-
公开(公告)号：CN109671096A
公开(公告)日：2019-04-23
申请号：CN201710960963.X
申请日：2017-10-13
Applicant: 南京航空航天大学
Abstract: 本发明公布了一种时空近邻目标检测及网格聚类量测划分下的多扩展目标跟踪方法，主要解决了量测划分下多扩展目标跟踪问题。所述方法包括：首先，根据时空相关性原则，将当前量测集化分为存活扩展和新生扩展目标量测；其次，利用FCM算法对存活扩展目标量测进行划分；对新生扩展目标量测空间进行动态网格处理，依据网格密度及仰视距离去除杂波量测，并进行网格聚类法划分；最后，利用GM-PHD滤波器和ET-GM-PHD滤波器分别对存活和新生多扩展目标状态进行估计得到其运动轨迹。本发明能够对多扩展目标进行准确跟踪，特别是在目标交叉时刻，具有对量测划分准确，目标数目估计准确，跟踪精度高和实时性好等优点。
-
公开(公告)号：CN108398960A
公开(公告)日：2018-08-14
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：CN110473231A
公开(公告)日：2019-11-19
申请号：CN201910771373.1
申请日：2019-08-20
Applicant: 南京航空航天大学
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。
-
Patent Agency Ranking
公开(公告)号：CN109671096B
公开(公告)日：2023-07-28
申请号：CN201710960963.X
申请日：2017-10-13
Applicant: 南京航空航天大学
IPC: G06T7/207 , G06F18/232 , G06F18/24
Abstract: 本发明公布了一种时空近邻目标检测及网格聚类量测划分下的多扩展目标跟踪方法，主要解决了量测划分下多扩展目标跟踪问题。所述方法包括：首先，根据时空相关性原则，将当前量测集化分为存活扩展和新生扩展目标量测；其次，利用FCM算法对存活扩展目标量测进行划分；对新生扩展目标量测空间进行动态网格处理，依据网格密度及仰视距离去除杂波量测，并进行网格聚类法划分；最后，利用GM‑PHD滤波器和ET‑GM‑PHD滤波器分别对存活和新生多扩展目标状态进行估计得到其运动轨迹。本发明能够对多扩展目标进行准确跟踪，特别是在目标交叉时刻，具有对量测划分准确，目标数目估计准确，跟踪精度高和实时性好等优点。
-
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：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：CN110134140B
公开(公告)日：2022-01-11
申请号：CN201910437021.2
申请日：2019-05-23
Applicant: 南京航空航天大学
IPC: G05D1/10
Abstract: 本发明公布了一种环境信息未知连续状态下基于势函数奖赏DQN的无人机路径规划方法，所述方法首先建立无人机在环境中的状态空间，该状态空间为连续状态空间，包含无人机的无穷多个状态；其次将360度n等分成若干个角度作为无人机的航向角，建立无人机的动作空间；接着计算目标对无人机的势函数奖赏和障碍物对无人机的势函数奖赏，并对两者进行叠加作为无人机总的势函数奖赏；然后利用无人机总的势函数奖赏对Q估计网络进行路径规划训练；最后利用训练后的Q估计网络对无人机进行环境信息未知连续状态下路径规划。该方法主要解决了无人机在无环境模型下的路径规划问题，满足了无人机在执行任务中对于所处环境状态连续的要求，势函数奖赏加快了无人机路径规划的速度，具有很好的适用性。
-
公开(公告)号：CN110134140A
公开(公告)日：2019-08-16
申请号：CN201910437021.2
申请日：2019-05-23
Applicant: 南京航空航天大学
IPC: G05D1/10
Abstract: 本发明公布了一种环境信息未知连续状态下基于势函数奖赏DQN的无人机路径规划方法，所述方法首先建立无人机在环境中的状态空间，该状态空间为连续状态空间，包含无人机的无穷多个状态；其次将360度n等分成若干个角度作为无人机的航向角，建立无人机的动作空间；接着计算目标对无人机的势函数奖赏和障碍物对无人机的势函数奖赏，并对两者进行叠加作为无人机总的势函数奖赏；然后利用无人机总的势函数奖赏对Q估计网络进行路径规划训练；最后利用训练后的Q估计网络对无人机进行环境信息未知连续状态下路径规划。该方法主要解决了无人机在无环境模型下的路径规划问题，满足了无人机在执行任务中对于所处环境状态连续的要求，势函数奖赏加快了无人机路径规划的速度，具有很好的适用性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
