-
公开(公告)号：CN112396655A
公开(公告)日：2021-02-23
申请号：CN202011290504.3
申请日：2020-11-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于点云数据的船舶目标6D位姿估计方法，包括：步骤1：获得海上场景的船舶点云数据集，数据集标签包括目标类别、目标的三维坐标、目标的三维尺寸以及目标的三维位姿；步骤2：构建神经网络，采用PointNet++进行逐点的点云特征提取，得到逐点的高维特征；步骤3：以自下而上的方案生成3D边界框提案，基于3D边界框生成真实分割掩模，分割前景点并同时从分割点生成带有角度信息的边界框提案，用于RCNN的输入；步骤4：基于步骤3得到的提案以及前景分割特征和空间特征进行提案的优化以输出最终的分类及3D边框和姿态角度。该方法实现了采用端到端学习的方式进行三维目标的位姿估计效果，提升了位姿估计的实时性。
-
公开(公告)号：CN111898204A
公开(公告)日：2020-11-06
申请号：CN202010667166.4
申请日：2020-07-13
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/28 , G06T17/20 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明提供一种用于带舵桨船舶的数值计算方法，包括：S1，在CFD仿真软件中导入船舶主体、螺旋桨和船舵的几何模型；S2，基于所导入几何模型，设置背景域以及分别包含船、螺旋桨和船舵的局部区域；S3，将S2中所建区域分别与其对应的船、螺旋桨和船舵进行布尔减运算，建立船域、螺旋桨域和船舵域；S4，设置边界条件；S5，建立背景域与船域、船域与螺旋桨域和船舵域之间的多层次嵌套重叠关系；S6，生成重叠网格；S7，设置计算模型和刚体运动条件；S8，计算求解。本发明针对带舵桨船舶的运动提出了一种简单有效的数值计算方法，通过重叠网格处理螺旋桨和船舵的大幅度运动问题，实现稳定、精确的数值计算。本方法高效准确，具有较强的实际应用性。
-
公开(公告)号：CN111145116A
公开(公告)日：2020-05-12
申请号：CN201911336661.0
申请日：2019-12-23
Applicant: 哈尔滨工程大学
Abstract: 本发明属于神经网络深度学习技术领域，具体涉及一种基于生成对抗网络的海面雨天图像样本增广方法。本发明基于生成对抗网络，采用传统的L1损失和GAN损失相结合的方法来训练网络，在训练生成器的过程中除了传统的GAN损失外还加上了生成的假的雨天图片与真实雨天图片之间的L1损失；生成器采用残差网络，判别器采用Patch-D，通过对图像分成N*N个小块分别进行判别来计算损失，提高图像的清晰度以及细节保持能力，生成样本时仍采用深度学习框架中的训练模式，即不对批归一化层的参数进行固定，继续启用dropout层。本发明中通过利用成对的图片来训练生成器，从而由多数类样本生成其对应的少数类样本，达到增广样本的目的。
-
公开(公告)号：CN110989628A
公开(公告)日：2020-04-10
申请号：CN201911373629.X
申请日：2019-12-27
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明属于船舶水动力和船舶控制领域，具体涉及一种基于CFD的欠驱动水面船舶航向控制方法。本发明包括CFD数值分析、水动力计算、数学建模以及镇定控制设计四部分本发明通过水动力方程分析和水动力导数计算建立欠驱动船舶三自由度数学模型，从而获取推进力矩阵控制律和转向力矩阵控制律，采用镇定控制方法对欠驱动船舶的航向角进行控制。本发明针对模型未知的欠驱动船舶的航向控制问题提出了一种简单有效的解决方法，能够对欠驱动船舶操纵过程中的状态变化进行观测，实现快速、稳定的航向控制。
-
公开(公告)号：CN110737268A
公开(公告)日：2020-01-31
申请号：CN201910971882.9
申请日：2019-10-14
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于Viterbi算法的确定指令的方法，包括步骤一：将指令库与模型中的标号进行映射并利用指令库集合训练出模型；步骤二：根据序列的实际情况将模型的初始值转换为Viterbi算法需要的首步值；步骤三：根据首步的初始值进行递推并更新路径信息；步骤四：递推终止并回溯最优路径；步骤五：根据解码得到的状态序列推断下一刻的状态。本发明利用Viterbi算法进行指令推理，任务的切入与切出没有明显的边界，该算法可靠性高、适应性强，且能够完成多任务切换的系统，更符合服务机器人的指令控制特性。
-
Patent Agency Ranking
公开(公告)号：CN110321937A
公开(公告)日：2019-10-11
申请号：CN201910526422.5
申请日：2019-06-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种Faster-RCNN结合卡尔曼滤波的运动人体跟踪方法，首先对Faster-RCNN算法进行简化，留下卷积神经网络和RPN网络，输入图像经过以上两个网络输出运动人体候选位置；然后对经典卡尔曼滤波算法进行改进，将原算法中定义为常值矩阵的噪声协方差矩阵改为时变矩阵，将原状态向量由四维扩展为八维，增加状态向量中运动人体位置框的宽度、高度和宽高变化率信息；最后将得到的运动人体候选位置作为卡尔曼滤波算法观测值，结合卡尔曼滤波算法预测值，得到多个运动人体位置的估计值，通过最小二乘拟合，去除离群点，去剩余位置求取平均值得到运动人体位置最优估计。该方法实现了动态背景下运动人体准确跟踪的效果。
-
公开(公告)号：CN109886357A
公开(公告)日：2019-06-14
申请号：CN201910189578.9
申请日：2019-03-13
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于特征融合的自适应权重深度学习目标分类方法。目标粗检测；提取图像卷积特征和HOG特征，对HOG特征扩维处理；将SENet嵌入到Resnet网络框架，建立用于提取图像多特征权重的网络框架；计算卷积特征和HOG特征的自适应权重向量，制定特征融合策略，计算图像融合特征；建立基于精准二分类网络集的多目标分类框架。本发明将图像卷积特征与HOG特征融合，提取图像特征的自适应权重向量，设计深度学习网络构型和参数，构建精准的分类网络，该网络通过降低得分阈值来得到更多的候选框，提高目标检测的召回率；通过设计多个二分类网络，在多分类问题上具有更高的准确率。
-
公开(公告)号：CN103679694B
公开(公告)日：2016-06-29
申请号：CN201310205207.8
申请日：2013-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种全景可见光图像序列中的小目标检测方法，特别是涉及一种海天背景下全景可见光图像中的舰船小目标检测方法。包括如下步骤：（1）图像预处理；（2）粗略提取海天线；（3）精确提取海天线；（4）在第三边缘检测图中进行第2次精确约束海天线区域；（5）检测小目标并在原始图像中标出小目标的位置。目前全景视觉可见光图像序列中的小目标检测并无有效方法，本发明设计了一种基于椭圆拟合的海天线提取方法提取全景视觉系统采集到的近似椭圆形的海天线，在此基础上设计了一种基于精确海天线区域约束的单窗口阈值法有效检测海天线上突起的舰船小目标。
-
公开(公告)号：CN103309244B
公开(公告)日：2016-05-04
申请号：CN201310205208.2
申请日：2013-05-29
Applicant: 哈尔滨工程大学
IPC: G05B17/02
Abstract: 本发明涉及船舶自动控制和系统仿真技术领域，具体涉及是一种欠驱动无人艇半物理仿真系统及其仿真方法。欠驱动无人艇半物理仿真系统，包括视景显示计算机、主控计算机、相机、图像采集卡、小型水池、小尺寸欠驱动无人艇实物模型以及操控台，相机通过安装在主控计算机主板上的图像采集卡与主控计算机连接，主控计算机采集相机拍摄的小尺寸欠驱动无人艇实物模型的图像。本发明建立了一种欠驱动无人艇半物理仿真系统及其仿真方法，具备同研究领域内纯数字仿真系统所不具备的更接近真实系统的优点；本发明可以很方便的扩展和升级其功能，系统具有更好的可扩展性和移植性；本发明的系统构建采用的是通用的计算机和相机等器材，总体构建成本低。
-
公开(公告)号：CN103679694A
公开(公告)日：2014-03-26
申请号：CN201310205207.8
申请日：2013-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种全景可见光图像序列中的小目标检测方法，特别是涉及一种海天背景下全景可见光图像中的舰船小目标检测方法。包括如下步骤：（1）图像预处理；（2）粗略提取海天线；（3）精确提取海天线；（4）在第三边缘检测图中进行第2次精确约束海天线区域；（5）检测小目标并在原始图像中标出小目标的位置。目前全景视觉可见光图像序列中的小目标检测并无有效方法，本发明设计了一种基于椭圆拟合的海天线提取方法提取全景视觉系统采集到的近似椭圆形的海天线，在此基础上设计了一种基于精确海天线区域约束的单窗口阈值法有效检测海天线上突起的舰船小目标。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.01 seconds)
