-
公开(公告)号：CN110119705B
公开(公告)日：2023-04-18
申请号：CN201910384163.7
申请日：2019-05-09
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据关联领域，具体涉及一种机器人基于改进蚁群优化的线特征数据关联方法。包括以下步骤：构建全局坐标系和局部坐标系，设置传感器工作模式；建立线特征观测模型；采用改进分割‑聚合方法提取环境线特征；设计改进ICNN方法与改进蚁群优化方法相结合的线特征数据关联方法；将传感器获得的环境线特征信息以及移动机器人位姿信息输入至基于改进蚁群优化的线特征数据关联方法中，进行数据关联，得到一个关联对集合，对地图特征集进行更新。首先基于激光传感器数据提取环境线特征，再将改进ICNN算法与改进蚁群优化算法相结合，提高了数据关联算法的关联正确率，得到精确的环境地图。
-
公开(公告)号：CN105716618A
公开(公告)日：2016-06-29
申请号：CN201610082315.4
申请日：2016-02-05
Applicant: 哈尔滨工程大学
IPC: G01C21/34
CPC classification number: G01C21/3407
Abstract: 一种用于UUV航路规划的几何环境模型膨化处理方法，涉及UUV航路规划技术领域。本发明为了实现在保证UUV航路安全性的同时又能真实地描述环境要素的凹凸特征。设置几何环境模型中障碍的膨化距离h；根据膨化距离h对几何环境模型中每个障碍进行膨化，当顶点为凸顶点时，凸顶点A的膨化所得点即为
-
公开(公告)号：CN100555057C
公开(公告)日：2009-10-28
申请号：CN200710071878.4
申请日：2007-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种自动调平调角三脚架。它包括架体，架体包括基部和三个连接基部并可伸缩的脚架，基部内设置有电池仓和控制电路，它还包括安装在架体上的自动调平调角云台，自动调平调角云台包括电池电源电路、壳体、内环、外环、两个水平传感器、两个位置检测装置、两个直流电机和处理器及其外围电路。它是一个具有自动调平和电动调角功能的小型化的摄影用三脚架自动调整云台。它使摄影者可以在拍摄过程中，不因为地形，地面的情况而频繁手动调整三脚架的安装平台姿态。只需按动电钮，本发明所述自动调平调角云台装置会自动的调平相机安装平台。
-
公开(公告)号：CN101021673A
公开(公告)日：2007-08-22
申请号：CN200710071878.4
申请日：2007-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种自动调平调角三脚架。它包括架体，架体包括基部和三个连接基部并可伸缩的脚架，基部内设置有电池仓和控制电路，它还包括安装在架体上的自动调平调角云台，自动调平调角云台包括电池电源电路、壳体、内环、外环、两个水平传感器、两个位置检测装置、两个直流电机和处理器及其外围电路。它是一个具有自动调平和电动调角功能的小型化的摄影用三脚架自动调整云台。它使摄影者可以在拍摄过程中，不因为地形，地面的情况而频繁手动调整三脚架的安装平台姿态。只需按动电钮，本发明所述自动调平调角云台装置会自动的调平相机安装平台。
-
公开(公告)号：CN111899280B
公开(公告)日：2023-07-25
申请号：CN202010667153.7
申请日：2020-07-13
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用深度学习和混合型位姿估计的单目视觉里程计方法，包括：利用深度学习神经网络估计连续图像间光流场并从光流场提取关键点匹配对。关键点匹配对作为输入，根据2d‑2d位姿估计原理，利用对极几何的方法初步计算出旋转矩阵和平移向量。利用深度神经网络估计得到单目图像深度场，结合几何理论三角测量方法，以深度场为参考值，使用RANSAC算法计算得到绝对尺度，将位姿从归一化坐标系转到真实坐标系，当2d‑2d位姿估计失败或绝对尺度估计失败，利用3d‑2d位姿估计原理，利用PnP算法进行位姿估计。本发明能够得到精确的位姿估计和绝对尺度估计、具有较好鲁棒性、在不同场景环境下都能够很好的复现出相机轨迹。
-
Patent Agency Ranking
公开(公告)号：CN110717921B
公开(公告)日：2022-11-15
申请号：CN201910914737.7
申请日：2019-09-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习及机器视觉领域，具体涉及一种改进型编码解码结构的全卷积神经网络语义分割方法。本发明采用图像预处理操作不仅提高了模型的精度，而且也增强了模型的稳定性；针对池化和下采样的重复组合的操作引起特征分辨率下降的问题，采用全卷积神经网络，进而提高了语义分割的准确性；引用U‑net模型结构的思想，采用编码‑解码结构，保留了二倍和四倍下采样的特征信息，分别与四倍和二倍上采样特征信息进行融合，通过逐渐恢复空间信息来捕捉清晰的目标边界，解决了图像边缘分割不太准确的问题，同时提高了神经网络的收敛速度，节约了运行时间。
-
公开(公告)号：CN108334677B
公开(公告)日：2021-06-11
申请号：CN201810052628.4
申请日：2018-01-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于GRU网络的UUV实时避碰规划方法，属于水下航行器避障领域。本发明包括：将UUV布放在起始位置；仿真声纳开始获取UUV当前位置的环境信息；将仿真声纳获取的环境信息输入到GRU网络，获得下一时刻UUV转艏及速度的调整指令；UUV执行运动指令，到达下一路径点；判断UUV是否到达目标点，若是则避碰规划器停止工作。本发明利用GRU强大的拟合长时间序列的能力，解决了UUV实时避碰规划的问题，克服了现有的实时避碰规划方法存在环境模型的精度与规划的实时性之间的矛盾，实现了一个简单、高效、易于实现的端到端的实时避碰规划器。
-
公开(公告)号：CN108931243B
公开(公告)日：2020-12-22
申请号：CN201810519546.6
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种复杂海洋环境影响下基于能耗和采样量多目标优化的UUV路径规划方法，包括以下步骤：确定UUV实际的对地航行速度以及由海洋预报系统提供的实时更新的海流信息，初始化优化算法所需的各类参数，通过空间分解建模随机产生路径控制节点，使用B‑Spline拟合生成初始路径。进入MOPSO算法迭代过程，求解出对应优化目标评价函数下的帕雷托解集。根据当前最新更新的海洋预报信息和UUV能量水平，通过FCE方法从上述解集中选解。输出最终选定解对应的路径控制节点。根据上述路径控制节点，通过B‑Spline方法拟合得到路径轨迹结果。本发明致力于生成最适用于UUV当前能耗水平和未来海洋特征变化趋势的最优路径控制节点，并通过拟合该路径节点得到最优路径轨迹。
-
公开(公告)号：CN108931243A
公开(公告)日：2018-12-04
申请号：CN201810519546.6
申请日：2018-05-28
Applicant: 哈尔滨工程大学
CPC classification number: G01C21/10 , G01C21/343 , G01P3/00 , G01P5/00
Abstract: 本发明的目的在于提供一种复杂海洋环境影响下基于能耗和采样量多目标优化的UUV路径规划方法，包括以下步骤：确定UUV实际的对地航行速度以及由海洋预报系统提供的实时更新的海流信息，初始化优化算法所需的各类参数，通过空间分解建模随机产生路径控制节点，使用B-Spline拟合生成初始路径。进入MOPSO算法迭代过程，求解出对应优化目标评价函数下的帕雷托解集。根据当前最新更新的海洋预报信息和UUV能量水平，通过FCE方法从上述解集中选解。输出最终选定解对应的路径控制节点。根据上述路径控制节点，通过B-Spline方法拟合得到路径轨迹结果。本发明致力于生成最适用于UUV当前能耗水平和未来海洋特征变化趋势的最优路径控制节点，并通过拟合该路径节点得到最优路径轨迹。
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.026 seconds)
