-
公开(公告)号：CN113721639A
公开(公告)日：2021-11-30
申请号：CN202111011001.2
申请日：2021-08-31
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种用于小型水下机器人入坞的路径规划方法及控制方法，涉及机器人水下入坞控制技术领域，用以解决现有机器人入坞方法由于没有对机器人水下行走路径进行有效规划而导致入坞效率低的问题。本发明提出以机器人为参考建立虚拟圆柱体，机器人初始位置和三维路径终点均在虚拟圆柱体表面，基于虚拟圆柱面生成一条轨迹，使机器人沿轨迹到达三维路径终点，从而继续沿中心线进入坞基站；本发明利用机器人和坞基站的相对位置和方向生成三维路径，提高了机器人入坞成功率。进一步将三维路径分为水平路径和垂直路径，根据在水平方向和垂直方向上计算得到的力和扭矩，控制机器人按照生成的三维路径行走。本发明可应用于水下机器人入坞前的路径规划和控制。
-
公开(公告)号：CN113296524A
公开(公告)日：2021-08-24
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。
-
公开(公告)号：CN111413118A
公开(公告)日：2020-07-14
申请号：CN202010196909.4
申请日：2020-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种水下深度数据采集系统，包括：深水耐压舱、深度传感器、处理板卡和深水接插件；至少三路深度传感器安装于深水耐压舱内部，且每一路深度传感器的头部均与深水耐压舱内部的顶端相连；处理板卡安装于深水耐压舱内部且与深水耐压舱内部的底端相连，且处理板卡与每一路深度传感器的尾部线缆插头相连；深水接插件安装于深水耐压舱外部底端，且深水接插件底座四芯线缆插头与处理板卡相连。本发明公开的水下深度数据测量系统同一时刻可以采集到至少三路数据，计算至少两路数据的均值，得到的计算结果精确度高；即使有一路传感器出现故障，其他几路也可继续工作，给出准确的深度数据，具有很高的可靠性和稳定性；深水耐压舱的结构设计也增强了本系统的可靠性和稳定性。
-
公开(公告)号：CN110991516A
公开(公告)日：2020-04-10
申请号：CN201911188861.6
申请日：2019-11-28
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于侧扫声呐图像识别技术领域，具体涉及一种基于风格迁移的侧扫声呐图像目标分类方法。本发明使用显著性检测方法及风格迁移网络，将常规光学图像转换成仿侧扫声呐图像，拉近了源领域及目标领域间的距离，增加了可直接迁移的基本特征数目，可有效提高迁移学习效率；同时，通过使用迁移学习方法，对经过充分训练的深度学习网络进行迁移，利用图像基本特征具有通用性的特点，可以有效降低优化参数数目，避免因训练样本不足无法应用深度学习技术的问题。本发明使用风格迁移及迁移学习方法，对使用人工生成的仿侧扫声呐图像训练好的卷积神经网络进行迁移，从而提高迁移学习效率，防止负迁移现象。
-
公开(公告)号：CN110487254A
公开(公告)日：2019-11-22
申请号：CN201910622509.2
申请日：2019-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种用于ROV的水下目标尺寸快速测量方法。步骤一.对水下畸变的双目左右视图，进行水下标定参数矫正与Bouguet极线矫正；步骤二.在ROV水面监测系统中的双目左视图上选择待测目标对应的两端点中的一个端点，利用粗-精立体匹配算法确定出在右图上的匹配点；步骤三.根据双目测量原理，恢复出所选点的三维坐标；步骤四.重复步骤二和步骤三得到第二个端点，然后再计算这两个点的欧式距离，得到两个点间的真实距离。相对于传统的基于全局匹配算法的测量方法，本发明所用方法能够实现更快速与更精确的水下目标尺寸测量，可广泛应用于ROV水下测量任务，具有非常好的实用性。
-
Patent Agency Ranking
公开(公告)号：CN109785260A
公开(公告)日：2019-05-21
申请号：CN201910026679.4
申请日：2019-01-11
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明属于侧扫声呐图像处理技术领域，具体涉及一种针对侧扫声呐图像的非线性增强方法。本发明包括如下步骤：从原始侧扫声呐数据文件中获取原始图像，然后对原始图像依次进行灰度归一化、邻域极值抑制和高斯平滑，再针对平滑后的图像计算低灰度区最大值、高灰度区最小值和中间灰度区，最后对上述三个区域分别进行非线性校正，得到增强后的图像。通过上述步骤，本发明能够快速、有效、低成本地实现对原始侧扫声呐图像有效信号的增强和无效信号的抑制，增强图像局部特征的对比度，并且保持原始图像的边缘和灰度分布的单调性，不引伪边缘等。
-
公开(公告)号：CN109284769A
公开(公告)日：2019-01-29
申请号：CN201810874993.3
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于量化参数的水下图像自适应分类方法，属于数字图像处理领域，适用于水下图像增强前预分类。本发明主要包括以下步骤，首先构造自适应参数，设定自适应参数阈值；然后读取水下图像并转换为灰度图像；对灰度图像进行处理获得输入水下图像的亮度特征图像；求得水下图像的自适应参数，并与自适应参数阈值进行比较；当自适应参数大于设定阈值时，表明输入图像属于具有雾状模糊的水下图像；小于设定阈值时，表明输入图像属于亮度分布不均的水下图像。本发明提供的方法从人眼对水下图像的直观感受出发，通过卷积与最大值池化，忽略图像细节信息，保留对图像的总体认知，并且提供了实际应用的可能性。
-
公开(公告)号：CN108444447A
公开(公告)日：2018-08-24
申请号：CN201810165090.8
申请日：2018-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种用于水下避障系统中的渔网实时自主检测方法，属于计算机视觉领域，通过水下激光探测手段和一种基于深度生成网络和深度学习回归式与区域建议相结合目标检测的方法，减少图像预处理操作的时间。本发明使用基于水下激光扫描系统采集渔网图像，克服传统光在水下的后向散射作用以及声波受海水环境影响敏感性问题，得到清晰、高亮度的水下渔网图像，可直接用于后期的渔网检测，不需要通过去噪等前期预处理手段，大大提升后期渔网目标检测过程的实时性，既保证深度学习大数据量的要求，又在保证实时性的前提下提高渔网目标检测的置信度，为水下避障系统提供视觉部分的渔网检测技术方法。
-
公开(公告)号：CN102707289B
公开(公告)日：2016-03-09
申请号：CN201210197720.2
申请日：2012-06-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于航向角旋转的多波束侧扫声纳图像实时拼接方法。采集多波束侧扫声纳所有通道中的原始数据，并设定拼接图像初始位置；移除因为第一个回波点返回之前换能器接收水下噪声产生的水柱区；将移除水柱区后的原始数据中的第一ping的N个通道数据写入画布，并记录当前的ping数和当前航向角；读取下一ping N个通道的数据和对应的GPS及航向角信息，计算前后两ping数据航向角的差值，若航向角无变化，则按GPS信息顺次拼接，若航向角有变化，将数据进行旋转后拼接，旋转角度为航向角差值；修补拼接后图像中出现的缝隙。本发明是一种精确度高、显示效果好、计算量低的多波束侧扫声纳图像实时拼接方法。
-
公开(公告)号：CN104536005A
公开(公告)日：2015-04-22
申请号：CN201410653132.4
申请日：2014-11-17
Applicant: 哈尔滨工程大学
IPC: G01S15/89
Abstract: 本发明公开了一种基于盲区校正的多波束侧扫声呐斜距失真消除方法。包括以下几个步骤：读取侧扫声呐的图像信息、姿态信息中的距海底高度及斜距；计算侧扫声呐图像的水柱区斜距；计算当前分辨率；计算在当前分辨率下的盲区宽及水柱区宽；校正侧扫声呐图像的左右两部分像素点的空间坐标；绘制侧扫声呐图像。本发明将以往方法通常忽略掉的侧扫声纳盲区考虑到计算当中，使得图像斜距失真更准确地被校正，提高了显示精度。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.026 seconds)
