-
公开(公告)号：CN110737268B
公开(公告)日：2022-07-15
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。
-
公开(公告)号：CN109932701B
公开(公告)日：2022-07-15
申请号：CN201910261744.1
申请日：2019-04-02
Applicant: 哈尔滨工程大学
IPC: G01S7/41
Abstract: 本发明涉及一种模拟船用雷达的目标船回波2D成像方法，包括设定雷达回波成像参数，以扫描线方式模拟雷达回波；构建船舶航行模拟单元，通过组播通信方式提供船舶模拟运动状态；雷达模拟数据预处理；解算雷达扫描线上各点与目标船的相对位置关系，确定扫描线各点的幅值；雷达回波成像信息可视化。本发明设计船舶航向模拟单元以及雷达回波模拟器，通过网络通信实时发送模拟目标船回波成像信息，并设置人机交互接口，自定义设置回波成像的数量、尺寸、位置和姿态，灵活定制动态回波成像信号，为船桥雷达显控台提供通用的验证成像测试信号。
-
公开(公告)号：CN113221962B
公开(公告)日：2022-06-21
申请号：CN202110428644.0
申请日：2021-04-21
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种解耦分类与回归任务的三维点云单阶段目标检测方法，步骤包括：(1)对于点云进行体素化处理，使数据从无须的点云变成有序的栅格结构，(2)利用三维稀疏卷积进行网络的特征提取从而得到高阶特征图，(3)在特征图中，使用双头的检测器聚合特征并预测出目标的分类、回归框以及方向。本发明为了解决目标检测子任务之间的特征纠缠问题，设计了双头的检测网络结构，能够在高维特征中分别提取分类与回归任务各自关注的特征，分别预测子任务。并且在解耦的基础上，利用联合检测的方法，将两个任务中相关信息相结合，共同预测目标类别。本发明提升了三维目标检测的准确率，并可以很容易的迁移到其他方法中。
-
公开(公告)号：CN114581670A
公开(公告)日：2022-06-03
申请号：CN202210304835.0
申请日：2022-03-23
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于空间分布注意力的船舶实例分割方法，包括以下步骤：步骤一：图像的特征提取；步骤二：获取网格的分类预测和位置敏感动态卷积核；步骤三、计算实例的相对关系空间分布注意力；步骤四、生成分割掩码特征；步骤五、生成最终的实例分割掩码。本发明可以有效的增强特征图中的实例信息，并减少背景信息的干扰，同时加快了网络训练的速度。
-
公开(公告)号：CN110321937B
公开(公告)日：2022-05-17
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。
-
Patent Agency Ranking
公开(公告)号：CN112550592B
公开(公告)日：2021-09-10
申请号：CN202011313630.6
申请日：2020-11-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶能耗预测技术领域，具体涉及一种基于数据驱动的船舶能耗预测方法。本发明包括获取船舶的期望航线、出发时间及海况信息；构建离线基础模型，包括船舶对水稳态航速模型、发动机功率模型和发动机油耗模型；对船舶对水稳态航速模型和发动机功率模型的离散网格矩阵进行高维线性插值；对发动机油耗模型的离散网格矩阵进行一维线性插值；实时推演船舶能耗模型。本发明以一套数据矩阵作为支持，实现船舶长航路的能耗快速计算，该方法中的数据矩阵可通过多种方式获得，并方便快速替换。本发明不影响原有的船舶动力学仿真模型的思路，在实际仿真验证评估系统中与动力学仿真模式并存，各自负责不同类型的仿真计算。
-
公开(公告)号：CN112465697A
公开(公告)日：2021-03-09
申请号：CN202011459200.5
申请日：2020-12-11
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种海上雾天图像模拟方法，构建海上场景样本图片数据集并人工标注，将数据集分为天空、海面和前景目标，并进行语义分割训练，得到网络参数；假设天空部分距离摄像头为无穷远，海面部分与天空接触处为无穷远，图片最下方距离摄像头距离为0，其他海面部分满足x3变化趋势由近及远变化，前景目标深度与最下方跟海面接触处深度保持一致得到深度图；对深度图进行均值滤波和两次高斯模糊来进行平滑，并将其与横纵方向皆满足‑ax2+b变化趋势且边缘的灰度为0的灰度块相加，a,b为随机数，来模拟不均匀雾团，利用深度图模拟出雾天下的海面场景图片。本发明可以基于大气散射模型模拟出较为真实的雾天下海上场景图片，实现该场景下的样本数量增广。
-
公开(公告)号：CN111768415A
公开(公告)日：2020-10-13
申请号：CN202010542619.0
申请日：2020-06-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种无量化池化的图像实例分割方法，包括如下步骤：S1：将任意大小二维图像输入深层特征提取网络获得多层特征图，经过区域推荐网络提取候选区域；S2:使用无量化池化层将上述具有不同的尺寸候选区域特征图池化到相同的大小；S3:输入两个检测分支预测每个候选区域的类别以及位置，同时并行连接掩码分支对每个候选区域进行前景和背景掩码分割，还原到原图尺寸。本发明解决了现有技术中对不同大小候选区域的特征图进行池化时像素空间信息缺失问题，使用无量化池化层，在不引入任何参数条件下，使得特征图像素与原图像像素一一对应，保证了目标位置的准确性，进而提升了图像实例分割的准确度。
-
公开(公告)号：CN111553934A
公开(公告)日：2020-08-18
申请号：CN202010333573.1
申请日：2020-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用多维度融合的多船舶跟踪方法，包括：图像预处理；通过前端特征提取模块提取船舶特征；将当前帧船舶目标特征图分别与之前所有帧中船舶目标的特征图经特征融合模块进行融合，得到融合后特征；将融合后特征经后端特征提取层得到当前帧船舶目标与之前所有帧中船舶目标之间的关联矩阵，根据相似性得到预跟踪的结果；将预跟踪的结果利用运动匹配优化模块进行优化得到最终跟踪结果。本发明引入ASPP模块提高网络对于不同尺寸目标的建模能力，使得特征更能表达语义信息；提出了联合检测区域建模模块，进一步提升建模能力；提出运动匹配优化模块达到对预跟踪结果的优化与精修，使得跟踪器更为稳定，不过度于依赖检测器的性能。
-
公开(公告)号：CN111160354A
公开(公告)日：2020-05-15
申请号：CN201911388248.9
申请日：2019-12-30
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于联合图像信息的海天背景下船舶图像分割方法，本发明针对于待分割的船舶图像，首先利用训练好的干扰因素判别器判别船舶图像对应的环境类型；然后利用所述环境类型对应的船舶提取器进行船舶的分割提取；采用基于神经网络的分类网络构建干扰因素判别器；利用训练集进行训练，得到训练好的干扰因素判别器；采用基于神经网络的分割网络构建不同环境下的船舶提取器；利用训练集中每种环境下的船舶图像分别进行训练，得到不同环境下船舶图像分别对应的训练好的船舶提取器。主要用于图像中船舶的分割提取。解决利用现有的分割算法进行海天背景下船舶图像分割存在分割精度降低的问题。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.03 seconds)
