-
公开(公告)号：CN116573125A
公开(公告)日：2023-08-11
申请号：CN202310443663.X
申请日：2023-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种适用于极地观测救援的遥控水下机器人。通过将向上摄像机、前视多波束图像声纳、前视摄像机等感知设备对冰底环境进行扫描观测，以获取冰底形貌的声学光学扫测特征。通过可旋转升降式的多普勒测速计、USBL传感器、深度姿态传感器等位姿传感器，完成ROV在水下的精确导航定位，从而确定冰底形貌特征所对应的位置信息。通过搭载的水下云台摄像机和向上高清摄像机，可以实现冰下特征的光学成像和水下光学目标检测。通过搭载的水下前视图像声纳，可以对冰下环境进行声学成像，以便搜寻失事自主水下机器人AUV。
-
公开(公告)号：CN116543299A
公开(公告)日：2023-08-04
申请号：CN202310356065.9
申请日：2023-04-06
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/762 , G06V10/25 , G06Q10/0635 , G06Q50/26
Abstract: 本发明属于海上威胁目标数据分析技术领域，具体涉及基于威胁度改进K‑means算法的海上威胁目标聚类方法。本发明通过引入威胁度概念，考虑了海上威胁目标与护航对象的位置、速度以及航向，初步具化海上威胁目标的威胁程度；提出改进初始化策略，考虑了威胁目标与护航对象的相对距离，选择威胁度最低的拦截点作为初始簇心，并选择距离上一个簇心距离最远的拦截点作为下一个簇心，直至簇心数等于护航无人艇数；将拦截点分配进最小相对威胁度对应的簇集中，使得最终形成的簇集内各拦截点的威胁程度相近，便于护航无人艇编队能更好进行决策任务分配，降低了海上护航安全风险，提高护航目标的安全性。
-
公开(公告)号：CN110458019B
公开(公告)日：2023-03-24
申请号：CN201910617823.1
申请日：2019-07-10
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/26 , G06V10/82 , G06V10/74 , G06V10/774
Abstract: 本发明属于水面图像的目标检测领域，具体涉及稀缺认知样本条件下的排除倒影干扰的水面目标检测方法。本发明首先利用稀缺水面数据集制作时的标注信息锁定目标模板，进行指定区域匹配实现倒影去除，再通过雾化、雨化等多种形式实现样本增强，之后搭建目标网络架构，并根据图中目标信息建立密集卷积结构，制定锚点尺度提取特征，进行深度目标检测。在验证网络中添加倒影判别模块，提高真实目标的识别精度，最后通过验证结果最优检测程序，优化网络的检测性能。与现有方法相比，本发明检测精度高，对重叠及遮挡的目标处理效果更佳，在水面、海洋图像的检测中尤为适用；能在样本得到补充的同时消除倒影对检测精度带来的影响，提高水面目标的识别能力。
-
公开(公告)号：CN115661657A
公开(公告)日：2023-01-31
申请号：CN202211378414.9
申请日：2022-11-04
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种轻量化的无人艇海面目标检测方法，通过使用Mosaic图像扩增，丰富了图像的背景信息并增加了小尺度目标的数量，提高了海面小目标的检测精度。通过使用轻量化的网络ShuffleNet v2作为YOLO v5网络结构中的特征提取网络，使用深度可分离卷积代替YOLO v5中的Bottleneck模块，显著降低了模型的参数量，大幅度提高了在嵌入式设备上的检测速度。相对于原本的YOLO v5网络，具有更快的处理速度，充分满足无人艇在检测海面目标时对于实时性的要求。本发明解决现有的目标检测算法无法在算力有限的嵌入式设备上完成实时目标检测的问题，用于在无人艇所搭载的嵌入式平台上完成实时目标检测。
-
公开(公告)号：CN114216465B
公开(公告)日：2022-11-01
申请号：CN202111492736.1
申请日：2021-12-08
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 一种海底地形导航并行匹配方法，涉及水下导航技术领域，针对现有技术中由于地形匹配算法缺乏艏向信息和海底地形相似度高导致数据关联速度慢、误匹配率高的问题，包括：步骤一：根据当前时刻水下机器人位姿信息构建M个符合高斯分布的假设，M大于等于2；步骤二：将M个符合高斯分布的假设与先验海底地形图进行一致性检测；步骤三：将步骤二中与先验海底地形图一致的假设进行点到面的迭代最近点算法配准，得到匹配的艏向和位移信息；步骤四：利用匹配的艏向和位移信息更新水下机器人位姿信息，然后根据更新后的水下机器人位姿信息更新海底地形图。本申请基于并行计算单元实现海底地形并行匹配算法，有效克服了海底地形相似度高导致数据关联速度慢、误匹配率高等问题。
-
Patent Agency Ranking
公开(公告)号：CN113008223B
公开(公告)日：2022-10-28
申请号：CN202110233287.2
申请日：2021-03-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于海底地形同步定位与建图技术领域，具体涉及一种基于粒子滤波与图优化的海底地形同步定位与建图方法。本发明设计了一种使用位姿图结构对粒子自身储存轨迹进行更新，并使用位姿图在每一时刻结束时生成此时刻输出地图的粒子滤波BSLAM算法。本发明只需要在每一时刻输入里程计数据和由多波束声获得的地形测深，在没有先验地形图的情况下实现AUV的同步定位与建图。本发明所提出的图优化混合粒子滤波BSLAM算法相较于基于子地图匹配的粒子滤波BSLAM算法，在大累积误差下仍能实时准确的提供定位与建图结果。
-
公开(公告)号：CN115035257A
公开(公告)日：2022-09-09
申请号：CN202210488831.2
申请日：2022-05-06
Applicant: 哈尔滨工程大学
Abstract: 本发明属于多波束测深技术领域，具体涉及一种应用于水下机器人的海底多波束测深数据压缩存储方法。本发明包括水下机器人通过多波束声呐原始数据获取；根据位姿信息解算海底地形数据；根据地形熵对地形数据进行分块处理；根据先验地形训练结果选择合适的网络架构；将每一块地形都作为训练集使用人工神经网络对其进行回归；训练好的模型代替原始测深数据从而实现数据的压缩。与直接存储三维点云数据相比，本发明仅存少量的模型参数，从而使得消耗的存储空间大大降低，与此同时能够实现快速地实现地形重构。
-
公开(公告)号：CN113109762B
公开(公告)日：2022-08-02
申请号：CN202110370348.X
申请日：2021-04-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下航行器的对接回收技术领域，具体涉及一种用于AUV对接回收的光视觉引导方法。本发明的步骤包括光源识别、光源匹配和立体测距，光源识别是通过自适应识别算法和伪光源判别算法，识别图像中正确的光源成像；光源匹配是将立体图像的左右图像中识别到的光源，通过定义的光源特征进行配对，并利用极线搜索算法保证配对准确性；立体测距是采用三角测量方法计算已配准光源的三维坐标，并通过最小二乘法优化光源位置。本发明可靠性好、精度高，在有干扰的水下环境中能准确识别出基站光源，并得到精确的基站位置。
-
公开(公告)号：CN110775199B
公开(公告)日：2022-05-20
申请号：CN201910957042.7
申请日：2019-10-10
Applicant: 哈尔滨工程大学
Abstract: 本发明属于潜标技术领域，具体涉及一种可升沉的海流能潜标。本发明结合潜标和潮流能发电装置的特点，有效地利用了广泛分布的海洋流场，持续为系统提供能源，保证潜标长时间不间断工作。本发明采用了传统的仿鱼雷结构形式，结构紧凑。在保证系统容积的条件下，有效地降低了系统阻力。本发明通过锚泊系统将潜标固定在一定的区域内，可以通过调节自身的重力来实现上浮、下潜和悬浮。本发明除了定期浮出水面利用尾部的天线杆进行通信与数据传输之外，其大部分时间悬浮在水下一定的深度，具有很高的安全性与隐秘性。本发明具有很高的安全性和隐秘性，长航时，控制可靠，适用于区域海洋环境的长时间不间断监测。
-
公开(公告)号：CN110231822B
公开(公告)日：2022-04-05
申请号：CN201910480480.9
申请日：2019-06-04
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明公开了一种舰船用变输出约束式无模型自适应航向控制方法，属于舰船运动控制领域；本发明首先定义系统输出约束函数；然后将航向系统的期望输出量y*(k)与实际输出量y(k)相减得到误差e(k)；当误差e(k)超过设定的航向状态偏差的阈值e0时，通过变输出约束式无模型自适应控制方法根据e(k)解算出期望舵角um(k)；然后操纵机构接收并执行航向系统输入指令u(k)，令k＝k+1，更新舰船航向ψ(k)。本发明以的形式为例，通过变输出约束函数的引入，降低了输出重定义无模型自适应控制方法对重定义系数的敏感性，同时提高了系统的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
431
records
(took 0.034 seconds)
