-
公开(公告)号：CN119022910A
公开(公告)日：2024-11-26
申请号：CN202410999240.0
申请日：2024-07-24
Applicant: 桂林电子科技大学 , 桂林长海发展有限责任公司
IPC: G01C21/00 , G06F18/15 , G06F18/213 , G06F123/02
Abstract: 本发明涉及同时定位与建图技术领域，具体涉及一种重尾噪声下鲁棒概率假设密度SLAM方法，将SLAM问题分解为机器人位姿估计和地图估计两个耦合的子问题，其中机器人位姿建模为粒子，环境地图建模为概率假设密度，然后利用EKF算法对所有表示机器人位姿的粒子进行重要性采样；基于每个粒子进行地图预测，将新生概率假设密度添加到后验概率假设密度中；再将量测噪声建模为学生t分布，利用基于学生t分布的边缘近似似然函数，推导出完整的地图更新表达式；最后利用SC策略更新机器人位姿粒子的权重，并进行状态提取和粒子重采样。本发明有效提高了重尾噪声场景下SLAM问题的估计精度。
-
公开(公告)号：CN119355769A
公开(公告)日：2025-01-24
申请号：CN202411489131.0
申请日：2024-10-24
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明属于卫星导航信号处理技术领域，具体涉及一种改进卡尔曼滤波联合小波变换的周跳探测方法，首先使用单频GNSS接收机获取全球导航卫星系统的载波相位观测数据，并对观测数据进行一阶差分预处理；随后采用移动平均滤波法改进卡尔曼滤波器，并计算差分数据的残差和标准差用于判断并剔除粗差，使用改进后的卡尔曼滤波器对差分数据进行平滑处理；然后利用bior3.1小波变换对平滑后的差分数据进行三层分解和重建，提取并计算小波变换的详细系数和，通过小波系数不同频率成分的变化差异，进行周跳的探测；最后通过将检测到的周跳替换为周跳前后值的平均值来进行周跳修复，使数据变得更平滑，减少误差对结果的影响。
-
公开(公告)号：CN119048926A
公开(公告)日：2024-11-29
申请号：CN202411213913.1
申请日：2024-08-31
Applicant: 桂林电子科技大学 , 广西产研院时空信息技术研究所有限公司
Abstract: 本发明涉及一种基于室内动态场景的语义SLAM方法，包括以下步骤：(1)加载二进制格式词袋；(2)将RGB‑D相机采集到的RGB图像，通过SegFormer语义分割网络分割出场景中的动态物体；同时对RGB图像进行特征点提取；(3)根据步骤(2)中提取特征点数目的不同，自动调整语义分割结果使用的膨胀核；(4)结合步骤(3)中膨胀后的掩膜信息，剔除动态特征点；(5)通过步骤(4)中得到的静态特征点，在动态场景下进行相机位姿估计；同时根据深度图像构建稠密点云地图。本发明方法使用二进制格式词袋进行系统初始化，SegFormer语义分割网络对场景进行语义分割，在RGB‑D情况下能有效剔除环境中的动态物体，并构建静态特征的稠密点云地图。
-
公开(公告)号：CN118654661A
公开(公告)日：2024-09-17
申请号：CN202410691041.3
申请日：2024-05-30
Applicant: 桂林电子科技大学
Abstract: 本发明涉及即时定位与地图构建技术领域，具体涉及一种用于跟踪非刚性多扩展目标的滤波方法，通过将地标和量测建模为随机有限集，基于PHD‑SLAM的算法可以避免显式的数据关联；之后在PHD‑SLAM算法的基础上，通过量测新息计算次优渐消因子，利用次优渐消因子自适应修正特征预测协方差，进而增大卡尔曼增益，提高SLAM的定位和建图精度。本发明中对强跟踪中的次优渐消因子进行限制，防止次优渐消因子过大导致的滤波器发散，提高算法的鲁棒性，解决了现有技术中基于量测噪声协方差和过程噪声协方差突变的情况下的SLAM估计效果较差的技术问题。
-
公开(公告)号：CN113959428B
公开(公告)日：2024-05-28
申请号：CN202111135243.2
申请日：2021-09-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种用于跟踪非刚性多扩展目标的PHD滤波方法，首先，利用时空高斯过程对目标扩展的关键点进行建模，并利用运动学内部参考点来构建扩展目标的状态，然后采用概率假设密度滤波器传播非刚性多扩展目标随机有限集的一阶矩；此外，建立量测跟踪门挑选目标以及对应的量测，然后对目标和量测分群，给出一种合适的非刚性多扩展目标最优划分的预测似然，并提供了滤波器递归以及必要的近似和假设，最后通过将后验密度转换为高斯混合形式，得到了其闭式解及其相应的平滑滤波器的闭式解，在杂波、漏检和噪声存在的情况下能够准确估计非刚性目标的数量、运动状态和形状。
-
Patent Agency Ranking
公开(公告)号：CN117235452A
公开(公告)日：2023-12-15
申请号：CN202311163481.3
申请日：2023-09-11
Applicant: 桂林电子科技大学
Abstract: 本发明涉及扩展目标跟踪技术领域，具体涉及一种基于树轨迹模型的多衍生多扩展目标联合跟踪方法，通过将原始目标及其衍生目标的所有状态序列及其系谱建模为树轨迹变量，作为随机有限集泊松多伯努利混合滤波框架的输入项，并建立扩展目标树轨迹泊松多伯努利混合滤波模型；其次，将树轨迹全局数据关联假设转化为全局分支假设，在全局分支假设下推导出扩展目标树轨迹泊松多伯努利混合次优滤波后验分布，并进行参数化转换；然后对参数化的次优滤波后验分布进行预测，并在预测后通过KL散度提取出衍生目标的轨迹信息，最后对预测所得轨迹进行量测更新。本发明改善了杂波环境下基于随机矩阵建模的多衍生多扩展目标联合跟踪问题。
-
公开(公告)号：CN116736881A
公开(公告)日：2023-09-12
申请号：CN202310428694.8
申请日：2023-04-20
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于蜜蜂采蜜机制的无人机蜂群自主智能控制方法，基于蜜蜂采蜜机制，设定了三种决策方式，通过设计基于航向随机偏置、航向保持、航向反向偏置的自主智能决策方法，解决侦察者无人机高速高密度航行自主避撞与搜寻航向自主智能决策的问题；设计一种基于适应度的多目标决策方法，解决跟随者无人机在目标信息非完全确定下的多目标决策问题；设计一种基于趋向目标模式和边线沿走模式的Bug算法，解决执行者无人机航向反相避障与趋向目标呈现的反复震荡问题。本发明解决了现有无人机蜂群体系架构、自主智能决策和信息交互机制的不足，同时提高了无人机蜂群快速响应能力。
-
公开(公告)号：CN111965589B
公开(公告)日：2023-01-31
申请号：CN202010811097.X
申请日：2020-08-13
Applicant: 桂林电子科技大学
IPC: G01S3/02
Abstract: 本发明公开了一种基于空间平滑的多伯努利滤波多源DOA跟踪方法，首先对接收到的所述单快拍量测数据进行前后向的平滑处理，并利用酉矩阵进行修正；其次，利用多伯努利滤波器对多伯努利分量进行预测，接着将修正后的平滑数据进行奇异值分解，并和指定时刻接收的所述单快拍量测数据一起对预测的所述伯努利分量进行更新；最后根据更新后的所述多伯努利分量对目标状态进行提取和迭代，直至算法终止，能在传感器阵列单快拍量测信息不确定性情况下，提高多伯努利滤波多源DOA跟踪性能。
-
公开(公告)号：CN114758235A
公开(公告)日：2022-07-15
申请号：CN202210373956.0
申请日：2022-04-11
Applicant: 桂林电子科技大学
IPC: G06V20/10 , G06V10/22 , G06V10/46 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及变化检测技术领域，尤其涉及一种基于高空瞭望摄像头的建筑物变化检测方法，采用SIFT算子提取关键点将前后时相影像进行粗略配准，再将粗略配准后的前后时相影像分为多个图像窗口并从亮度、对比度、结构度三个方面计算结构相似度系数，构建结构相似度矩阵，并用均值阈值方法筛选，重建变化区域影像，接着用主干特征提取网络提取变化区域影像深层信息，利用区域候选网络确定建筑物的大致区域，采用卷积神经网络RCNN对提取到的建筑物区域进行分类回归，得到建筑物的具体位置，从而实现一种基于高空瞭望摄像头的建筑物变化检测，也削弱了配准不准确、建筑物之间遮挡与阴影以及季节更替对高空瞭望摄像头下建筑物图像的影响。
-
公开(公告)号：CN109492793B
公开(公告)日：2022-06-07
申请号：CN201811150026.9
申请日：2018-09-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种动态灰色费尔哈斯特神经网络滑坡形变预测方法，涉及滑坡监测形变预测技术领域，解决的技术问题是提供一种滑坡形变预测精度高的方法，包括以下步骤：建立滑坡体累积位移量原始数据；对数据预处理；通过灰色Verhulst模型对数据进行拟合；计算残差并构建残差序列；训练GA‑BP神经网络；得到预测残差序列；计算组合模型预测值。本发明对滑坡形变预测精度有较大的提高。
-
-
-
-
-
-
-
-
-
Search Results
251
records
(took 0.045 seconds)
