-
公开(公告)号：CN116307251A
公开(公告)日：2023-06-23
申请号：CN202310390230.2
申请日：2023-04-12
Applicant: 哈尔滨理工大学
IPC: G06Q10/04 , G06Q10/0633 , G06Q50/04 , G06F18/214 , G06F18/20 , G06F30/27 , G06N3/092 , G06F111/08 , G06F119/12
Abstract: 本发明提出一种基于强化学习的工作排程优化方法，旨在通过考虑员工实时疲劳程度，优化员工工作排程，进而缩短最大完工时间。首先，分析员工工作与休息状态下的效率变化曲线，构建工作‑休息排程的数学模型，将员工作业流程建立为马尔可夫决策过程；其次，基于SAC(Soft Actor Critic)算法设计智能体决策框架，实时调整员工工作与休息时长，以最大限度提高员工平均工作效率；此外，设计工作量快速适应机制，仅通过少量迁移训练，实现快速适应不同任务目标。仿真结果表明本发明能够优化员工工作排程方案，缩短最大完工时间，同时在工作量任务较大的情况下，可得到更好的优化效果，工作量快速适应机制使模型可以更灵活的应用于动态场景中。
-
公开(公告)号：CN115187791B
公开(公告)日：2023-04-28
申请号：CN202210957903.3
申请日：2022-08-10
Applicant: 哈尔滨理工大学
Abstract: 针对传统ORB算法因忽略图像颜色信息，对光照变化的鲁棒性较差，易造成误匹配的情况，本发明公开了一种融合颜色和尺度特征的ORB图像匹配方法。所述方法包括：首先使用颜色不变量模型对彩色图像进行预处理，求出图像的颜色不变量，以颜色不变量作为输入信息，建立积分图像，采用盒式滤波器建立尺度空间，使用快速Hession矩阵检测极值点，提取具有尺度不变性的特征点，然后使用rBRIEF算法得到特征描述符，最后采用汉明距离和改进RANSAC算法去除误匹配点。本发明在保证ORB算法特点的基础上，改善了ORB算法在颜色不同而对应灰度值相同区域正确匹配率低的问题，并且使算法具备尺度不变性，解决了特征点分布不均匀的情况，提高了图像发生尺度变化时匹配精度。
-
公开(公告)号：CN117421384B
公开(公告)日：2024-09-17
申请号：CN202311384144.7
申请日：2023-10-24
Applicant: 哈尔滨理工大学
Abstract: 基于共视投影匹配的视觉惯性SLAM系统滑窗优化方法，涉及SLAM技术领域。本发明是为了解决现有视觉惯性SLAM系统后端的滑动窗口优化方法精度低的问题。本发明在不改变滑动窗口优化快速性的前提下，通过共视投影匹配关系改进滑动窗口优化方法，消除了“影子”地图点，提高了地图点精度；增加了关键帧成功匹配地图点的数量，扩大了关键帧的观测视野，新增了SLAM系统的视觉观测约束，从而提高了滑动窗口优化估计位姿的精度，进而提高了移动机器人的定位精度。
-
公开(公告)号：CN117168483B
公开(公告)日：2024-05-14
申请号：CN202311127747.9
申请日：2023-09-01
Applicant: 哈尔滨理工大学
IPC: G01C21/34
Abstract: 本发明涉及一种考虑地图复杂度的无人车路径规划方法，旨在解决传统方法在路径搜索中存在搜索效率低、节点冗余以及目标点附近碎片化路径过多等问题。本方法包括：在栅格地图中进行随机撒点，获取全地图有效节点的个数，计算地图复杂度；在以最近节点为圆心的一定范围内进行随机撒点，得到区域复杂度，通过区域复杂度选择节点产生方式，解决传统方法在搜索中易陷入僵化的问题，提高搜索效率；引入目标距离和目标迭代次数，进行新节点与目标节点的无碰撞检测和距离判断，减少了节点的数量和碎片化路径；最后对路径进行逆向寻优和B样条曲线拟合，使得路径平滑。仿真结果表明，本发明在障碍物较多的情况下表现良好，且路径平滑。
-
公开(公告)号：CN116879870A
公开(公告)日：2023-10-13
申请号：CN202310678823.9
申请日：2023-06-08
Applicant: 哈尔滨理工大学
Abstract: 针对移动机器人在室外环境中，因行人、车辆等动态物体的存在，导致激光SLAM生成的地图中存在动态物体的轨迹残影，影响后续的定位及路径规划等问题，本发明提出了一种适用于低线束3D激光雷达的动态障碍物去除方法。该方法包括以下步骤：首先对激光雷达采集到的三维点云数据进行预处理；然后进行地面分割，并将非地面点云地图投影为深度图，通过视点可见法对比与查询帧之间可见性来去除轨迹残影；考虑到点云具有距离越远越稀疏的特性，根据距离信息来自适应调节深度图的分辨率，并通过不断减小分辨率来恢复被误删的静态点。经实验证明，该方法可以在低线束的3D激光雷达上高效地去除动态障碍物，保留完整的静态地图，减小动态障碍物对SLAM系统的影响。
-
Patent Agency Ranking
公开(公告)号：CN116307251B
公开(公告)日：2023-09-19
申请号：CN202310390230.2
申请日：2023-04-12
Applicant: 哈尔滨理工大学
IPC: G06Q10/04 , G06Q10/0633 , G06Q50/04 , G06F18/214 , G06F18/20 , G06F30/27 , G06N3/092 , G06F111/08 , G06F119/12
Abstract: 本发明提出一种基于强化学习的工作排程优化方法，旨在通过考虑员工实时疲劳程度，优化员工工作排程，进而缩短最大完工时间。首先，分析员工工作与休息状态下的效率变化曲线，构建工作‑休息排程的数学模型，将员工作业流程建立为马尔可夫决策过程；其次，基于SAC(Soft Actor Critic)算法设计智能体决策框架，实时调整员工工作与休息时长，以最大限度提高员工平均工作效率；此外，设计工作量快速适应机制，仅通过少量迁移训练，实现快速适应不同任务目标。仿真结果表明本发明能够优化员工工作排程方案，缩短最大完工时间，同时在工作量任务较大的情况下，可得到更好的优化效果，工作量快速适应机制使模型可以更灵活的应用于动态场景中。
-
公开(公告)号：CN115187791A
公开(公告)日：2022-10-14
申请号：CN202210957903.3
申请日：2022-08-10
Applicant: 哈尔滨理工大学
Abstract: 针对传统ORB算法因忽略图像颜色信息，对光照变化的鲁棒性较差，易造成误匹配的情况，本发明公开了一种融合颜色和尺度特征的ORB图像匹配方法。所述方法包括：首先使用颜色不变量模型对彩色图像进行预处理，求出图像的颜色不变量，以颜色不变量作为输入信息，建立积分图像，采用盒式滤波器建立尺度空间，使用快速Hession矩阵检测极值点，提取具有尺度不变性的特征点，然后使用rBRIEF算法得到特征描述符，最后采用汉明距离和改进RANSAC算法去除误匹配点。本发明在保证ORB算法特点的基础上，改善了ORB算法在颜色不同而对应灰度值相同区域正确匹配率低的问题，并且使算法具备尺度不变性，解决了特征点分布不均匀的情况，提高了图像发生尺度变化时匹配精度。
-
公开(公告)号：CN119068299A
公开(公告)日：2024-12-03
申请号：CN202411154232.2
申请日：2024-08-22
Applicant: 哈尔滨理工大学
IPC: G06V10/80 , G06V10/26 , G06T7/13 , G06N3/0464 , G06V10/82 , G06V10/774
Abstract: 本发明提出一种考虑透明物体影响的无人车视觉检测方法，旨在将不同阶段获得的边缘特征进行融合，生成更准确的边缘特征，并与多尺度特征相结合以提高透明物体检测的鲁棒性和稳定性。首先基于无人车实际的工作场景制作数据集；其次，输入网络的图像首先进行特征提取，提取的特征输入到边缘检测模块和初步分割模块。在边缘检测模块中引入置信度因子关注更多的边缘特征。初步分割模块用来获取初步分割图的边缘特征并与边缘检测模块数据融合，使用融合后的边缘特征与多尺度图进行融合；最后融合数据输入到基于Transformer的结构中，省略再次结合操作生成预测图。本发明mIoU和像素准确率分别为74.43％和96.35％，能更稳定、鲁棒地应用于无人车中进行透明物体检测。
-
公开(公告)号：CN118067125A
公开(公告)日：2024-05-24
申请号：CN202410049718.3
申请日：2024-01-12
Applicant: 哈尔滨理工大学
Abstract: 基于增量平滑的多传感器SLAM系统即插即用因子图融合方法，涉及SLAM技术领域。本发明是为了解决使用不同源的多类传感器的SLAM系统的信息紧耦合联合优化的融合问题，涉及使用三种传感器：相机，IMU和LiDAR。本发明通过判断相机和LiDAR传感器数据的可靠性，有针对性的过滤掉不可靠的传感器数据，筛选出数据可靠的传感器信息，提高了SLAM系统的传感器容错能力；选择性地构建约束因子，构建可变结构的、即插即用式的紧耦合因子图，仅使用可靠数据的融合进行状态估计，保证了定位精度，使用增量平滑的方式进行优化求解，通过更新贝叶斯树的方式添加SLAM系统新增的观测信息，保证了全局优化的计算效率，提高了SLAM系统的响应速度。
-
公开(公告)号：CN117876489A
公开(公告)日：2024-04-12
申请号：CN202410085304.6
申请日：2024-01-22
Applicant: 哈尔滨理工大学
Abstract: 一种用于视觉惯性点云融合SLAM系统的滑动窗口优化方法，属于SLAM技术领域。本发明涉及三种传感器：相机、IMU、LiDAR，设计了多传感器信息融合SLAM系统的局部优化方法，解决了因图像特征点深度不确定而导致的定位精度低的问题。本发明在滑动窗口内构建了三类传感器信息紧耦合的测量约束关系，在窗口滑动时更新观测约束，保证滑窗内信息的时效性和准确性，有助于定位精度的提高；通过LiDAR点云辅助估计图像特征点的深度信息，在滑窗内维护每个特征点的唯一性，消除“重影”特征点对视觉重定位的影响；本方法不改变滑动窗口的大小，能够保证快速的局部优化，保证了SLAM系统的快速定位响应能力。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.025 seconds)
