-
公开(公告)号：CN118608737A
公开(公告)日：2024-09-06
申请号：CN202310048370.1
申请日：2023-01-31
IPC分类号： G06V10/10 , G06V10/75 , G06V10/82 , G06V10/74 , G06V10/52 , G06V10/80 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/09
摘要： 本发明属于机器人视觉图像领域，具体涉及一种基于多级关键点匹配和重构网络的移动机器人图像拼接系统和方法。所述方法包括以下步骤：（1）基于多阶段关键点匹配，得到与参考图像基线水平相同并包含单应偏移量信息的目标特征图Hx；（2）将参考特征图与所述目标特征图Hx进行动态融合，得到最终拼接特征图并将其进行尺度变换，再得到尺度特征图；（3）将所述尺度特征图进行多级重构，得到重建的拼接图像；（4）用损失函数对所述拼接图像中的缝合网络进行有监督的训练，使缝合的内容贴近真实图像。本发明提供的方法能克服传统算法拼接不同深度图像时产生的重影缺陷，同时适用于任意视角图像的拼接，为后续开展图像拼接算法的研究开拓了新的思路。
-
公开(公告)号：CN117218210A
公开(公告)日：2023-12-12
申请号：CN202311362069.4
申请日：2023-10-20
摘要： 一种基于仿生眼的双目主动视觉半稠密深度估计方法，其特征在于，包括以下步骤：S100，利用双目仿生眼相机采集图像；S200，将S100采集到的图像输入到SLAM系统中，利用SLAM系统追踪关键帧并估计相机位姿和路标点坐标；S300，利用S200获取的关键帧位姿和其对应关键帧图像数据，通过极线搜索、块匹配结合三角测量，再利用深度滤波器实现半稠密的深度估计。本发明在块匹配过程中首先过滤了一些图像块梯度不符合要求的块匹配的NCC计算，因此相较于稠密的直接法，本发明能够更好的达到实时性的要求。
-
公开(公告)号：CN118276582A
公开(公告)日：2024-07-02
申请号：CN202410352272.1
申请日：2024-03-26
申请人： 济宁学院 , 山东理工精密机械有限公司 , 上海大学
摘要： 本发明属于无人艇技术领域，具体涉及一种基于好奇心驱动的多无人艇协同目标探索方法、电子设备和存储介质。所述方法包括创建多无人艇仿真训练环境；设置好奇心驱动模块、状态共享池、状态空间、动作空间和奖励函数；无人艇上搭载相机；策略模型基于深度确定性策略梯度算法构建，使用状态共享池里的样本对模型进行训练。本发明通过设置状态共享池，大大提高了无人艇搜索环境的效率，同时增强了无人艇之间的合作性。好奇心模块的设置可以提高无人艇对未知领域的探索兴趣，提高对环境的探索程度，从而提高目标探索的效率。
-
公开(公告)号：CN117058547A
公开(公告)日：2023-11-14
申请号：CN202311046258.0
申请日：2023-08-18
IPC分类号： G06V20/10 , G06V10/82 , G06V10/774 , G06N3/092 , G06T7/70
摘要： 本发明涉及计算机视觉技术领域，公开了一种无人艇动态目标跟踪方法，该方法为：1）利用无人艇上搭载的相机获取环境图像，找出环境图像中动态目标的图像；2）确定环境图像、动态目标图像的中心坐标，根据环境图像、动态目标图像的中心坐标构建状态量；3）将状态量输入动态目标跟踪网络模型中，计算得到相机云台的旋转姿态角信息；4）根据旋转姿态角信息计算出云台电机的动作，根据云台电机的动作控制云台电机进行运动；5）重复上述步骤1‑4），实现相机跟随动态目标运动，完成动态目标的跟踪。本发明动态目标跟踪算法能够自适应、精准、稳定地跟踪各种复杂目标，具有广泛应用前景。
-
公开(公告)号：CN114967441A
公开(公告)日：2022-08-30
申请号：CN202210412548.1
申请日：2022-04-19
IPC分类号： G05B13/04
摘要： 本发明公开了一种网络化非完整约束多机器人分群一致追踪控制方法，属于控制技术领域，包括以下步骤：步骤一、对每个移动机器人硬件系统进行初始化设置，获得各个移动机器人的初始位置和姿态信息；步骤二、分析多组非完整约束两轮驱动的移动机器人系统，建立高阶非线性欧拉‑拉格朗日模型；步骤三、基于动力学和运动学结合设计自适应滑模力矩控制器，确定分群控制协议；步骤四、根据移动机器人的初始状态信息，利用步骤三的获得移动机器人的轨迹方程，进而将控制信息输送至执行模块，实现移动机器人的实时控制，然后设定各群组的轨迹方程，多移动机器人根据轨迹路线进行复合路径的轨迹跟踪，实现非完整约束多移动机器人多目标自主运行、协同配合。
-
公开(公告)号：CN118276583A
公开(公告)日：2024-07-02
申请号：CN202410352550.3
申请日：2024-03-26
申请人： 济宁学院 , 山东理工精密机械有限公司 , 上海大学
摘要： 本发明属于无人艇技术领域，具体公开一种基于深度强化学习的无人艇目标跟踪方法、电子设备及存储介质。所述方法包括：创建训练所需要的海面虚拟环境；设置优先经验回放记忆池、状态空间、动作空间和奖励函数；创建未来状态预测奖励框架；策略网络基于竞争Q网络构建；无人艇搭载雷达传感器用于感知环境；目标根据预设的轨迹在海面运动。本发明通过设置未来状态预测奖励框架使无人艇能够提前获得下一时刻的部分状态信息，因此可以提前为未来的状态做出决策，这对于规避动态障碍物、捕捉动态目标具有重要作用。
-
公开(公告)号：CN118131775A
公开(公告)日：2024-06-04
申请号：CN202410339991.X
申请日：2024-03-25
IPC分类号： G05D1/43 , G05D109/30
摘要： 本发明属于无人艇路径规划技术领域，具体公开了一种基于强化学习的轻量化无人艇路径规划方法、电子设备及存储介质，其方法包括创建无人艇虚拟仿真环境，设置目标位置和阈值；设置分类经验池、状态空间、动作空间和奖励函数；基于PPO算法建立网络模型，利用分类经验池中储存的样本对网络模型进行训练；所述分类经验池包括成功探索经验池和失败探索经验池；无人艇搭载激光雷达传感器，通过激光雷达采集的点云信息感知环境；通过无人艇与仿真环境交互获得策略网络的训练数据，采用获得的训练数据对策略网络进行训练，直至无人艇能够完成无碰撞的路径规划；所述训练数据须经过预处理将点云数据中的冗余信息去除。
-
公开(公告)号：CN117156272A
公开(公告)日：2023-12-01
申请号：CN202311094832.X
申请日：2023-08-28
摘要： 本发明公开了一种电液可调焦镜头自动对焦方法、系统及电子设备，涉及镜头对焦技术领域，方法主要包括：确定强度学习方法的状态空间、动作空间以及奖励函数；状态空间至少包图像清晰度和相机焦距；动作空间包括电液可调焦镜头的调焦电流值；奖励函数是根据动作前后的图像差别设计的函数；基于上述确定的状态空间、动作空间以及奖励函数构建样本数据并存入经验池；当经验池中的样本数据组数为M组时，将经验池中的样本数据作为深度神经网络架构的训练数据，同时结合深度确定性策略梯度算法和单次爬山寻优算法，得到训练好的自动对焦策略。本发明能够根据环境变化和目标特性，自主调整焦距和焦点，从而获得更清晰、更优质的图像。
-
公开(公告)号：CN117152228A
公开(公告)日：2023-12-01
申请号：CN202311124246.5
申请日：2023-09-01
IPC分类号： G06T7/55 , G06T7/73 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895
摘要： 本发明提供了一种基于通道自注意力机制的自监督图像深度估计方法,与现有技术相比，本发明构建的基于通道注意力机制的自监督深度估计网络，将SLAM系统获得的稀疏路标点用于网络预训练可以降低网络的优化难度，缓解收敛缓慢的问题；同时在深度估计网络的训练过程中将相机位姿的估计任务交由SLAM系统负责，而不是用位姿估计网络估计相机位姿，将SLAM获得的相机位姿用于重构目标图像可以避免使用深度估计网络和位姿估计网络的联合优化，可以减轻网络训练的负担，降低网络学习的难度。
-
公开(公告)号：CN116859964A
公开(公告)日：2023-10-10
申请号：CN202311070491.2
申请日：2023-08-24
IPC分类号： G05D1/06
摘要： 本发明属于无人艇技术领域，具体公开一种基于优先级竞争深度双Q网络的水面无人艇避障方法、电子设备及存储介质。所述方法包括：创建无人艇仿真环境；设置优先经验回放记忆池、状态空间、动作空间和奖励函数；无人艇上搭载相机和风速风向传感器，用于获取图像和风速风向信息；基于竞争Q网络和双Q网络构建策略模型，创建优先经验回放记忆池，使用优先经验回放记忆池里的样本进行模型的训练。本发明通过将优先经验回放记忆池和竞争深度双Q网络相结合，大大提高了模型训练的速度和稳定性，将双Q网络的设计思想考虑到策略模型中去，大大缓解了Q学习的过估计问题，将风速风向考虑到状态中，能够保证策略模型可以根据环境输出更准确的动作。
-
-
-
-
-
-
-
-
-
搜索结果
986 条记录 (耗时 0.043 秒)
