-
公开(公告)号：CN117784805A
公开(公告)日：2024-03-29
申请号：CN202311541023.9
申请日：2023-11-17
Applicant: 河南大学
Abstract: 本发明公开了基于隐蔽通信以及最优控制的无人机跟踪控制方法及系统，包括以下步骤：通过无人机搭载的双目相机，雷达等传感器，获取外界信息，将信息分类，秘密信息通过隐蔽通信技术隐藏在公开信息中实现无人机与地面的隐蔽通信，同时定位与建图的有效信息进行处理，搜索路径，规划最佳飞行路径，通过ADP算法，实现最优跟踪控制，将无人机在追踪控制任务中，实现最优控制与通信信息的安全传递。本发明通过采用自适应动态规划策略，针对动态时变的路径，对无人机的视觉伺服进行基于自适应动态规划的最优控制，使无人机可以实时精确进行追踪控制任务。
-
公开(公告)号：CN118411593A
公开(公告)日：2024-07-30
申请号：CN202410602431.9
申请日：2024-05-15
Applicant: 河南大学
Abstract: 本发明涉及计算机视觉和水下机器人技术领域，具体涉及基于深度学习的水下目标检测机器人。本发明通过水下目标检测机器人采集实时的水下图像，将实时的水下图像输入训练好的含有水下目标检测模型的水下目标检测机器人中，得到水下检测结果；水下目标检测模型基于yolov8算法，在backbone部分用HGNetv2网络替换了yolov8的原有的特征提取网络，金字塔池化结构FastSPPF替换原有的SPPF模块。本发明所提出的算法部分基于yolov8算法，并对yolov8的网络结构进行轻量化设计，在保证精度的同时尽可能地降低网络的参数量与计算量。
-
Patent Agency Ranking
公开(公告)号：CN118781057A
公开(公告)日：2024-10-15
申请号：CN202410769340.4
申请日：2024-06-14
Applicant: 河南大学
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于ResNet深度学习模型的钢材表面缺陷检测方法、系统及机器人，系统包括：获取钢材表面缺陷数据集并进行预处理；构建ResNet深度学习模型并初始化；利用所述钢材表面缺陷数据集对初始化后的所述ResNet深度学习模型进行训练；将待测的钢材表面缺陷数据集输入通过训练的所述ResNet深度学习模型，完成钢材表面缺陷检测。本发明通过该模型可以有效地解决传统卷积神经网络在钢材表面缺陷识别中准确率不高、识别时间长的问题。这一模型更贴合实际钢材生产的情景，能够显著提高工业生产效率。
-
公开(公告)号：CN117611983A
公开(公告)日：2024-02-27
申请号：CN202311537443.X
申请日：2023-11-17
Applicant: 河南大学
IPC: G06V20/05 , H04L1/00 , H04B11/00 , G06V10/44 , G06V10/141 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于隐蔽通信技术及深度学习的水下目标检测方法及系统，包括以下步骤：实时采集目标物体的图像；对所述图像进行预处理，使用卷积神经网络模型对预处理后的所述图像进行特征提取，得到每个目标的边界框坐标、类别标签和置信度得分；基于隐蔽通信的信息传输方法，实现每个目标的边界框坐标、类别标签和置信度得分与通信信息的安全传递。本发明可以有效地解决水下机器人实时图像处理问题和水下隐蔽通信问题，更符合当下复杂多变的环境。
-
公开(公告)号：CN118644461A
公开(公告)日：2024-09-13
申请号：CN202410783895.4
申请日：2024-06-18
Applicant: 河南大学
IPC: G06T7/00 , G06V10/764 , G06V10/40 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于MF18深度学习模型的钢材表面缺陷检测方法、系统及机器人，包括：获取钢材表面缺陷数据集；构建MF18深度学习模型并初始化；利用所述钢材表面缺陷数据集对初始化后的所述MF18深度学习模型进行训练；将待测的钢材表面缺陷数据集输入通过训练的所述MF18深度学习模型，完成钢材表面缺陷检测。本发明通过该模型可以有效地解决传统卷积神经网络在钢材表面缺陷识别中准确率不高、识别时间长的问题。这一模型更贴合实际钢材生产的情景，能够显著提高工业生产效率。
-
公开(公告)号：CN118502426A
公开(公告)日：2024-08-16
申请号：CN202410565386.4
申请日：2024-05-09
Applicant: 河南大学
IPC: G05D1/43 , G05D1/242 , G05D1/243 , G05D1/246 , G05D1/65 , G05D1/633 , G05D1/644 , G05D1/247 , G05D1/648 , G05D105/22
Abstract: 本发明涉及机器人自适应最优轨迹规划以及避障技术领域，具体涉及基于动态控制障碍函数与自适应最优控制的移动机器人。在本发明中，提出了基于动态控制避障算法，结合模型预测控制和动态控制障碍函数的ADP设计安全控制器来获得安全的无碰撞轨迹，与传统通过速度与相对位置的轨迹预测不同，直接将安全性通过数据生成约束编码进入代价函数，将安全作为约束条件，把安全避障问题转化为最优控制问题。
-
公开(公告)号：CN117611983B
公开(公告)日：2024-07-02
申请号：CN202311537443.X
申请日：2023-11-17
Applicant: 河南大学
IPC: G06V20/05 , H04L1/00 , H04B11/00 , G06V10/44 , G06V10/141 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于隐蔽通信技术及深度学习的水下目标检测方法及系统，包括以下步骤：实时采集目标物体的图像；对所述图像进行预处理，使用卷积神经网络模型对预处理后的所述图像进行特征提取，得到每个目标的边界框坐标、类别标签和置信度得分；基于隐蔽通信的信息传输方法，实现每个目标的边界框坐标、类别标签和置信度得分与通信信息的安全传递。本发明可以有效地解决水下机器人实时图像处理问题和水下隐蔽通信问题，更符合当下复杂多变的环境。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
