-
公开(公告)号：CN119273584A
公开(公告)日：2025-01-07
申请号：CN202411327593.2
申请日：2024-09-23
Applicant: 哈尔滨理工大学
IPC: G06T5/73 , G06T5/60 , G06T5/30 , G06V10/44 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/56 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/096
Abstract: 为解决海上无人船回收任务中因海浪运动干扰造成的运动模糊等问题，本发明设计一种基于自适应权重的无人船视觉图像局部去模糊方法；首先，在运动模糊复原算法的基础上，添加颜色聚类模块融合针对于回收舱的颜色、边缘特征的注意力机制，区分目标与背景区域；其次，在训练过程中使用动态自适应权重，根据训练时目标区域的复原质量调整目标区域和全局区域的权重，结合动态权重使用聚合损失函数提高模型训练质量，使目标区域的质量显著提升同时顾及全局质量；最后，使用蒸馏训练将模型轻量化。本发明重点在于降低了非目标特征的提取数量，提高了网络对图片中目标特征的提取效率，使用蒸馏训练的方法轻量化模型提高了算法处理模糊图片的速度。
-
公开(公告)号：CN118351145A
公开(公告)日：2024-07-16
申请号：CN202410523480.3
申请日：2024-04-28
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种拥挤环境下基于机器视觉的自适应多目标跟踪方法，旨在解决拥挤场景中的目标跟踪问题。通过结合级联RANSAC和USAC方法来消除相机运动造成的误差，并通过卡尔曼滤波器进行补偿，以提高跟踪的稳定性。该跟踪器利用卡尔曼滤波器估计的轨迹与实际检测结果，计算IoU距离、马氏距离与外观特征的余弦距离，融合这些信息以形成成本矩阵，并通过全局线性匹配实现有效的数据关联。最后根据检测置信度调整噪声协方差矩阵，优化卡尔曼滤波的更新过程，以准确预测未来帧。在MOT17和MOT20数据集上的测试结果显示出本发明在复杂和拥挤环境下的高跟踪精度和鲁棒性。
-
公开(公告)号：CN118535879A
公开(公告)日：2024-08-23
申请号：CN202410710472.X
申请日：2024-06-03
Applicant: 哈尔滨理工大学
Abstract: 本发明旨在解决无人潜航器集群系统中各种指标之间是否存在互相关联的问题，公开了一种具有因果约束的无人潜航器集群评估指标体系构建方法，具体包括：首先获取评估指标和评估数据，对输入指标进行等深度划分，对输出指标进行正态分布划分，计算每组输出指标的标准差和均值，将输出数据划分为7类，其次使用具有因果约束的自适应Apriori算法进行挖掘关联规则，对挖掘的关联规则依据全置信度和余弦度量剔除零事物，避免挖掘规则受零事物的影响，然后计算关联规则提升度并根据提升度对关联规则进行分组，计算频繁二项集，补充关联规则，最后分析各指标之间的关联关系；本发明显著的提高了算法的运行效率，同时保留了指标间重要联系。
-
公开(公告)号：CN118427569A
公开(公告)日：2024-08-02
申请号：CN202410500957.6
申请日：2024-04-24
Applicant: 哈尔滨理工大学
IPC: G06F18/21 , G06F18/214 , G06F18/243 , G06N5/01 , G06N20/20
Abstract: 本发明提出一种基于机器学习的无人水下航行器集群置信评估方法。首先，选取已评估数据集，利用Tomek Link去除噪声；其次，基于均衡采样构造初始随机森林，依据margin变异系数实现初始随机森林的集成剪枝；然后，重复初始随机森林构造与集成剪枝，选取评估器数量与测试准确率加权值最大的为最优集成学习器；最后，基于自适应置信阈值进行训练，计算一定数量的未评估数据置信度，将大于置信阈值的数据放入新增评估数据集，利用去除噪声后的已评估数据集和新增评估数据集对基评估器训练，更新自适应置信阈值，当所有基评估器不再发生变化时，得到最终的集成评估器。本发明提出的评估方法能够充分利用未评估数据，且实现了评估结果置信度的显式表征。
-
公开(公告)号：CN119047546A
公开(公告)日：2024-11-29
申请号：CN202411059422.6
申请日：2024-08-03
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种限定方向编码的遗传算法连续搜索路径规划方法，旨在解决目标搜索路径规划领域现有方法存在的搜索成功率不高、路径不连续、路径长度较长、路径点间转移时间消耗大等问题。该方法主要包括以下步骤：改进基因编码方式，以路径点间的变换方向而非直接以路径点为基因，设计边缘返回机制；限定路径点间的变换方向为指定栅格概率方向，避免路径点延伸的随机性过大；使用遗传算法进行迭代优化；实现相邻栅格的连续路径规划，减少路径点间横跨栅格的数量。仿真结果表明，本发明方法提高了搜索成功率、缩短了路径长度、减少了总体搜索时间，并提高了搜索资源的利用率，为救生艇筏器具制造等领域的搜索路径规划提供了一种新的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN117021094B
公开(公告)日：2024-04-26
申请号：CN202311049941.X
申请日：2023-08-20
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明涉及一种适用于狭窄空间的盾构机换刀机器人路径规划方法。所述方法包括：首先，初始化地图信息和随机树，设置通道阈值，根据随机点和步长选择公式生成新生节点；其次，通过入口识别算法判断换刀通道类型，若为安全通道，继续判断是否为凹形陷阱，若为狭窄通道则先通过计算代价函数判断是否为极限通道，并比较采样次数与采样阈值，再通过比较极限换刀通道的权重比，选择权重比大的通道；最后，重复上述步骤直到满足新生节点和目标节点之间的距离小于距离阈值，对输出路径进行优化。本发明能够在狭窄空间选择安全通道，并有效提升了节点搜索效率，降低路径长度，提高了盾构机换刀机器人在复杂环境工作的安全性和效率。
-
公开(公告)号：CN119739038A
公开(公告)日：2025-04-01
申请号：CN202411890299.2
申请日：2024-12-20
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明涉及一种动态积分扰动观测器的水下潜航器轨迹跟踪控制方法，旨在解决常规轨迹跟踪方法中，水下潜航器受到集总扰动和洋流变化影响导致收敛速度慢和能耗高的问题。首先，在三自由度建模时引入洋流变化和集总扰动，然后，采用扰动估计误差作为滑模面设计动态积分扰动观测器，实时更新扰动估计值并适应扰动变化，设计低超调自适应洋流观测器，加入调节因子估计，降低初期的超调量，避免增大系统误差。最后，设计光滑快速双幂次滑模控制器，结合扰动和洋流估计值构造控制律，通过跟踪误差和控制能耗构造自适应律，动态调节控制律参数来降低能耗和提高收敛速度。本发明方法在跟踪能耗上大约减少25.93％，位置和速度误差收敛速度分别提升了16.22％和16.09％。
-
公开(公告)号：CN119535970A
公开(公告)日：2025-02-28
申请号：CN202411593617.9
申请日：2024-11-08
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明是一种考虑复杂扰动和电机动态特性的USV旋柱减摇控制系统，属于海洋移动观测平台运动控制系统领域，旨在提高USV航行的稳定性与控制效率。具体步骤如下：首先建立旋柱稳定器升力模型、USV非线性横摇模型及伺服电机动态模型。然后设计基于消除微分项扰动观测器的Backstepping控制器，实时估计并补偿外部和模型不确定性造成的扰动，然后实时调整期望的控制输入，确保输出的横摇角跟踪期望横摇角。设计基于伺服电机状态反馈的MPC控制器，通过将电机的状态量反馈到控制器中进行预测和调整，有效解决了伺服电机在复杂海况中存在的响应滞后和输出过载问题，还实现了将横摇角误差的最小化和能量消耗的有效控制，达到了多目标优化的目的。
-
公开(公告)号：CN119512173A
公开(公告)日：2025-02-25
申请号：CN202411657376.X
申请日：2024-11-19
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种带避障功能的无人潜航器预设时间轨迹跟踪控制系统，以提升障碍物环境下的轨迹跟踪精度。步骤包括：建立无人潜航器模型；设计预设时间函数；设计新型人工势场函数，以提高避障反应速度，减少跟踪误差；设计预设时间障碍性能函数作为在障碍物情况下进行轨迹跟踪的误差限制边界，该函数能够根据误差变化动态调整误差限制边界；设计预设时间扩展状态观测器，用于估计模型不确定性和外部干扰；采用带平滑切换函数的辅助系统处理输入饱和问题；最终推导出轨迹跟踪控制方案。仿真结果显示，100秒内无人潜航器在前进方向、横摆方向和航向角的绝对误差积分减少了56.37％、43.21％和7.20％；纵向、横荡和偏航角速度的估计绝对误差积分减少了25.44％、8.86％和35.24％。
-
公开(公告)号：CN119068299A
公开(公告)日：2024-12-03
申请号：CN202411154232.2
申请日：2024-08-22
Applicant: 哈尔滨理工大学
IPC: G06V10/80 , G06V10/26 , G06T7/13 , G06N3/0464 , G06V10/82 , G06V10/774
Abstract: 本发明提出一种考虑透明物体影响的无人车视觉检测方法，旨在将不同阶段获得的边缘特征进行融合，生成更准确的边缘特征，并与多尺度特征相结合以提高透明物体检测的鲁棒性和稳定性。首先基于无人车实际的工作场景制作数据集；其次，输入网络的图像首先进行特征提取，提取的特征输入到边缘检测模块和初步分割模块。在边缘检测模块中引入置信度因子关注更多的边缘特征。初步分割模块用来获取初步分割图的边缘特征并与边缘检测模块数据融合，使用融合后的边缘特征与多尺度图进行融合；最后融合数据输入到基于Transformer的结构中，省略再次结合操作生成预测图。本发明mIoU和像素准确率分别为74.43％和96.35％，能更稳定、鲁棒地应用于无人车中进行透明物体检测。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
