-
公开(公告)号：CN109118458A
公开(公告)日：2019-01-01
申请号：CN201811310145.6
申请日：2018-11-06
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种低照度彩色图像增强方法，本发明基于Retinex理论进行低照度彩色图像增强，假设原始图像是由光照图像与反射图像乘积得到，用图像平滑获得原始图像的平滑的图；将获得的平滑图加一个常数得到需要的光照图；原始彩色图像的三个通道图像分别除以光照图得到三个通道图像的反射图像；用原始图像像素灰度的均值加上一个常数作为新的光照图；最后将三个通道反射图与新的光照图相乘然后合并三通道获得最终的增强图像。本发明解决现有基于Retinex理论进行低照度图像增强算法在增强图像的同时产生光晕与黑暗区域颜色出现马赛克现象的问题，得到一个更加自然的增强图像，算法步骤和理论简单，编程易于实现，保证算法的实时性。
-
公开(公告)号：CN114037866B
公开(公告)日：2024-04-09
申请号：CN202111295572.3
申请日：2021-11-03
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于可辨伪特征合成的广义零样本图像分类方法，包括如下步骤：构建端到端神经网络模型；用可见类图像对模型进行预训练，使得在潜在空间中的同类潜在特征与它们的语义属性之间距离最小，得到可见类的可辨潜在特征；对每个未见类，选取与其符合相似性判定要求的可见类的语义属性构造属性变换矩阵，并用于优化非负合成向量；利用非负合成向量结合被选中的可见类的潜在特征，以及未见类的语义属性，合成未见类的伪特征；对合成的未见类伪特征进行过滤并剔除伪特征中的离群值，得到可辨伪特征；用可辨伪特征与可见类图像训练整个网络。本发明能够同时对可见类别和未见类别的图像进行高精度分类。
-
-
公开(公告)号：CN111240201B
公开(公告)日：2023-01-03
申请号：CN202010050128.4
申请日：2020-01-17
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开一种扰动抑制控制方法，在经典的最优控制器损失函数中考虑扰动作用，计算包含扰动前馈控制和状态反馈控制两部分的最优控制器的解析表达式。其中前馈控制律由系统输入动力学参数和扰动作用共同决定；反馈控制律由系统输入动力学参数和损失预测值的梯度共同决定。系统输入动力学参数和扰动作用由所设计的观测器提供，算法通过优化汉密尔顿方程的神经网络估计得出。因此与基于观测器的扰动补偿控制相比具有更好的自适应能力，在扰动和系统控制输入维数不匹配的情况下最小化全局状态摄动。适用于未知系统参数并对稳定性要求较高的应用场合。
-
公开(公告)号：CN113296524B
公开(公告)日：2022-11-29
申请号：CN202110450053.3
申请日：2021-04-25
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明提出一种水下仿生球形/半球形机器人的推力矢量分配优化方法，所述机器人赤道面周向分布四组腿部机构，每组所述腿部机构至少包括依次连接的第一水平转动关节、第一连杆、第一垂直转动关节及远端连接的推进器，所述方法包括：S1，建立所述机器人的多种运动模式，所述多种运动模式至少包括“H”型运动模式、“工”型运动模式和“X”型运动模式；S2，建立所述多种运动模式分别对应的运动模型，所述运动模型至少包括“H”型运动模型、“工”型运动模型和“X”型运动模型；S3，根据多个所述运动模型建立多并联PID控制模型，设定期望航迹点，以所述机器人的位置信息和姿态角信息为反馈信息，切换所述运动模式，闭环控制所述机器人运动。
-
Patent Agency Ranking
公开(公告)号：CN113074725B
公开(公告)日：2022-07-22
申请号：CN202110512081.3
申请日：2021-05-11
Applicant: 哈尔滨工程大学
Abstract: 一种基于多源信息融合的小型水下多机器人协同定位方法及系统，属于多机器人协同定位技术领域，用以解决小型水下机器人因尺寸小、供能有限而无法使用光纤陀螺、多普勒(DVL)及水声定位系统进行定位的问题。本发明将基于压力传感器的两台机器人垂直距离信息和基于环视立体感知装置即双目视觉定位的机器人三维空间位置信息融合，获取精确的水下机器人空间位置，在特殊的水下环境中，不需要依赖较大功率且比较笨重的定位设备，解决了小型水下机器人因尺寸小、供能有限而无法使用光纤陀螺、多普勒(DVL)及水声定位系统进行定位的问题，有效提高了小型水下多机器人相对协同定位的精度和鲁棒性。本发明为小型两栖机器人协同编队控制提供理论基础。
-
公开(公告)号：CN113306685A
公开(公告)日：2021-08-27
申请号：CN202110572183.4
申请日：2021-05-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种水下仿生球形/半球形机器人的位姿感知方法，该机器人包括一球形/半球形外壳、一压力传感器阵列，压力传感器阵列沿外壳周向布置，该方法包括：步骤1，确定压力传感器阵列中的迎水面压力传感器，读取迎水面压力传感器的数据，计算各个迎水面压力传感器感测的压力；步骤2，将各个迎水面压力传感器感测的压力、水流对机器人迎水面的压力、以及读数最大的压力传感器的感受面垂直方向与水流方向的夹角为参数，求解机器人的运动速度和运动方向；步骤3，根据机器人在世界坐标系OE下的运动速度，以及机器人的姿态信息，计算机器人的位置。本发明解决了小型化水下机器人无法实现运动速度和运动方向感知的问题，且实现成本低。
-
公开(公告)号：CN113139916A
公开(公告)日：2021-07-20
申请号：CN202110407439.6
申请日：2021-04-15
Applicant: 哈尔滨工程大学 , 中国船舶重工集团有限公司第七一0研究所
Abstract: 本发明公开了一种基于生成式对抗网络的水下声呐仿真图像生成和数据扩充方法，包括：构建训练数据样本集；构建数据预处理系统，对样本数据进行预处理；构建生成器网络模型，将预处理后的图像输入生成器网络模型，得到保证图像尺寸和细节特征的输出图像；构建判别器网络模型，与生成器网络模型在训练的过程中不断对抗训练，得到质量好的图像；构建训练模型，通过训练模型对生成器网络模型和判别器网络模型进行训练；构建梯度惩罚项模型，在训练模型损失函数基础上增加梯度惩罚项，模型训练时，引入的梯度惩罚项使训练过程中梯度不会骤变；开始训练，获得优质的水下声呐仿真图像。本发明能够生成更高质量、更高分辨率和细节更逼真的水下声呐图像。
-
公开(公告)号：CN111582403A
公开(公告)日：2020-08-25
申请号：CN202010419858.7
申请日：2020-05-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种零样本侧扫声呐图像目标分类方法，根据任意待识别侧扫声呐图像目标类别信息，获取同类别的常规光学图像，并对其进行类别标注，获取一些较为容易获得的不包含待识别类别目标的侧扫声呐图像。然后使用针对侧扫声呐图像的风格迁移方法，以常规光学图像和侧扫声呐图像作为输入，生成某特定类别的仿真侧扫声呐图像，并根据生成的仿真侧扫声呐图像数据集训练深度神经网络，最后，使用由仿真侧扫声呐数据集训练得到的深度神经网络即可应用于对某特定类别的侧扫声呐图像进行分类识别。本发明可以在没有可用训练样本的情况下，依然准确的实现某特定类别目标的侧扫声呐图像分类，解决因样本无法获取导致的无法训练识别网络的问题。
-
公开(公告)号：CN110060248A
公开(公告)日：2019-07-26
申请号：CN201910321418.5
申请日：2019-04-22
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习与声呐图像处理领域，具体涉及一种基于深度学习的声呐图像水下管道检测方法。本发明包括如下步骤：构建侧扫声呐图像样本数据集；对数据集中的图像进行预处理；构建用于判别水下管道的铺设方式和检测管道位置的深度卷积神经网络，并训练网络的权重得到训练好的网络；对预处理后的侧扫声呐图中水下管道铺设方式进行判断和给出位置的包围盒集合；根据包围盒集合的中心点得到水下管道的中心位置线，根据包围盒集合覆盖区域分割出目标。本专利方法与现有的方法相比，能够更准确对水下管道的铺设方式进行判定，更精准地检测出水下管道的位置及其中心位置线，泛化能力强，而且在并行加速单元的硬件支持下，检测速度快、效率高。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.067 seconds)
