-
公开(公告)号：CN119338208B
公开(公告)日：2025-03-18
申请号：CN202411880494.7
申请日：2024-12-19
Applicant: 杭州电子科技大学
IPC: G06Q10/0631 , G06Q10/10 , G06F18/20
Abstract: 本发明公开了一种基于MADDPG和拍卖算法的雷达干扰资源分配方法，该方法首先建立干扰对抗模型和雷达探测模型，基于干扰对抗模型，通过拍卖算法实现目标分配。其次建立干扰机的状态空间，包括自身信息、其他干扰机的信息和目标雷达信息。然后采用多智能体分解的方法将每一个干扰机分解为三个决策智能体，并建立每一个决策智能体的动作空间。最后基于状态空间和动作空间，结合拍卖算法中目标分配的分配矩阵，通过MADDPG算法实现干扰资源分配。本发明对干扰机干扰资源进行动态、实时的分配，实现了干扰机在高维动作空间中的干扰资源实时高效的分配。
-
公开(公告)号：CN119338208A
公开(公告)日：2025-01-21
申请号：CN202411880494.7
申请日：2024-12-19
Applicant: 杭州电子科技大学
IPC: G06Q10/0631 , G06Q10/10 , G06F18/20
Abstract: 本发明公开了一种基于MADDPG和拍卖算法的雷达干扰资源分配方法，该方法首先建立干扰对抗模型和雷达探测模型，基于干扰对抗模型，通过拍卖算法实现目标分配。其次建立干扰机的状态空间，包括自身信息、其他干扰机的信息和目标雷达信息。然后采用多智能体分解的方法将每一个干扰机分解为三个决策智能体，并建立每一个决策智能体的动作空间。最后基于状态空间和动作空间，结合拍卖算法中目标分配的分配矩阵，通过MADDPG算法实现干扰资源分配。本发明对干扰机干扰资源进行动态、实时的分配，实现了干扰机在高维动作空间中的干扰资源实时高效的分配。
-
公开(公告)号：CN119261915A
公开(公告)日：2025-01-07
申请号：CN202411512406.8
申请日：2024-10-28
Applicant: 杭州电子科技大学
IPC: B60W40/09 , G06F17/15 , G06F17/18 , G06N3/045 , G06N3/0442 , G06N3/0464 , B60W50/00
Abstract: 本发明公开了一种基于驾驶风格系数的汽车风险势场评估方法。在风险势场的基础上引入通过驾驶行为数据获取的驾驶风格系数和轨迹预测，使用合适的风险势场更加准确地判断风险，克服了传统风险势场方法的局限性与泛化性，特别是在考虑驾驶员个体差异和行为特征方面的不足。本发明通过对驾驶员已有驾驶数据的分析，精确地提取出驾驶风格特征，并将其整合到风险势场模型中，从而提高了风险势场对驾驶安全的鉴别能力，能够更全面、准确地评估驾驶员在各种驾驶条件下的风险水平，进而提升车辆驾驶安全性。
-
公开(公告)号：CN118865173A
公开(公告)日：2024-10-29
申请号：CN202410919265.5
申请日：2024-07-10
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/25 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种面向无人机未配准RGB‑T图像的显著目标检测方法，该方法首先获取场景的RGB模态和热红外模态数据，并进行预处理。其次通过骨干网络分别提取RGB模态和热红外模态的n级不同尺度特征，进行模态特征增强。然后将模态特征增强后的RGB模态特征和热红外模态特，进行跨模态特征融合。最后将融合后的特征，进行目标搜索解码，得到显著性检测结果，并以端到端的方式联合训练。本发明能够帮助网络更好地关注重要的特征信息，提高网络在处理图像任务中的性能和准确性。
-
公开(公告)号：CN113537208B
公开(公告)日：2024-06-11
申请号：CN202110540453.3
申请日：2021-05-18
Applicant: 杭州电子科技大学
IPC: G06V10/24 , G06V10/40 , G06V10/764 , G06T7/10 , G06T7/70
Abstract: 本发明公开了一种基于语义ORB‑SLAM技术的视觉定位方法及系统，包括车载设备、云端服务器、地标；车载控制单元包括RGB‑D相机数据处理模块、语义识别与分割模块、位姿匹配模块、移动控制模块；通过相机数据处理模块对环境特征点提取与匹配、位姿推算、局部与非线性图优化得到全局地图，并提供地图保存与加载接口，实现AGV视觉定位技术；目标检测与匹配模块对已训练好的模型加载并推理，实现像素级语义分割，并计算地标信息，将语义标签和信息保存到全局地图；当AGV需要纯定位时，云端提供标签地标信息，再经过位姿匹配模块计算得到精确位姿；控制模块可全程控制机器人移动，辅助传感设备对环境充分扫描，实时输出移动机器人位姿。
-
Patent Agency Ranking
公开(公告)号：CN118011807A
公开(公告)日：2024-05-10
申请号：CN202410115238.2
申请日：2024-01-29
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了基于滑模和强化学习的AUV环境最优定位控制方法。通过使用强化学习设计神经网络使水下机器人从环境中学习，不依赖先验知识和精确的数学模型，对滑模控制中的未知部分进行补偿，大幅提高传统滑模的精度和鲁棒性，实现复杂海流环境中水下机器人环境最优艏向定位控制。本发明神经网络模型可以逼近任意非线性函数，涵盖可能出现每一个状态值，提高水下机器人的学习效率和控制精度。利用环境最优艏向定位控制进行悬停，使欠驱动水下机器人艏向始终指向预定虚拟圆心，可以顶住洋流，有效降低能耗。
-
公开(公告)号：CN112285725B
公开(公告)日：2023-11-07
申请号：CN202011076965.0
申请日：2020-10-10
Applicant: 杭州电子科技大学
IPC: G01S17/06
Abstract: 本发明公开了一种基于激光雷达的单移动机器人室内定位方法，其利用装载激光雷达的移动机器人在室内移动并扫描的方式来定位室内反光板的位置。上层控制器为一个装载激光雷达的移动机器人规划室内的移动路径，并控制其移动至路径起点。移动机器人在原点建立全局坐标系，同时对其所在位置检测范围内的反光板进行扫描，并计算得到它们的全局坐标，然后在下一时刻对所在位置检测范围内的反光板进行扫描，计算检测范围内的反光板全局坐标，依次在每个时刻重复以上步骤，直到移动机器人运动至指定路径的终点，对记录的所有反光板全局坐标进行处理。本发明方法具有高度的灵活性，可以有效地解决室内定位精度低的问题，而且实施简单，具有非常好的应用性。
-
公开(公告)号：CN113537208A
公开(公告)日：2021-10-22
申请号：CN202110540453.3
申请日：2021-05-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于语义ORB‑SLAM技术的视觉定位方法及系统，包括车载设备、云端服务器、地标；车载控制单元包括RGB‑D相机数据处理模块、语义识别与分割模块、位姿匹配模块、移动控制模块；通过相机数据处理模块对环境特征点提取与匹配、位姿推算、局部与非线性图优化得到全局地图，并提供地图保存与加载接口，实现AGV视觉定位技术；目标检测与匹配模块对已训练好的模型加载并推理，实现像素级语义分割，并计算地标信息，将语义标签和信息保存到全局地图；当AGV需要纯定位时，云端提供标签地标信息，再经过位姿匹配模块计算得到精确位姿；控制模块可全程控制机器人移动，辅助传感设备对环境充分扫描，实时输出移动机器人位姿。
-
公开(公告)号：CN119536277A
公开(公告)日：2025-02-28
申请号：CN202411692426.8
申请日：2024-11-25
Applicant: 杭州电子科技大学
IPC: G05D1/43 , G05D1/243 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/692 , G05D1/247 , G05D1/648 , G05D109/10
Abstract: 本发明公开了基于轻量化改进YOLOv5的移动机器人编队控制方法及系统，该方法首先对RGBD相机进行配置与校准，通过RGBD相机实时采集RGB图像，传入目标检测神经网络，获取检测框位置。其次基于目标检测结果，利用卡尔曼滤波器预测跟踪领导者状态。然后获取领导者深度值，解算领导者相对相机坐标系下的实际位置，得到领导者在地图坐标下的位置。最后依据领导者地图坐标下的位置，绘制贝塞尔曲线作为跟随者移动轨迹，跟随者使用模型预测控制法依据轨迹跟随领导者移动，若领导者丢失，则领导者重新检测。本发明有助于保持跟随者跟踪的流畅性，提高跟踪的精度，并可支持对1到2个领导机器人的跟随，实现编队控制。
-
公开(公告)号：CN119517082A
公开(公告)日：2025-02-25
申请号：CN202411602394.8
申请日：2024-11-11
Applicant: 中国电子科技集团有限公司电子科学研究院 , 杭州电子科技大学
Abstract: 本申请公开了一种基于元迁移学习的无人机声学信号识别方法及系统，涉及信号识别技术，包括：预先获取无人机在不同环境下、不同飞行状态和距离下的声音样本，并提取所述声音样本的特征向量；定义多个元迁移学习模型的学习任务，每个学习任务用于从声音样本的特征向量中识别不同类型或在不同的环境条件下的无人机；对于新获取的无人机声音信号，利用部分标注数据对预训练的元迁移学习模型进行微调；利用微调后的元迁移学习模型，执行无人机的声音信号识别。本申请能够在新任务上更快地学习和适应，提高声学信号识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.03 seconds)
