-
公开(公告)号：CN116750232A
公开(公告)日：2023-09-15
申请号：CN202310831853.9
申请日：2023-07-07
Applicant: 中国电子科技集团公司第五十四研究所 , 北京交通大学
Abstract: 本发明公开了一种折叠式空海两用无人机，涉及无人机技术领域，包括无人机本体，所述无人机本体的底面固定连接有连接座，所述连接座的底面开设有T型滑槽，所述T型滑槽的内壁滑动卡接有T型滑块，所述T型滑块的底面固定连接有漂浮板，所述漂浮板的底面开设有转动槽，所述转动槽的内壁转动连接有支撑板，所述支撑板的底面固定连接有防滑垫。本发明通过支撑板与地面接触在压力的作用下弯曲至一定角度，通过支撑板弯曲带动连接杆推动滑块在滑杆一上滑动，通过滑块滑动挤压弹簧二，通过挤压弹簧二发生形变产生反向力对无人机本体起到了良好的减震作用，避免了无人机内的电子元件的损坏，影响无人机的使用寿命。
-
公开(公告)号：CN116692047A
公开(公告)日：2023-09-05
申请号：CN202310831548.X
申请日：2023-07-07
Applicant: 中国电子科技集团公司第五十四研究所 , 北京交通大学
IPC: B64U20/70 , B64U60/00 , B64U50/19 , B64U30/291 , B64U30/292 , B64C1/00 , B64C25/32 , B64U101/30
Abstract: 本发明公开了一种流线型海空跨域无人机，涉及无人机技术领域，包括机身，所述机身的外部固定连接有机臂，所述机臂的顶部活动连接有螺旋桨座，所述螺旋桨座的外部固定连接有螺旋桨，所述机身的底部两端固定连接有起落架，所述起落架的底部固定连接有脚垫。本发明通过机身呈光滑流线型，并采用曲面的设计，使得机身的头部呈扁圆形，从而减少在飞行中的迎风面积，降低对无人机的飞行阻力，且由于脚垫和防滑垫增加了底部与地面的接触面积，从而使得无人机在降落时，能够与增加平稳性，用手向内按压C形杆，使得C形杆沿着连接槽向内移动，带动卡块受力向内挤压橡胶条，卡块沿着套杆挤压转动，从而脱离出卡槽内，从而将螺旋桨座进行取出。
-
公开(公告)号：CN112966749B
公开(公告)日：2023-08-11
申请号：CN202110254502.7
申请日：2021-03-09
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/082 , G06N3/0895
Abstract: 本发明公开了一种基于半监督滑窗全卷积网络的极化SAR图像分类方法，属于图像处理技术领域。包括如下步骤：获取极化SAR图像各像素点的极化相干矩阵并去噪；对去噪后的矩阵T进行H/A/α分解；将矩阵T和H/A/α分解特征作为极化SAR图像的原始特征并归一化；选取训练样本和测试集，对半监督滑窗全卷积网络进行训练；使用训练后的网络对极化SAR图像进行分类，并统计测试样本的分类结果。本发明采用半监督滑窗全卷积网络进行极化SAR图像分类，得益于其端到端、点到点的分类架构，结合半监督策略，可以用较少的训练样本，得到较好的分类结果有利于获取良好的分类结果。
-
公开(公告)号：CN116310492A
公开(公告)日：2023-06-23
申请号：CN202310011379.5
申请日：2023-01-05
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V10/764 , G06V10/82 , G06V10/776 , G06V20/10 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种小样本遥感图像场景分类方法，属于图像感知领域。该方法首先将遥感图像场景分类数据集划分为训练集、验证集和测试集；接着基于上述数据集分别构建情景集；接着构建基于注意力机制的深度近邻神经网络模型；接着基于情景集对基于注意力机制的深度近邻神经网络模型进行训练及验证；最后基于情景集对训练好的基于注意力机制的深度近邻神经网络模型进行测试。本发明针对遥感图像场景分类中场景背景复杂的问题，提出了基于注意力机制的深度神经网络模型，引入情景训练方式，采用深度局部描述子进行特征表示，引入了注意力机制得到场景类别相关的注意力图，将深度局部描述子区分为与场景相关和无关的两部分，基于度量模块计算查询图像的局部描述子与类别之间的相似性，并利用注意力图进行加权求和，解决了小样本遥感图像场景分类问题。
-
公开(公告)号：CN111862155B
公开(公告)日：2022-11-22
申请号：CN202010674160.X
申请日：2020-07-14
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种针对目标遮挡的无人机单视觉目标跟踪方法，属于无人机目标跟踪技术领域。本发明针对无人机拍摄的图像序列，以传统KCF算法为基础，增加了目标遮挡判别机制，在发现目标被严重遮挡时进行目标的移动轨迹预测，并给出目标可能出现的区域，可实现目标快速重定位，保证持续跟踪。同时，本发明采用检测器更新策略，并仅在目标特征具有较高质量时才更新检测器，这样既保证了检测器的准确性又减少了更新次数，提高了运算效率。总之，本发明提高了现有算法针对跟踪目标遮挡时的准确性，是对现有技术的一种重要改进。
-
Patent Agency Ranking
公开(公告)号：CN115268490A
公开(公告)日：2022-11-01
申请号：CN202210858861.8
申请日：2022-07-21
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G05D1/10
Abstract: 本发明针对建筑空间这类室内外结合、空间狭小、行动路线严重受限场景下的无人机群任务规划问题，提出了一种建筑空间无人机群任务规划方法，属于无人机任务规划领域。根据建筑空间层次化特点，在空间属性划分、层次化任务分配、航线规划、航线融合四方面进行了针对性设计，不同的任务规划及航线规划策略之间由空间的连续性可以无缝衔接，即保证了整个任务规划过程的分段处理优势，又遵循了无人机执行过程的航线连续性，较传统手段单一、思路扁平化的规划方法，该方法速度快、效率高，对建筑空间这类层次化特征明显的场景具有很强的适用性。
-
公开(公告)号：CN115220893A
公开(公告)日：2022-10-21
申请号：CN202210840255.3
申请日：2022-07-18
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F9/48
Abstract: 本发明公开了一种异构无人集群多任务协同模型构建方法，该方法对无人集群协同过程中的共性问题进行了流程化描述，可满足任务场景多样、无人平台异构、多任务综合、评估标准不一等复杂建模需求。尤其针对异构无人集群执行多类任务时面临的任务协同模型构建问题，提出了对无人集群协同过程中的可控要素及不可控要素进行分类，并且分别对状态空间及动作空间进行共性及独立性进行分类，最后通过状态转移规则实现模型的动态运转，实现对异构无人集群的多任务协同模型构建。该方法对拓展无人集群建模理论，促进无人集群建模到无人集群工程应用具有重要意义。
-
公开(公告)号：CN114694002A
公开(公告)日：2022-07-01
申请号：CN202210241296.0
申请日：2022-03-11
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V10/80 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉领域，公开了一种基于特征融合与注意力机制的红外目标检测方法，主要解决现有技术在红外图像目标检测中由于红外图像特征少导致的精度低问题。其方案为：1)搭建特征融合与注意力机制的红外目标检测网络；2)构建红外图像数据集；3)利用构建的数据集对特征融合与注意力机制的红外目标检测网络进行训练，得到训练好的红外目标检测网络；4)将待检测的红外图像，输入到训练好的网络中进行检测标注，输出红外目标的检测结果。本发明增强了网络的识别和定位红外能力，保证检测的速度，提高了检测精度，广泛应用于工业、安防、交通等领域。
-
公开(公告)号：CN111860356B
公开(公告)日：2022-07-01
申请号：CN202010718506.1
申请日：2020-07-23
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V20/10 , G06V10/40 , G06V10/774 , G06V10/80 , G06K9/62
Abstract: 本发明公开了一种基于非线性投影字典对学习的极化SAR图像分类方法，属于图像处理技术领域。本发明包括以下步骤：分别提取极化相干矩阵T和Cloude分解特征并合并；将合并的特征设置为每个像素点的原始特征，并将其中的元素分别归一化；从极化SAR图像中随机选取部分有标记样本作为训练样本；使用训练样本训练非线性投影字典对模型，直到模型收敛；使用训练好的模型对整幅极化SAR图像提取特征；将提取的特征输入到Softmax分类器，得到整幅极化SAR图像的分类结果。本发明可以以自适应的方式得到输入数据的元素之间的非线性关系，同时兼顾时间消耗，能得到良好的分类结果。
-
公开(公告)号：CN112966749A
公开(公告)日：2021-06-15
申请号：CN202110254502.7
申请日：2021-03-09
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于半监督滑窗全卷积网络的极化SAR图像分类方法，属于图像处理技术领域。包括如下步骤：获取极化SAR图像各像素点的极化相干矩阵并去噪；对去噪后的矩阵T进行H/A/α分解；将矩阵T和H/A/α分解特征作为极化SAR图像的原始特征并归一化；选取训练样本和测试集，对半监督滑窗全卷积网络进行训练；使用训练后的网络对极化SAR图像进行分类，并统计测试样本的分类结果。本发明采用半监督滑窗全卷积网络进行极化SAR图像分类，得益于其端到端、点到点的分类架构，结合半监督策略，可以用较少的训练样本，得到较好的分类结果有利于获取良好的分类结果。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.052 seconds)
