-
公开(公告)号：CN117593334A
公开(公告)日：2024-02-23
申请号：CN202311442820.1
申请日：2023-11-01
申请人： 中国人民解放军国防科技大学
IPC分类号： G06T7/246 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/084
摘要： 本申请涉及一种基于特征增强融合的RGBT实时目标跟踪方法和装置。所述方法包括：获取从第一帧RGBT图像和当前帧RGBT图像中剪裁的热红外和可见光图像对，并分别作为模板分支图像对和搜索分支图像对；分别提取模板分支图像对和搜索分支图像的可见光和热红外深度特征，基于通道注意力模块实现可见光和热红外图像通道维的特征增强，采用基于AiA模块的自注意力机制实现可见光和热红外图像空间维的全局特征增强，基于Transformer互注意力机制实现模板与搜索分支的特征交互融合实现目标定位，在保证算法实时性的同时提升了跟踪精度。
-
公开(公告)号：CN112373300B
公开(公告)日：2022-05-13
申请号：CN202011349523.9
申请日：2020-11-26
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种车辆混合智能限速控制方法及装置，该方法步骤包括：S1.在当前车辆行驶过程中，实时感知当前车辆自身的状态信息、当前车辆所处的环境信息以及前方车辆的状态信息、当前车辆与前方车辆之间的相对距离信息；S2.根据步骤S1感知到的信息实时确定当前车辆的最小刹车距离，当相对距离信息小于最小刹车距离时，转入步骤S3；S3.使用最小刹车距离确定当前车辆的限制速度，根据当前确定的限制速度辅助控制调节当前车辆的制动踏板力以及制动踏板行程。本发明能够根据车辆的环境变化实现车辆自适应的人机混合智能限速控制，且具有实现方法简单、智能化程度以及安全可靠性高等优点。
-
公开(公告)号：CN111891131B
公开(公告)日：2021-10-26
申请号：CN202010794082.7
申请日：2020-08-10
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种轮胎侧偏刚度在线辨识方法及系统，该方法包括如下步骤：步骤1，建立车辆动力学模型；步骤2，基于线性侧向轮胎力模型对车辆动力学模型进行简化，得到车辆动力学简化模型；步骤3，对车辆动力学简化模型进行离散化，得到以车辆前、后轮侧偏刚度为待估计参数的递推模型；步骤4，采用具有遗忘因子的有限记忆递推最小二乘在线辨识方法对递推模型中的车辆前、后轮侧偏刚度进行辨识。实现了通过具有遗忘因子的有限记忆递推最小二乘在线辨识方法对前、后轮侧偏刚度进行辨识，可以避免维度灾难现象，增加辨识的实时性，且使用有限的历史数据，实现在线辨识轮胎侧偏刚度，且整体适合大多数环境，内部机械装置简单，稳定性高，算法效率高。
-
公开(公告)号：CN112373300A
公开(公告)日：2021-02-19
申请号：CN202011349523.9
申请日：2020-11-26
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种车辆混合智能限速控制方法及装置，该方法步骤包括：S1.在当前车辆行驶过程中，实时感知当前车辆自身的状态信息、当前车辆所处的环境信息以及前方车辆的状态信息、当前车辆与前方车辆之间的相对距离信息；S2.根据步骤S1感知到的信息实时确定当前车辆的最小刹车距离，当相对距离信息小于最小刹车距离时，转入步骤S3；S3.使用最小刹车距离确定当前车辆的限制速度，根据当前确定的限制速度辅助控制调节当前车辆的制动踏板力以及制动踏板行程。本发明能够根据车辆的环境变化实现车辆自适应的人机混合智能限速控制，且具有实现方法简单、智能化程度以及安全可靠性高等优点。
-
公开(公告)号：CN114454160B
公开(公告)日：2024-04-16
申请号：CN202111680444.0
申请日：2021-12-31
申请人： 中国人民解放军国防科技大学
IPC分类号： B25J9/16
摘要： 本发明公开一种基于核最小二乘软贝尔曼残差强化学习的机械臂抓取控制方法，步骤包括：S1.在智能体与环境交互过程中使用第一控制策略采集样本，构造基函数；S2.在智能体与环境交互过程中通过Actor模块生成的第二控制策略采集样本，使用基函数构造样本特征并放入经验池；S3.由Critic模块从经验池中采样，使用最小二乘软贝尔曼残差更新Critic的权值系数并计算软状态动作值函数；Actor模块通过最小化软状态动作值函数的玻尔兹曼分布的KL散度，更新Actor的权值系数，获得最终的控制策略；S4.按照获得的控制策略控制智能体的机械臂抓取。本发明具有实现方法简单、控制效率及精度高等优点。
-
公开(公告)号：CN113159072A
公开(公告)日：2021-07-23
申请号：CN202110436775.3
申请日：2021-04-22
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开了一种基于一致正则化的在线超限学习机目标识别方法及系统，本发明包括进行基于单隐层前馈神经网络的分类器的学习和训练的下述步骤：针对训练图像进行特征提取，得到相应的图像特征集，并将图像特征集随机划分为多个特征子集；对所划分的特征子集，分别生成对应的近邻特征样本；将一致正则化约束引入在线超限学习目标优化函数，随机生成首先单隐层前馈神经网络的隐层节点参数，选取任一特征子集及其邻近样本进行初始化网络权重生成，基于剩余特征子集进行网络权重的迭代更新以完成基于单隐层前馈神经网络的分类器的学习与训练。本发明具有噪声容忍性强、分类识别精度高、学习速度快、任务可扩展性好的优点。
-
公开(公告)号：CN111891131A
公开(公告)日：2020-11-06
申请号：CN202010794082.7
申请日：2020-08-10
申请人： 中国人民解放军国防科技大学
摘要： 本发明公开一种轮胎侧偏刚度在线辨识方法及系统，该方法包括如下步骤：步骤1，建立车辆动力学模型；步骤2，基于线性侧向轮胎力模型对车辆动力学模型进行简化，得到车辆动力学简化模型；步骤3，对车辆动力学简化模型进行离散化，得到以车辆前、后轮侧偏刚度为待估计参数的递推模型；步骤4，采用具有遗忘因子的有限记忆递推最小二乘在线辨识方法对递推模型中的车辆前、后轮侧偏刚度进行辨识。实现了通过具有遗忘因子的有限记忆递推最小二乘在线辨识方法对前、后轮侧偏刚度进行辨识，可以避免维度灾难现象，增加辨识的实时性，且使用有限的历史数据，实现在线辨识轮胎侧偏刚度，且整体适合大多数环境，内部机械装置简单，稳定性高，算法效率高。
-
公开(公告)号：CN117765176A
公开(公告)日：2024-03-26
申请号：CN202311791445.1
申请日：2023-12-22
申请人： 中国人民解放军国防科技大学
摘要： 本申请涉及一种基于局部视锥的三维建模方法、装置和计算机设备。所述方法包括：获取相关图像的初始深度图；从相关图像相机取景方向往初始深度图发射一组光线，分别在各光线对应的初始深度的预设范围内采样，得到各光线上的若干个样本点；对于当前像素点，以其对应的光线为中心射线，在其周围发射一组邻近射线，构成视锥体；分别以中心射线上的各个样本点为基准，截取视锥体的垂直界面；根据当前垂直界面的像素矩阵筛选得到对应样本点的相关像素点，进而得到对应样本点的聚合特征；对于中心射线，提取其对应的邻近射线的特征，进而得到光线特征；根据光线特征、各样本点的聚合特征及候选深度值对目标进行建模。采用本方法能够使建模更准确和稳健。
-
公开(公告)号：CN115170628A
公开(公告)日：2022-10-11
申请号：CN202210768179.X
申请日：2022-07-01
申请人： 中国人民解放军国防科技大学
IPC分类号： G06T7/50 , G06T17/00 , G06V10/774 , G06V10/80 , G06V10/82
摘要： 本申请涉及一种基于光线隐式场的多视角建模方法、装置和建模设备。通过相机参数和多视图特征构建的成本体积的三维特征得到多视图中参考视图的初始深度图，再从参考视图的相机取景方向投射一组光线，根据初始深度图得到各光线的初始深度，并在各初始深度的预设范围内均匀采样，得到各光线对应的若干采样点，然后通过极线感知器的自注意力机制得到的各采样点多视图特征间的相关性得到采样点的多视图融合视图特征，通过叠加多视图融合视图特征和成本体积三维特征得到各采样点的融合特征，将融合特征输入序列模型预测得到对应光线隐式场的深度值，再根据各光线的深度值得到的精确深度图进行多视角建模。本方法中基于光线的深度估计更简单、轻量化。
-
公开(公告)号：CN113159072B
公开(公告)日：2022-07-19
申请号：CN202110436775.3
申请日：2021-04-22
申请人： 中国人民解放军国防科技大学
IPC分类号： G06V10/50 , G06V10/77 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
摘要： 本发明公开了一种基于一致正则化的在线超限学习机目标识别方法及系统，本发明包括进行基于单隐层前馈神经网络的分类器的学习和训练的下述步骤：针对训练图像进行特征提取，得到相应的图像特征集，并将图像特征集随机划分为多个特征子集；对所划分的特征子集，分别生成对应的近邻特征样本；将一致正则化约束引入在线超限学习目标优化函数，随机生成首先单隐层前馈神经网络的隐层节点参数，选取任一特征子集及其邻近样本进行初始化网络权重生成，基于剩余特征子集进行网络权重的迭代更新以完成基于单隐层前馈神经网络的分类器的学习与训练。本发明具有噪声容忍性强、分类识别精度高、学习速度快、任务可扩展性好的优点。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.032 秒)
