-
公开(公告)号：CN114326749A
公开(公告)日：2022-04-12
申请号：CN202210026133.0
申请日：2022-01-11
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于Deep Q‑Learning的集群区域覆盖方法，包括以下步骤：建立集群系统的动力学模型；确定集群中智能体的邻居集合；建立集群系统的运动控制模型；对信息地图进行构造，并对信息地图进行编码；根据信息地图定义强化学习需要的状态空间、行为空间，回报函数；设计Deep Q‑Learning算法所需网络模型；设计自由区域下的Deep Q‑Learning区域覆盖算法；对得到的点按需调整，得到有障碍区域下的Deep Q‑Learning区域覆盖算法。本发明借助Deep Q‑Learning技术实现集群区域覆盖控制算法的训练与学习，实现自由区域和有障碍物区域下的集群区域覆盖，有效提高集群区域覆盖效率，同时能够保证在弱通信环境下算法的稳定性。
-
公开(公告)号：CN114167392A
公开(公告)日：2022-03-11
申请号：CN202111455678.5
申请日：2021-11-29
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种FMCW激光测距光源非线性校正系统和方法，属于激光雷达、激光测距、激光三维扫描等领域，解决现有技术无法准确提取目标位置，从而影响对目标的探测识别等问题。本发明首先初始化半导体激光器LD、SOA和FPGA；再对经过SOA放大的锯齿波或三角波光源信号使用光电探测器PD进行采集并传输到FPGA主控单元进行处理，处理后输出功率反馈控制信号到SOA驱动控制器；对经过系统中的马赫‑增德尔干涉仪产生的拍频信号使用PD进行采集并传输到FPGA主控单元进行处理，处理后输出迭代后的锯齿波或三角波调制信号对LD非线性进行校正。本发明用于高精度的激光测距、激光雷达及三维成像等应用场景。
-
公开(公告)号：CN120013992A
公开(公告)日：2025-05-16
申请号：CN202510082300.7
申请日：2025-01-20
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/246 , G06F18/25 , G06V20/17 , G06V20/54 , G06V10/762 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/045 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于自然语言描述的无人机多模态特征融合目标跟踪方法及系统，属于计算机视觉与图像处理技术领域，解决现有技术在无人机采集的图像质量差或图像特征不明显时，易造成目标跟踪能力及长时跟踪能力差的问题。本发明无人机视角的图像中的交通事故场景进行自然语言描述，获取语言提示；构建场景‑上下文特征金字塔网络对无人机视角的图像进行上下文信息增强处理获得特征增强后的图像；对增强后的图像和语言提示分别进行视觉编码和语言编码，获得视觉特征以及语言特征向量进行视觉‑语言双模态特征局部对齐；将得到的对齐之后的新语言特征与视觉特征进行充分融合，获得多模态特征进行目标跟踪。本发明用于无人机多模态特征融合目标跟踪。
-
公开(公告)号：CN119956649A
公开(公告)日：2025-05-09
申请号：CN202510024604.8
申请日：2025-01-07
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明属于智能检测领域，特别涉及一种路面病害线扫描式检测方法。主旨在于解决如何高效、准确地检测路面病害，以便及时发现并评估路面病害，提高道路寿命，降低维护成本，保障行车安全的问题。通过在载具前端固装扫描装置获取可表征路面形位信息的线阵点云数据，并据此设计了一种两步式扫描截面拟合信息的获取方法。进而依据坐标点偏离扫描截面拟合直线大小智能识别路面异常点。此外，通过固接在载具上的标识读取装置实时读取等间隔布置于路肩的标识，将待检路面划分为若干检测单元，实现分段式检测。通过对异常点的聚类和量化分析，有效评估各检测单元中的病害区域。最后，结合阈值判别法和基准模板比较法检测路面病害异常和前后变化。
-
公开(公告)号：CN119879788A
公开(公告)日：2025-04-25
申请号：CN202510020130.X
申请日：2025-01-07
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明属于智能检测领域，提供了一种路面平整程度线扫描式监测方法。旨在解决现有路面平整度监测方法中存在的数据处理复杂度高、工作强度大、准确度低、检测效率低等问题。主要方案包括：使用机动车作为载具，在载具尾部固装标识读取装置和扫描装置，形成激光扫描面，以线扫描式地获取表征路面信息的线阵三维点云数据。检测步骤包括：根据线阵点云数据进行最小二乘法拟合处理，得到路面拟合直线；结合路面拟合直线，得到评估路面平整程度的关键形位参数；通过标识读取装置读取等间隔布置于路肩的标识，对路面进行分段式检测，以获取异常位置到标识的距离；结合路面平整程度关键形位参数，通过阈值法和基准模板比较法检测路面平整程度异常和异变。
-
Patent Agency Ranking
公开(公告)号：CN117830851A
公开(公告)日：2024-04-05
申请号：CN202410027846.8
申请日：2024-01-09
Applicant: 浙江香满亭生物科技有限公司 , 电子科技大学长三角研究院(衢州)
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明属于行为克隆技术的实际应用领域，提供了一种基于行为克隆的智能花菇培育方法。目的在于解决目前的花菇培育技术普遍存在的培育过程难以脱离人工，智能植物工厂应用到花菇培育领域效率较低的问题。主要方案包括：使用深度学习的目标检测算法分割出花菇图像；将花菇的状态信息和对应的专家行为使用神经网络进行模型训练；使用数据融合的方式扩充数据集；将训练好的模型应用到智能系统之中，实现对专家行为的克隆。本发明的有益效果是：本发明采用YOLO‑V5目标检测算法，检测速度快，检测精度高，能实现对花菇生长过程中的实时检测以及控制；本发明在行为克隆过程中加入了数据融合过程，使没有探索性的行为克隆具备了一定的探索性，能够更好地应用到花菇培育之中。
-
公开(公告)号：CN117491977A
公开(公告)日：2024-02-02
申请号：CN202311456327.5
申请日：2023-11-03
Applicant: 衢州学院 , 电子科技大学长三角研究院(衢州)
IPC: G01S7/4911 , G01S7/481 , G01S17/32 , H01S5/40
Abstract: 本发明涉及激光测距领域，公开了一种FMCW激光测距光源扫频带宽扩展系统和方法，解决单个激光光源无法提供超宽带扫频，从而影响目标探测识别精度的问题。本发明对LD1和LD2的扫频带宽拼接；对经过系统中马赫‑增德尔干涉仪产生的拍频信号进行迭代算法处理，处理后输出的调制信号对LD1和LD2的激光非线性进行第一次校正；再对经过SOA放大的光源信号使用光电探测器PD2进行采集并传输到FPGA主控单元进行处理，输出功率反馈控制信号到SOA驱动控制器对LD1和LD2的功率进行均衡；最后再次对拍频信号使用光电探测器PD3进行采集并传输到FPGA主控单元进行锁相处理，处理后输出锁相环校正后的调制信号对LD1和LD2的激光非线性进行第二次校正，并修正频谱拼接时产生的相位误差。
-
公开(公告)号：CN114859719A
公开(公告)日：2022-08-05
申请号：CN202210497058.6
申请日：2022-05-05
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G05B13/04
Abstract: 本发明公开了一种基于图神经网络的强化学习集群蜂拥控制方法，包括以下步骤：建立集群蜂拥控制模型；确定集群的拓扑结构特征表示方法；确定智能体的观测信息特征表示方法；设计状态空间、行为空间与回报函数；设计深度强化学习算法中的策略网络与评价网络模型；设计算法框架及网络参数更新方法；设计集群蜂拥控制算法的训练流程。本发明借助深度强化学习技术实现集群蜂拥控制算法，利用图神经网络提取集群的拓扑结构特征以及观测信息特征，有效提高集群蜂拥控制算法的收敛速度和对动态环境的适应能力，同时能够保证在控制噪声等干扰下算法的稳定性。
-
公开(公告)号：CN119847210A
公开(公告)日：2025-04-18
申请号：CN202510024564.7
申请日：2025-01-07
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G05D1/695
Abstract: 本发明涉及信息技术领域，公开了一种基于任务分解强化学习的多智能体编队协同控制方法，该方法旨在解决现有多智能体编队协同控制中任务权重分配效率低下和算法泛化能力弱的问题。方案包括建立多智能体运动模型及避障模型；设计状态、动作空间及回报函数；构建策略网络和基于任务分解的评估函数；设计深度强化学习的策略模型更新方法；设计多任务动态权重更新方法。针对复杂环境，通过多智能体编队协同控制方法，借助任务规划将任务分解为多个并行子任务，降低任务间耦合，从而降低任务间的干扰，并利用动态权重实现不同环境下最优的任务权重分配，提升智能体对不同环境的适应能力。适用于如无人机编队控制、机器人协作等。
-
公开(公告)号：CN118569305A
公开(公告)日：2024-08-30
申请号：CN202410569102.9
申请日：2024-05-09
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明专利属于多智能体系统和深度学习领域，公开了一种基于超图神经网络的多模态轨迹预测方法及装置，主旨在于解决在多智能体通信中断场景下信息丢失导致算法失效的问题，主要方案利用Gazebo仿真平台构建多智能体集群仿真环境，采集并预处理智能体运动轨迹数据，构建数据集。采用图表示和注意力机制学习成对智能体交互特征，构建交互关系模型，通过神经信息传递机制更新智能体节点信息。设计基于条件变分自动编码器的多模态轨迹预测框架，融合交互关系模型和Transformer网络，实现长期高精度预测。通过模型量化提高实时性，并移植到集群控制算法中。在Gazebo仿真平台模拟通信中断场景测试，有效避免失控或碰撞问题，提升多智能体集群控制性能。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.033 seconds)
