-
公开(公告)号：CN114485730B
公开(公告)日：2023-07-04
申请号：CN202210089031.3
申请日：2022-01-25
Applicant: 湖南大学 , 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种基于牛顿迭代法的DVL误差标定方法及系统，其包括：步骤1，构建DVL误差损失函数f(Φ，δ)；步骤2，通过牛顿迭代法逼近损失极小值点获得Φ和δ的最优估计值，其具体包括：步骤21，令X＝[Φ，δ]，将所述非线性优化函数f(X)进行在初始点二阶泰勒展开；步骤22，根据所述步骤21二阶泰勒展开后的结果，确定迭代方程：步骤23，给定初始值通过i次迭代，求出每次迭代中不同的海森矩阵A(X)及其逆矩阵，从而得到Xi，如果Xi小于预设值，或者迭代次数达到设定的最大值，则Xi作为最优解，停止迭代；否则返回方程(3)继续迭代运行。
-
公开(公告)号：CN114397480A
公开(公告)日：2022-04-26
申请号：CN202210056534.0
申请日：2022-01-18
Applicant: 湖南大学 , 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种声学多普勒测速仪误差估计方法、装置及系统，该方法包括：步骤一，根据所述载体的起点位置和终点位置获取所述载体在水平面上的真实位移SH和航位推算位移步骤二，利用位移SH和之间的比例关系确定DVL刻度因子误差δkd以及DVL安装误差ψ。本发明仅利用载体的起点和终点位置信息即可进行DVL误差标定，摆脱了对GPS信息的依赖，有效减少了算法应用限制，扩大了算法适用范围；本发明通过简单的比值计算即可对DVL误差参数进行估计，算法复杂度小，运算效率高。
-
公开(公告)号：CN119381739A
公开(公告)日：2025-01-28
申请号：CN202411919661.4
申请日：2024-12-25
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明涉及水下机器人技术领域，尤其是一种用于自主遥控水下机器人的模组化折倒式天线装置。其包括集成板卡、天线基座和集成天线，所述天线基座内设置折倒驱动机构，所述折倒驱动机构包括动力输出端和旋转驱动端，所述动力输出端驱动旋转驱动端在第一位置和第二位置之间进行旋转，所述旋转驱动端连接集成天线；旋转驱动端旋转至第一位置时，集成天线位于天线基座外部呈直立状态；旋转驱动端旋转至第二位置时，集成天线位于天线基座内部呈折倒状态。本发明的集成天线进行了模块化设计，易于检修替换，集成天线具备自主折叠功能，能够有效减少自主遥控水下机器人在水下航行时的阻力。
-
公开(公告)号：CN118710528B
公开(公告)日：2024-11-05
申请号：CN202411197219.5
申请日：2024-08-29
Applicant: 湖南大学无锡智能控制研究院
IPC: G06T5/60 , G06N3/0455
Abstract: 本发明涉及图像处理技术领域，具体公开了一种水下图像增强方法及装置，包括：获取待增强水下图像，并将待增强水下图像通过第一图像增强编码器进行编码获得待增强低维特征向量，第一图像增强编码器为根据第一编解码优化数据优化后获得；将待增强低维特征向量输入目标映射网络，获得目标质量低维特征向量，目标映射网络为将第一编解码过程数据作为输入数据以及将第二编解码过程数据作为输出数据对基于注意力机制的神经网络模型进行训练获得；对目标质量低维特征向量通过第二图像增强编码器进行解码获得增强后的水下图像，第二图像增强编码器为根据第二编解码优化数据优化后获得。本发明提供的水下图像增强方法有效提升水下图像增强效果。
-
公开(公告)号：CN114967714B
公开(公告)日：2024-11-01
申请号：CN202210728589.1
申请日：2022-06-24
Applicant: 湖南大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种自主式水下机器人抗扰运动控制方法，包括如下步骤：步骤1，建立自主式水下机器人动力学和运动学简化线性模型；步骤2，建立系统名义模型；步骤3，构造扰动观测器；步骤4，设计名义模型预测控制器；步骤5，设计辅助模型预测控制器；步骤6，测量下一时刻的系统状态，将该时刻作为新的当前时刻，返回步骤3。本发明的自主式水下机器人抗扰运动控制方法，建立双层模型预测控制框架，能够有效应对不确定性带来的影响并且跟踪参考值，具有更好的控制效果。
-
Patent Agency Ranking
公开(公告)号：CN118864630A
公开(公告)日：2024-10-29
申请号：CN202410876040.6
申请日：2024-07-02
Applicant: 湖南大学
IPC: G06T11/00 , G06V20/70 , G06V20/56 , G06V10/25 , G06V10/44 , G06V10/80 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/0495 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种基于CycleGAN的晴雪天气图像数据风格迁移系统，包括：网络构建模块构建基于CycleGAN的晴雪天气图像数据风格迁移模型；掩码模块根据输入图像的图像注释信息创建掩码，掩码与输入图像叠加后输入教师网络与学生网络边缘检测；输入图像经第一生成器进行风格迁移得到生成图像，生成图像与掩码叠加后输入学生网络边缘检测；生成图像经第二生成器生成重建图像，重建图像与掩码叠加输入学生网络边缘检测；模型训练模块对构建的晴雪天气图像数据风格迁移模型进行训练；推理模块接收晴朗天气图像，生成对应的雪天图像。本发明能够解决现有风格迁移技术在晴雪天气图像数据风格迁移中存在的对象丢失的技术问题。
-
公开(公告)号：CN115115908B
公开(公告)日：2024-08-02
申请号：CN202210759090.7
申请日：2022-06-30
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V10/25 , G06V20/70 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种跨域目标检测模型训练方法、目标检测方法及存储介质，其中训练方法包括：获取源域带标签图像和目标域无标签图像，构建训练数据集，搭建包括基于对抗训练的跨域目标检测器、感兴趣区域特征提取模块、语义迁移损失计算模块的网络模型，以基于语义迁移损失和基于对抗训练的跨域目标检测损失得到的跨域目标检测总损失为优化目标，基于训练数据集，对构建的网络模型进行训练，得到跨域目标检测模型。本发明在一定程度上消除目标检测在分类边界的语义混淆噪声，有效降低感兴趣区域语义错误匹配的风险，避免某些类别因感兴趣区域数量不足而迁移失败的问题，增强具有相同语义的源域和目标域感兴趣区域特征向量的聚合程度。
-
公开(公告)号：CN118347515A
公开(公告)日：2024-07-16
申请号：CN202410622577.X
申请日：2024-05-20
Applicant: 湖南大学无锡智能控制研究院
Abstract: 本发明公开了一种考虑道路均匀碾压的自动驾驶车辆路径规划方法和装置，其包括：步骤1，根据矿区道路信息，确定需要碾压的路段，作为待偏移路段；步骤2，根据待偏移路段在原始参考路径的索引信息，用式(1)计算第i个路径点的偏移量li：li＝wi·l(1)式中，l为本地任务的偏移量，wi为第i个路径点的偏移权重系数，其设置原则包括：越靠近待偏移路段的中央，每个路径点的偏移量越接近预设的偏移值，越靠近待偏移路段的两端，每个路径点的偏移量越小，渐渐趋向于0，进而控制偏移后的路径与偏移前的路径之间的平滑衔接。本发明能够高效且一步到位做到偏移后路径与偏移前的路径在断裂点处的平滑衔接。
-
公开(公告)号：CN118333299A
公开(公告)日：2024-07-12
申请号：CN202410349272.6
申请日：2024-03-26
Applicant: 湖南大学
IPC: G06Q10/0631 , G06Q10/047 , G06Q50/40
Abstract: 本发明公开了一种面向无人驾驶公交的两阶段响应式调度方法和系统，其包括：步骤S1，结合静态需求及需求时间的先后顺序，获取控制站点；步骤S2，根据公交服务区域内控制站点，生成主基准路线，获取可选择站点；步骤S3，将满足第一预设标准的控制站点和可选择站点添加到当前的行车路线中，获得第一次基准路线；步骤S4，将满足第二预设标准的动态需求的控制站点和可选择站点插入到当前的行车路线中，获得第二次基准路线；步骤S5，在收到动态需求的情形下，将满足第三预设标准的动态需求添加到当前的行车路线中，获得第三次基准路线；步骤S6，使用可变邻域搜索算法，得到最优行车路线。本发明能够在一定程度上提高无人驾驶公交系统的运营效率。
-
公开(公告)号：CN118254769A
公开(公告)日：2024-06-28
申请号：CN202410504584.X
申请日：2024-04-25
Applicant: 湖南大学
IPC: B60W30/02 , B60W40/09 , B60W50/00 , G06F18/2135 , G06F18/23213 , G06F18/24
Abstract: 本申请公开了一种具有驾驶风格适应性的车辆操纵稳定性介入方法及系统，属于车辆操纵控制技术领域。该方法基于车辆动力学模型和线性/非线性临界侧向加速度、路面附着极限约束构建“车辆前轮转角‑纵向速度”稳态可达域；基于采集的驾驶数据对车辆侧向响应风格进行分类，并提取分类后的不同风格的特征侧向加速度最大值；将得到的反应不同驾驶风格的特征侧向加速度作为构建的稳态可达域的约束条件，求解修正后的稳态可达域模型，获得个性化稳态可达域；采用K‑means法构建驾驶风格识别模型，基于实时的驾驶数据选择对应驾驶风格的稳态可达域，在线判别此驾驶风格下车辆的稳定性，从而可以直观且快速的在输入端判断车辆稳定性。
-
-
-
-
-
-
-
-
-
Search Results
366
records
(took 0.03 seconds)
