获取AUV当前时刻之前的l个时刻的历史位置解算数据作为训练数据集。然后构造SVR回归模型并确定待构建的SVR模型的参数。接着通过纯距离法解算AUV的相对位置并将当前时刻AUV的条件参数代入SVR模型得到位置预测。最后通过设置信任度来决定该解算出的位置值是否为野值，如果差值大于设置的信任度则剔除当前计算值，并返回计算下一时刻的位置值，否则保留该值。本发明实现了在水声定位中位置量测数据的预处理，减小由野值产生的误差并有利于接下来的滤波处理。
-
公开(公告)号：CN109324330A
公开(公告)日：2019-02-12
申请号：CN201811087892.8
申请日：2018-09-18
Applicant: 东南大学
Abstract: 本发明提供的是一种基于混合无导数扩展卡尔曼滤波的USBL/SINS紧组合导航定位方法，特别适用于水下设备的定位。本发明由超短基线水声定位系统USBL和捷联惯性导航系统SINS组成，采用混合无导数扩展卡尔曼滤波HDEKF进行组合导航。超短基线系统通过计算超声波信号在应答器和水听器之间单向传播的时间，得到两者之间的斜距测量值，并通过坐标转换公式得到观测方程。再根据捷联惯导系统的误差传递公式建立误差状态方程。最后进行混合无导数卡尔曼滤波，使用标准线性卡尔曼滤波进行时间更新，使用无导数扩展滤波进行量测更新。本发明能有效提高USBL/INS组合导航系统的导航精度和稳定性，并减少实时计算量。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.023 seconds)
