公开(公告)号：CN115792947A

公开(公告)日：2023-03-14

申请号：CN202211504954.7

申请日：2022-11-29

Applicant: 南京理工大学

Inventor： 吴益飞 ,  丁宇 ,  郭健 ,  陈庆伟 ,  李胜 ,  李福 ,  马寅瑞 ,  姜烨

IPC: G01S17/88 ,  G06N3/08 ,  G01S7/497

Abstract: 本发明公开了一种基于EKF的管道巡检机器人激光雷达辅助实时定位方法，建立动力学模型；将机器人放置在通风管道中采集点云数据并人工标注，训练人工神经网络；在开始工作点初始化机器人状态及协方差；通过系统方程预测状态矢量和协方差；通过激光雷达采集点云数据，并进行去畸变处理；进行逆解算计算机器人朝向角与横向偏移；由测量值更新卡尔曼增益、机器人系统状态及协方差。本方法显著减少了点云因材料反射的畸变现象，同时本发明的特征提取方法显著减少了运行时间与资源消耗，可以实现在嵌入式机器人上的应用；能够在复杂的管道环境背景下取得良好效果，有利于管道机器人在复杂管道环境下消除自定位累积误差，提高管道机器人定位精度。

公开(公告)号：CN115937309A

公开(公告)日：2023-04-07

申请号：CN202211504910.4

申请日：2022-11-29

Applicant: 南京理工大学

Inventor： 吴益飞 ,  丁宇 ,  郭健 ,  陈庆伟 ,  李胜 ,  李福 ,  马寅瑞 ,  姜烨

IPC: G06T7/73 ,  G06V20/64 ,  G06V10/82 ,  G06V10/766 ,  G06V10/774 ,  G06T1/00

Abstract: 本发明公开了一种基于神经网络的管道弯道特征检测与定位方法及系统，采集管道环境弯道特征点云数据制作数据集；训练针对于弯道特征检测的改进YOLOv4网络M；采集实时点云数据流，选取一帧点云数据A作为初始帧；对该帧点云数据A进行像素重映射为图像B；利用网络M对图像B进行检测，获得弯道特征目标中心点在图像B中的像素坐标(x,y)、目标框的宽度w与高度h以及置信度acc；判断置信度是否满足高于阈值要求，若满足，进行步骤7，若不满足，则返回步骤3；将网络M的输出进行紧缩化；对于步骤7紧缩化后的目标框进行角度距离回归解算，更新定位机体位姿。本发明不需要人工干预，减少了运行时间与资源消耗，能够在复杂的管道环境背景下取得良好效果。

公开(公告)号：CN119989253A

公开(公告)日：2025-05-13

申请号：CN202411951137.5

申请日：2024-12-27

Applicant: 南京理工大学

Inventor： 吴益飞 ,  姜烨 ,  陈庆伟 ,  郭健 ,  王灏喆

IPC: G06F18/25 ,  G06F18/2134 ,  G06F18/2135 ,  G06V10/25 ,  G06V10/143 ,  G06V10/20 ,  G06V10/30 ,  G06V10/36 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G10L25/51 ,  G10L25/03 ,  G10L25/30 ,  G10L25/24 ,  G06F123/02

Abstract: 本发明公开了一种基于多元信息融合的低空小目标检测方法。该方法包括以下步骤：通过主成分分析与快速独立分量分析对音频信号进行分离与降噪处理，并结合多尺度卷积优化的卷积循环神经网络，对声学特征进行高效识别，从而实现声学目标的精确检测；针对图像数据进行差异化预处理，其中红外图像采用引导滤波以实现高保真降噪，可见光图像通过Gamma校正完成图像增强，结合红外和可见光双分支的改进YOLOv8主干网络，实现视觉目标的检测；利用改进的基于实时可靠性和动态权重的DS证据理论对声学与视觉检测结果进行决策层融合，全面提升方法在复杂环境下对低空小目标的检测精度与鲁棒性。该方法为复杂场景下的小目标探测与防御技术提供了一种具有理论与实践价值的创新性解决方案。

公开(公告)号：CN120070845A

公开(公告)日：2025-05-30

申请号：CN202411963229.5

申请日：2024-12-30

Applicant: 南京理工大学

Inventor： 吴益飞 ,  王灏喆 ,  郭健 ,  陈庆伟 ,  姜烨

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/048 ,  G06V10/774

Abstract: 本发明提供了一种基于EfficientVIT改进YOLO模型的轻量化小目标检测方法，方法包括：建立基于EfficientVIT融合多尺度注意力改进的YOLO模型，包括：基于EfficientViT的主干网络改进Yolov8网络，将深度卷积推广为分组卷积，对归一化后的激活值进行“代理校正”，以及引入轻量级ReLU多尺度线性注意力机制并弱化ReLU线性注意力的局限性；采集多种场景下的小目标图像数据，并进行预处理，构建数据集；将数据集划分为训练集和测试集；利用训练集对改进的YOLO模型进行训练，获得轻量化小目标检测模型；采集待检测区域的图像，输入至轻量化小目标检测模型，输出小目标检测结果。本发明为复杂场景下的小目标如型无人机的感知与跟踪技术提供了一种兼顾理论与实践价值的创新性解决方案。