-
公开(公告)号：CN115186706A
公开(公告)日：2022-10-14
申请号：CN202210796180.3
申请日：2022-07-07
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种ERP信号检测方法及系统、计算机设备、计算机可读存储介质，该方法利用频率特征编码器、空间特征编码器和时序特征编码器构建频‑空‑时框架，分别对频率、空间、时序特征进行编码，并融合得到全局特征，再根据全局特征进行分类。本发明的检测方法能够在考虑脑电信号及ERP信号特性的同时充分提取脑电信号中的全局特征，从而学习得到不同被试间潜在不变的脑电信号特征，在跨被试ERP信号检测任务中具有较高的检测精度和跨被试鲁棒性。此外，与传统的机器学习方法相比，本发明无需通过手工提取复杂的相关特征，以此保留脑电信号中更多的相关信息，通过端到端的训练实现更高效率、高精度的ERP检测任务。
-
公开(公告)号：CN112489118A
公开(公告)日：2021-03-12
申请号：CN202011475991.0
申请日：2020-12-15
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种无人机机载传感器组外参快速标定方法，其特征在于，包括如下步骤：步骤1，采集原始样本集；步骤2，对原始样本集进行优化与人工标注，得到标签样本集；步骤3，建立传感器组外参的优化目标函数，并基于标签样本集对传感器组外参进行迭代优化，得到精确的传感器组外参。针对无人机机载摄像机‑云台‑里程计传感器组，提出了一种外参数快速标定方法，依托最优化理论设计了外参数优化目标函数，实现了在重建误差平方和指标下的机载摄像机‑云台‑里程计传感器组外参数的最优估计，相比传统的人工辅助方法，在保证一定标定精度的前提下大幅提升了参数标定的效率。
-
公开(公告)号：CN114895699B
公开(公告)日：2024-09-06
申请号：CN202210296943.8
申请日：2022-03-24
申请人： 中国人民解放军国防科技大学
摘要： 本发明涉及一种无人机集群飞行中有限交互情形下的协同控制方法，包括：确定信息无人机用于对周围普通无人机进行协同控制的输入输出变量和语言值，并依据专家经验法得出输入输出变量与所述语言值之间的隶属度函数；基于输入输出变量和语言值，设计无人机协同控制方案，以及对无人机协同控制方案进行模糊推理；将完成的无人机协同控制方案和隶属度函数导入信息无人机；信息无人机采集周围实时的输入语言值，且确定出用于对周围所述普通无人机进行协同控制的输出语言值；信息无人机对确定出的输出语言值进行去模糊化处理，生成包含有精确值的输出变量；信息无人机基于输出变量所包含的精确值改变信息无人机的通信覆盖范围。
-
公开(公告)号：CN116524381A
公开(公告)日：2023-08-01
申请号：CN202310507104.0
申请日：2023-05-08
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种脑‑眼‑机数据融合目标检测方法，包括：构建样本图像数据集；基于样本图像数据集对被试开展基于眼动的慢速序列视觉呈现实验，采集被试的第一眼动数据与第一脑电数据；基于第一眼动数据得到被试注视的第一候选区域框，提取对应的第一候选图像；基于第一眼动数据的时间戳对第一脑电数据分段，得到对应的第一脑电数据片段；构建训练样本集训练脑‑机信号融合分类模型，并基于训练后的脑‑机信号融合分类模型进行目标检测。本发明应用于脑‑机接口技术和目标检测技术领域，能够在保证较好实时性的前提下，提升无人机航拍图像中弱隐目标的检测精度和鲁棒性，具备较强的泛化性能，且不受到小样本数据约束。
-
公开(公告)号：CN116524380A
公开(公告)日：2023-08-01
申请号：CN202310507066.9
申请日：2023-05-08
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V20/17 , G06V20/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09 , G06N3/096
摘要： 本发明公开了一种基于脑‑机信号融合的目标检测方法，包括：构建样本集，样本集包括若干带标签的图像数据与脑电数据，且图像数据与脑电数据一一对应；构建基于多头注意力机制和跨模态知识蒸馏的脑‑机信号融合模型；基于样本集训练脑‑机信号融合模型，得到训练后的脑‑机信号融合模型；将待测的脑电数据和图像数据同时输入训练后的脑‑机信号融合模型，通过对输入的脑电数据和图像数据进行特征提取、特征融合和特征分类，得到目标检测结果。本发明应用于脑‑机接口技术与目标检测技术领域，可充分融合计算机和人脑的信息，提高了目标的检测精度，增强了系统的鲁棒性和泛化能力对于监控系统中的自动目标检测具有重要意义和实用价值。
-
公开(公告)号：CN112504261B
公开(公告)日：2024-02-09
申请号：CN202011237125.8
申请日：2020-11-09
申请人： 中国人民解放军国防科技大学
IPC分类号： G01C21/00
摘要： 本发明公开一种基于视觉锚点的无人机降落位姿滤波估计方法及系统，该方法面向无人机降落过程中的空间位置和姿态估计需求，构建了基于视觉锚点测量的无人机位姿估计扩展卡尔曼滤波模型，依托扩展卡尔曼滤波器理论，实现了在最小误差二范数平方和指标下的无人机位姿的最优估计，并且有效降低了降落过程中地基视觉的观测误差对无人机位姿估计准确性的影响，相比传统方法大幅提升了无人机降落过程中位姿估计的准确性和鲁棒性。
-
公开(公告)号：CN117456394A
公开(公告)日：2024-01-26
申请号：CN202311710451.X
申请日：2023-12-13
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V20/17 , G06V10/80 , G06V10/764 , G06V10/774 , G06N3/08
摘要： 本申请属于目标检测技术领域，涉及一种无人机图像目标检测方法、装置、设备和介质。方法包括：获取多模态数据，根据多模态数据得到：脑电数据、图像数据以及标签数据；搭建两个单模态教师模型以及一个多模态学生模型；将脑电数据和图像数据分别输入两个单模态教师模型，进行预训练，得到预训练教师模型；根据预训练教师模型，分别计算蒸馏损失；同时，计算学生损失；根据蒸馏损失、学生损失以及标签数据，基于置信度和多样性为不同教师分配不同的重要性权重，构造整体损失函数；根据整体损失函数训练多模态学生模型，并进行无人机图像目标检测。本申请能够提高无人机传感器图像目标检测的精度、效率以及鲁棒性。
-
公开(公告)号：CN115933712A
公开(公告)日：2023-04-07
申请号：CN202211435228.4
申请日：2022-11-16
申请人： 中国人民解放军国防科技大学
IPC分类号： G05D1/06
摘要： 本发明涉及一种基于深度强化学习的仿生鱼领导者—跟随者编队控制方法，包括：构建竞争双重Q网络；从预设仿真流场环境获取编队中每条跟随者及领导者的状态向量，并将当前时间步的状态向量输入竞争双重Q网络，配合基于模仿领导者行为的跟随者动作选择策略，对每条跟随者在编队的动作进行选择；竞争双重Q网络基于各条跟随者的编队奖励/惩罚，优化带衰减系数的模仿学习损失函数，并重复前述步骤，获取训练完的网络模型；在线载入网络模型，并获取仿真流场环境中每条跟随者及领导者的状态向量，基于状态向量评估各跟随者当前状态下各个动作的Q值；各跟随者选择最大Q值对应的动作，保持领导者和跟随者的编队构型，完成编队控制任务。
-
公开(公告)号：CN111880567B
公开(公告)日：2022-09-16
申请号：CN202010761029.7
申请日：2020-07-31
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种基于深度强化学习的固定翼无人机编队协调控制方法及装置，该方法步骤包括：步骤S1、建立固定翼无人机运动学模型以及基于深度神经网络建立执行器网络、评价器网络，并使用各僚机与环境之间交互过程中的历史数据更新执行器网络、评价器网络的网络参数，训练形成执行器网络模型；步骤S2、各僚机分别实时获取自身、长机以及除当前僚机以外其他僚机的当前状态信息构成联合状态，载入训练后形成的执行器网络模型，由执行器网络模型根据联合状态输出各僚机的控制指令。本发明能够应用深度强化学习实现固定翼无人机编队协调控制并避免机间碰撞，具有实现方法简单、实时性及可扩展性强、控制灵活等优点。
-
公开(公告)号：CN112504261A
公开(公告)日：2021-03-16
申请号：CN202011237125.8
申请日：2020-11-09
申请人： 中国人民解放军国防科技大学
IPC分类号： G01C21/00
摘要： 本发明公开一种基于视觉锚点的无人机降落位姿滤波估计方法及系统，该方法面向无人机降落过程中的空间位置和姿态估计需求，构建了基于视觉锚点测量的无人机位姿估计扩展卡尔曼滤波模型，依托扩展卡尔曼滤波器理论，实现了在最小误差二范数平方和指标下的无人机位姿的最优估计，并且有效降低了降落过程中地基视觉的观测误差对无人机位姿估计准确性的影响，相比传统方法大幅提升了无人机降落过程中位姿估计的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.063 秒)