-
公开(公告)号：CN110473231B
公开(公告)日：2024-02-06
申请号：CN201910771373.1
申请日：2019-08-20
Applicant: 南京航空航天大学
IPC: G06T7/246 , G06T7/90 , G06N3/0464 , G06N3/08
Abstract: 本发明公布了一种具有预判式学习更新策略的孪生全卷积网络的目标跟踪方法，所述方法首先利用数据集的中心坐标，构建目标模板和搜索区域；其次采用两个相同的卷积网络模块分别提取目标模板和搜索区域的卷积特征；接着，对目标模板和搜索区域分别建立颜色直方图概率密度分布函数得到置信度值，并与阈值比较，对卷积权值滤波器进行预判式更新；然后，对目标模板和搜索区域的卷积特征进行卷积操作得到预测分数矩阵；最后，将预测分数矩阵线性插值定位到原始图片的目标位置中实现目标跟踪。本发明基于孪生全卷积网络，加入了预判式学习更新策略，有效解决了孪生全卷积网络存在相似目标干扰容易出现跟踪丢失的问题。
-
公开(公告)号：CN116109952A
公开(公告)日：2023-05-12
申请号：CN202310172972.8
申请日：2023-02-27
Applicant: 南京航空航天大学
IPC: G06V20/17 , G06V20/70 , G06V10/26 , G06V20/58 , G06V10/40 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公布了基于多任务学习网络的无人机视觉场景理解方法，所述方法首先选取高效分类网络VoVNet作为特征共享网络获得多尺度的编码特征；其次，在单阶段无锚框目标检测网络的基础上，设计了基于注意力机制的特征筛选补充单元以增强潜在目标的检测能力；然后，针对语义分割和深度估计任务，使用级联的CRP模块作为语义分割和深度估计的参数共享解码器，通过参数共享解码器结构来保证运行速度；最后，为了提升模型的泛化能力，构建了通用‑专用成对数据集进行网络训练。本发明可同时实现无人机飞行场景下目标检测、语义分割与深度估计，完成潜在目标挖掘，障碍物检测和距离信息获取，有效实现了视觉场景理解，进一步提升无人机的自主侦察能力。
-
公开(公告)号：CN113793361A
公开(公告)日：2021-12-14
申请号：CN202111089651.9
申请日：2021-09-16
Applicant: 南京航空航天大学
Abstract: 本发明公布了一种结合轻量级SSD的改进KCF目标跟踪方法，所述方法利用轻量级SSD目标检测框架对初始帧目标进行特征提取，将提取的特征依次通过预测模块、非极大值抑制模块和输出检测模块将初始帧目标信息传递给KCF进行初始化；KCF针对待跟踪目标构造循环矩阵，采用岭回归训练位置滤波器，针对尺度问题，采用二叉树尺度搜索策略，在位置滤波器确定的位置附近选择最佳尺度；针对目标跟踪中出现的遮挡问题，选用平均峰值能量作为判断指标，检测目标是否出现遮挡，根据判断结果决定是否进行模板更新。本发明有效解决了KCF目标跟踪需要手动标注跟踪目标导致的效率低下问题，在目标发生尺度变化和出现遮挡等情况下，提高了目标跟踪的精度和准确率。
-
公开(公告)号：CN108398960B
公开(公告)日：2021-01-26
申请号：CN201810183193.7
申请日：2018-03-02
Applicant: 南京航空航天大学
Abstract: 本发明公布了一种改进APF与分段Bezier相结合的多无人机协同目标追踪方法，所述方法首先利用机载摄像头和激光雷达检测目标和障碍物位置；其次建立无人机当前所受的目标引力、障碍物斥力模型，构建每架无人机的自身斥力势场；然后根据无人机当前所受的引力与斥力，求出所受到的合力，对于路径陷入局部最优的无人机采用虚拟障碍物的方法使其逃离局部最优点；接着求出无人机下一时刻的飞行角度，并计算出无人机下一个航点的位置；最后结合分段Bezier曲线进行航路在线平滑优化，得到优化后的无人机下一个航点位置，依次循环，直至所有无人机均追踪到目标。该方法主要解决了多无人机协同目标追踪过程中机间防碰撞问题，同时消除了追踪过程中航路振荡现象。
-
公开(公告)号：CN111563915A
公开(公告)日：2020-08-21
申请号：CN202010375269.3
申请日：2020-05-06
Applicant: 南京航空航天大学
Abstract: 本发明公布了一种融合运动信息检测和Radon变换的KCF目标跟踪方法，所述方法对输入的当前帧图像分别提取HOG特征和经Radon变换提取矩特征；采用光流法和帧间差分法相结合，预测运动目标大致的范围；输入HOG特征并训练KCF位置滤波器，预测目标区域中心点位置；输入矩特征并训练KCF尺度滤波器，预测目标的尺度；结合目标区域中心点位置和目标的尺度，确定出目标的准确位置；对模型进行自适应策略更新；重复上述步骤，直至视频帧跟踪结束，确定出待跟踪的目标。本发明将光流法、帧间差分法、Radon变换和相关滤波器相结合，解决了KCF算法在目标发生遮挡、尺度变化和环境光照发生变化时，实时性差、跟踪精度和成功率下降的问题。
-
Patent Agency Ranking
公开(公告)号：CN105137428B
公开(公告)日：2018-09-04
申请号：CN201510452480.X
申请日：2015-07-28
Applicant: 南京航空航天大学
IPC: G01S13/90
Abstract: 本发明公开了去斜率信号的极坐标格式成像算法的FPGA实现方法，属于雷达成像与数字信号处理领域。本发明的一种利用现场可编程门阵列(FPGA)实现聚束SAR极坐标格式(PFA)算法的方式,主要用于处理去斜率信号。由于雷达算法处理时常按照距离向、方位向分步实现，设计采用时分复用的方式，在处理时间无明显增加的情况下，极大的减少FPGA的资源使用，同时把雷达参数存储到DDR3中，系统初始化时从DDR3加载到FPGA的方式，进一步节省片内BRAM资源。
-
公开(公告)号：CN108121846A
公开(公告)日：2018-06-05
申请号：CN201611106457.6
申请日：2016-11-29
Applicant: 南京航空航天大学
IPC: G06F17/50
Abstract: 本发明公布了一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法，主要解决了概率假设密度多目标跟踪方法中存在的杂波强度未知的问题。所示方法包括：首先采用有限混合模型对未知杂波密度建模；其次分别对混合权重及缺失参数施加熵惩罚因子；然后通过自适应动态系数调节，使得混合模型低权值分量加速消亡，减少了迭代次数，且对初始参数不敏感。该方法在杂波强度未知的环境下，具有跟踪精度高且稳定的优势，提高了PHD滤波器在多目标跟踪中的性能。
-
公开(公告)号：CN104808182A
公开(公告)日：2015-07-29
申请号：CN201510173539.1
申请日：2015-04-13
Applicant: 南京航空航天大学
IPC: G01S7/40
Abstract: 本发明公开的一种高分辨率宽测绘带机载SAR实时运动补偿算法，包括包络补偿和相位补偿两个主要部分，改进了传统的相位补偿算法，在包络补偿前即可完成相位补偿处理。包络补偿近似处理需要对距离压缩后的回波信号划分距离子带，以降低运动误差的空变性。这样避免了传统包络补偿算法的插值操作，直接在距离频域乘以线性相位完成包络补偿。最终将距离子带的图像进行拼接，得到整个测绘带的成像结果。本发明的方法通过改进的相位补偿算法保证了信号的相位精度，从而能够更好地结合基于距离子带的快速包络补偿，避免了运算量较大的插值操作，在分辨率不受影响的条件下提高了算法的实时处理性能。
-
公开(公告)号：CN116483112A
公开(公告)日：2023-07-25
申请号：CN202310048908.9
申请日：2023-01-11
Applicant: 南京航空航天大学
IPC: G05D1/10
Abstract: 本发明公布了一种固定翼无人机编队着陆辅助决策方法，所述方法首先设置无人机着陆阶段自身性能约束与多无人机编队着陆约束准则；其次，利用距离诱导因子与角度诱导因子相结合的启发函数、信息素扩散与信息素随机挥发相结合的机制对传统蚁群算法进行改进，规划出单架无人机的着陆航迹；接着输出多无人机编队着陆航迹及其平滑航迹；最后，根据约束准则判断无人机编队是否能够平稳安全着陆，实现对固定翼无人机编队着陆的辅助决策。本发明采用了改进的启发函数与信息素更新机制，设置了无人机着陆约束准则，有效降低了无人机下滑轨迹偏移量，可确保无人机之间不发生碰撞且具有较好的整体着陆效率。
-
公开(公告)号：CN110429600B
公开(公告)日：2023-05-09
申请号：CN201910722799.8
申请日：2019-08-06
Applicant: 南京航空航天大学
Abstract: 本发明公开了一种电容电压比例微分反馈的并网逆变器控制方法。本发明针对采用逆变器侧电感电流控制和电容电压锁相的并网逆变器存在的问题，包括并网电流易受电网电压背景谐波影响和弱电网下系统可能会不稳定两个方面，提出一种电容电压比例微分反馈的控制策略。该策略通过加入电容电压比例微分反馈，保证了并网逆变器系统在弱电网下稳定的同时，具有对电网电压背景谐波的强抗扰性能。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.034 seconds)
