-
公开(公告)号:CN114721275B
公开(公告)日:2022-09-09
申请号:CN202210516914.8
申请日:2022-05-13
申请人: 北京航空航天大学
IPC分类号: G05B13/04
摘要: 本发明涉及视觉伺服机器人控制领域,提供了一种基于预设性能的视觉伺服机器人自适应跟踪控制方法。该方法包括:建立双轮移动机器人的运动模型和运动目标与双轮移动机器人之间的相对运动模型;基于运动目标与双轮移动机器人之间的相对运动模型,提出有限时间自适应调整的预设性能函数,获得角度跟踪误差的上界,保证跟踪过程中运动目标始终保持在相机的视场范围内。本发明保证了控制系统的超调量、收敛速度和稳态误差等性能指标满足预设要;提高跟踪算法的鲁棒性,保证控制系统的稳定运行;实现对于运动目标的线速度与角速度实时估计,扩大了视觉伺服的应用范围。
-
公开(公告)号:CN112781595A
公开(公告)日:2021-05-11
申请号:CN202110045320.9
申请日:2021-01-12
申请人: 北京航空航天大学
摘要: 提供了基于深度相机的室内飞艇定位与避障系统。所提供的基于深度相机的室内飞艇定位与避障方法,包括:通过在所述室内飞行的飞艇所携带的深度相机捕获视频;从所述视频中提取多个关键帧,每个关键帧包括相关联的特征点与描述子;通过相邻关键帧的匹配的特征点确定所述深度相机的位姿;对连续的多个关键帧与检测到的回环通过非线性优化得到全局一致的所述深度相机的运动轨迹;根据运动轨迹与所述视频建立所述飞艇所处室内场景的地图;根据各关键帧识别关键帧中的障碍物,根据深度相机到识别出的障碍物的距离、方向与所述飞艇的尺寸和速度选择避障策略;以及根据避障策略驱动所述飞艇在所述室内飞行。
-
公开(公告)号:CN105574887B
公开(公告)日:2019-08-02
申请号:CN201610112981.8
申请日:2016-02-29
摘要: 本发明涉及图像处理领域,公开了一种高分辨率遥感影像快速分割方法,该方法包括:步骤S1、读取高分辨率遥感影像;步骤S2、计算所读取的高分辨率遥感影像的多波段形态学梯度,从而得到由所述多波段形态学梯度构成的多波段形态学梯度图像;步骤S3、对所述多波段形态学梯度图像进行形态学重建,以得到形态学重建后的梯度图像;步骤S4、对形态学重建后的梯度图像进行分水岭分割以得到分水岭分割后的图像;以及步骤S5、对分水岭分割后的图像进行区域合并。本发明能够快速分割具有海量数据的遥感影像,并能够有效地减小过分割。
-
公开(公告)号:CN104268879A
公开(公告)日:2015-01-07
申请号:CN201410510164.9
申请日:2014-09-28
IPC分类号: G06T7/00
CPC分类号: G06T7/0004 , G06T2207/10036
摘要: 本发明公开了一种基于遥感多光谱图像的建筑物实物量损毁评估方法。可先对灾前灾后的多时相多光谱遥感图像做预处理,然后采用基于随机游走的变化检测方法获取二值掩膜图像,在利用二值掩膜图像对灾前图像做目标检测以提取建筑物,最后给出建筑物实物量损毁评估结果。本发明可快速、准确、自动地检测建筑物实物量损毁状况,为灾情评估、救灾决策工作提供有力的数据支持。
-
-
-
公开(公告)号:CN117675413B
公开(公告)日:2024-04-16
申请号:CN202410129795.X
申请日:2024-01-31
摘要: 本申请提供一种受攻击工业节点间的防御资源分布式调度方法及装置,涉及网络安全领域。其中,对于任意一个节点,若工业网络受到网络攻击,则确定出工业网络中的全部相邻节点,其中,每个相邻节点表示与自身相邻的节点;对于每个相邻节点,计算相邻节点与自身之间防御资源的交换数量;将与交换数量相对应的防御任务发送给相邻节点或者从相邻节点接收与交换数量相对应的防御任务;若与全部相邻节点进行资源交换后,工业网络未处于纳什均衡状态,则返回至对于每个相邻节点,计算相邻节点与自身之间防御资源的交换数量,直至工业网络处于纳什均衡状态。如此,由于防御资源仅在相邻节点之间进行调度,因此,能够极大提高资源调度效率。
-
公开(公告)号:CN117666332B
公开(公告)日:2024-04-05
申请号:CN202410148369.0
申请日:2024-02-02
申请人: 北京航空航天大学
IPC分类号: G05B11/42
摘要: 本发明公开了一种动态扰动环境下多旋翼飞行器自学习抗干扰控制方法,属于飞行器控制技术领域。控制方法包括以下步骤:S1、建立多旋翼飞行器系统动态模型;S2、基于元学习和自适应控制更新多旋翼飞行器系统动态模型参数;S3、根据更新后的多旋翼飞行器系统动态模型,基于前馈PID控制律设计加速度和角加速度控制器。本发明采用上述动态扰动环境下多旋翼飞行器自学习抗干扰控制方法,将前馈PID控制方法与元学习及自适应控制相结合,能够利用先前飞行过程中积累的信息,在扰动条件持续变化时能够更快的进行自适应,提高飞行系统对新任务的泛化能力。
-
公开(公告)号:CN117666332A
公开(公告)日:2024-03-08
申请号:CN202410148369.0
申请日:2024-02-02
申请人: 北京航空航天大学
IPC分类号: G05B11/42
摘要: 本发明公开了一种动态扰动环境下多旋翼飞行器自学习抗干扰控制方法,属于飞行器控制技术领域。控制方法包括以下步骤:S1、建立多旋翼飞行器系统动态模型;S2、基于元学习和自适应控制更新多旋翼飞行器系统动态模型参数;S3、根据更新后的多旋翼飞行器系统动态模型,基于前馈PID控制律设计加速度和角加速度控制器。本发明采用上述动态扰动环境下多旋翼飞行器自学习抗干扰控制方法,将前馈PID控制方法与元学习及自适应控制相结合,能够利用先前飞行过程中积累的信息,在扰动条件持续变化时能够更快的进行自适应,提高飞行系统对新任务的泛化能力。
-
公开(公告)号:CN114154576A
公开(公告)日:2022-03-08
申请号:CN202111471191.6
申请日:2021-12-03
申请人: 北京航空航天大学
摘要: 本发明公开了一种基于混合监督的特征选择模型训练方法及系统,涉及计算机视觉技术领域,本发明使用图像语义信息和图像特征的注意力信息对特征选择模型的训练提供混合监督作用。基于该训练方法训练特征选择模型,进而将该模型用于图像检索,能够准确地检索出数据库中与输入的检索图像相匹配的历史图像。本发明的训练方法结合了语义信息和注意力信息进行混合优化,优化方法更易收敛,适用于不同特征的特征选择模型,模型预测的准确性更好。
-
-
-
-
-
-
-
-
-