-
公开(公告)号：CN118034087A
公开(公告)日：2024-05-14
申请号：CN202410260218.4
申请日：2024-03-07
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G05B17/02
Abstract: 本发明公开了一种无人机集群飞行仿真系统，包括WSL2子系统、渲染引擎和地面站，所述WSL2子系统包括飞行控制子系统和物理引擎，所述飞行控制子系统用于软件在环仿真，所述物理引擎用于飞行器仿真；所述渲染引擎所需的数据包括飞行器数据、地面车辆数据、障碍物数据和第一视角图像数据。本发明采用上述的一种无人机集群飞行仿真系统，拥有高逼真度的仿真模型和物理场、环境场模型，可进行高置信度的可视化集群飞行仿真，且使用日常个人使用的单个设备即可完成集群飞行仿真，对硬件的需求大大降低。
-
公开(公告)号：CN117950552A
公开(公告)日：2024-04-30
申请号：CN202410260216.5
申请日：2024-03-07
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F3/0484 , G06F3/0481 , G06F9/451
Abstract: 本发明公开了一种无人机仿真数据的回放、标注与采集方法，包括如下步骤：S1、构建基于状态同步的回放系统；S2、验证回放系统中记录的数据；S3、在蓝图中构建回放系统的UI并进行前后端之间的数据传输。本发明采用上述的一种无人机仿真数据的回放、标注与采集方法，允许用户在数据分析时重新观察仿真过程，可以选定时间点复现仿真过程，并在仿真回放界面自动标注飞行仿真数据。这将有助于用户更加直观地查看飞行状态信息并进行数据分析和对比。
-
公开(公告)号：CN117950552B
公开(公告)日：2024-08-06
申请号：CN202410260216.5
申请日：2024-03-07
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06F3/0484 , G06F3/0481 , G06F9/451
Abstract: 本发明公开了一种无人机仿真数据的回放、标注与采集方法，包括如下步骤：S1、构建基于状态同步的回放系统；S2、验证回放系统中记录的数据；S3、在蓝图中构建回放系统的UI并进行前后端之间的数据传输。本发明采用上述的一种无人机仿真数据的回放、标注与采集方法，允许用户在数据分析时重新观察仿真过程，可以选定时间点复现仿真过程，并在仿真回放界面自动标注飞行仿真数据。这将有助于用户更加直观地查看飞行状态信息并进行数据分析和对比。
-
公开(公告)号：CN118298340A
公开(公告)日：2024-07-05
申请号：CN202410729968.1
申请日：2024-06-06
Applicant: 北京理工大学长三角研究院(嘉兴)
IPC: G06V20/17 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/74
Abstract: 本发明公开了一种基于先验知识的无人机航拍密集目标检测方法，属于无人机航拍目标检测的技术领域；采用基于深度学习的目标检测方法，并且引入密度图提高特定区域的关注程度，并且能输入新的目标图像抑制或者添加某种类别的检测结果，通过同一类的范例特征作为先验知识，本发明采用上述方法，为了适应无人机实际航拍应用中，背景和待检测的目标都复杂多变的情况，基于深度学习的目标检测算法可以更好地提取航拍图像中的目标特征，以完成检测任务。并且引入密度图机制，通过专注权重生成模块以生成注意力权重图，与特征图进行融合，对检测区域进行显著或者抑制地提示引导，更加准确地定位和关注目标区域。
-
公开(公告)号：CN116152295A
公开(公告)日：2023-05-23
申请号：CN202310186689.0
申请日：2023-02-21
Applicant: 北京理工大学
IPC: G06T7/246 , G06V20/17 , G06V10/75 , G06V10/44 , G06V10/82 , G06V10/74 , G06N3/045 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于时序相似特征信息的集群固定翼飞行器轨迹估计方法，涉及无人机集群感知和深度学习技术领域，首先，本发明针对浅层特征提取设计了一种FractalAttNet分形网络模型来增强浅层特征并丰富特征表达；其次利用Few‑Shot的方法，通过FractalAttNet分形网络推理得出的独立样本对原始图像进行密度估计和稠密样本估计，实现对遮挡重叠目标的筛选和分辨；再次，根据时序相似特征，基于拍卖算法设计了一种高实时性的多目标匹配方法，增强了多目标匹配的实时性需求；最后，利用Transformer方法将观测的雷达数据和轨迹信息进行重编码，利用时序关联信息完成对飞行目标的轨迹预测任务。
-
Patent Agency Ranking
公开(公告)号：CN115859699A
公开(公告)日：2023-03-28
申请号：CN202310190139.6
申请日：2023-03-02
Applicant: 北京理工大学
IPC: G06F30/20 , G06T15/00 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种提供三维场景渲染的大规模细粒度集群弹药仿真系统，属于集群飞行仿真技术领域。包括：集群控制模块、仿真机、UE4‑RPC服务器、弹药飞行场景渲染模块以及地面监控模块；其中，集群控制模块用于运行集群决策软件；仿真机由N个飞行仿真节点组成；UE4‑RPC服务器获取仿真机中的所有飞行仿真节点的飞行状态真值，供UE4软件渲染图像使用；弹药飞行场景渲染模块生成弹药飞行场景的渲染节点，模拟获取的图像信息；地面监控模块实时监控集群弹药飞行状态，控制飞行仿真节点及渲染节点的启动或停止。本发明解决了大规模集群弹药系统验证难、复现难的问题。
-
公开(公告)号：CN119478723A
公开(公告)日：2025-02-18
申请号：CN202410150639.1
申请日：2024-02-02
Applicant: 北京理工大学
IPC: G06V20/17 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06V10/764 , G06T7/20
Abstract: 本发明公开了一种面向地面目标末制导的轻量化识别与跟踪方法，涉及人工智能及无人机控制技术领域，S1：通过机载相机获得第一视角的图像；S2：将获得的图像输入到识别网络，识别网络对第一视角图像进行推理，获得地面目标信息；S3：置信度综合物体属性和物体运动状态构建价值函数，与预设的阈值进行对比，价值函数大于所设阈值，认为识别目标为打击目标，开启跟踪模块；S4：跟踪模块对打击目标进行跟踪并根据打击目标在图像中的位置计算出打击目标相对于机身位置的相对视线角，传递给制导模块，控制飞机飞向打击目标，实现对目标的末制导打击。本发明解决了无人机视觉末制导神经网络对算力需求大难以在边缘设备部署以及误识别的问题。
-
公开(公告)号：CN112614153A
公开(公告)日：2021-04-06
申请号：CN202011353920.3
申请日：2020-11-26
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于差分前后向光流的地面运动目标跟踪方法，其包括：步骤1、针对包含目标的图像提取目标框，以目标框的两倍大小作为初始目标跟踪框，采用利用光流场计算实现目标跟踪的追踪器进行目标跟踪；步骤2、将追踪器获取的目标跟踪框内的实际像素的光流矢量场输入K‑means算法，实现对运动目标的光流矢量场和静止背景的光流矢量场进行分类；步骤3、采用K‑means算法分割出的运动目标校正所述追踪器目标跟踪框，继续进行目标跟踪，重复步骤2和步骤3。使用本发明能够区分运动的前景与静止的背景，提高算法的跟踪稳定性，还可以在嵌入式平台中运行。
-
公开(公告)号：CN118298340B
公开(公告)日：2024-07-30
申请号：CN202410729968.1
申请日：2024-06-06
Applicant: 北京理工大学长三角研究院(嘉兴)
IPC: G06V20/17 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/74
Abstract: 本发明公开了一种基于先验知识的无人机航拍密集目标检测方法，属于无人机航拍目标检测的技术领域；采用基于深度学习的目标检测方法，并且引入密度图提高特定区域的关注程度，并且能输入新的目标图像抑制或者添加某种类别的检测结果，通过同一类的范例特征作为先验知识，本发明采用上述方法，为了适应无人机实际航拍应用中，背景和待检测的目标都复杂多变的情况，基于深度学习的目标检测算法可以更好地提取航拍图像中的目标特征，以完成检测任务。并且引入密度图机制，通过专注权重生成模块以生成注意力权重图，与特征图进行融合，对检测区域进行显著或者抑制地提示引导，更加准确地定位和关注目标区域。
-
公开(公告)号：CN115187631A
公开(公告)日：2022-10-14
申请号：CN202210722984.9
申请日：2022-06-24
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度元强化学习的无人武器平台视觉主动跟踪瞄准方法，基于UE4仿真引擎搭建虚拟仿真环境，生成一系列无人武器平台视觉主动跟踪瞄准任务组成训练集和测试集；利用深度强化学习近端策略优化算法构建深度元强化学习模型；设计跟踪瞄准任务的奖励函数，在训练集中训练深度元强化学习模型直到模型收敛；在测试集中测试收敛的模型；将模型部署在无人武器平台上，验证模型在现实环境中的性能，实现快速适应新任务，提高无人武器平台视觉主动跟踪瞄准系统的泛化能力和跟踪瞄准精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.048 seconds)
