-
公开(公告)号：CN112356852A
公开(公告)日：2021-02-12
申请号：CN202011262462.2
申请日：2020-11-12
Applicant: 北京石油化工学院 , 北方工业大学 , 问九智慧科技有限公司
IPC: B60W60/00
Abstract: 本发明涉及驾驶的技术领域，特别是涉及一种驾驶员和智能车辆单元协同驾驶控制权切换方法，在车路协同环境下，通过将道路进行控制网格划分，对每个网格增加控制权限。包括以下步骤：在车路协同环境下，通过将道路进行控制网格划分，对每个控制网格增加控制权限，车辆进入控制网格时需要对驾驶控制权进行预约，通过评估和预测结果支持控制权预约的类型，进而实现驾驶员和智能车辆单元协同驾驶控制权的切换。
-
公开(公告)号：CN117312830A
公开(公告)日：2023-12-29
申请号：CN202311389939.7
申请日：2023-10-25
Applicant: 北京石油化工学院
IPC: G06F18/213 , G06F18/2411 , G06N3/006
Abstract: 本发明公开了基于灰狼优化VMD和多熵特征的水声信号特征提取方法，主要涉及水声信号处理领域。包括以下步骤：S1.处理好获取到的水声信号的数据集，并根据灰狼优化算法，得到自适应VMD的最优参数组；S2.根据所述步骤S1得到的最优参数组，对水声信号进行VMD分解，得到含有多阶模态参数信息的IMF分量；S3.对所述步骤S2中得到的各阶IMF分量进行复杂度计算，并根据得到的各阶奇异值特征向量，进行水声信号识别。本发明的有益效果在于：实现了精度更高的水声信号特征提取，从而使得水声信号处理的效果更好。考虑到VMD算法中惩罚因子和分解层数对分解效率和准确度的影响，通过GWO寻优算法，找到最优的参数组合，使得VMD分解的鲁棒性更强。
-
公开(公告)号：CN114693982A
公开(公告)日：2022-07-01
申请号：CN202210404107.7
申请日：2022-04-18
Applicant: 北京石油化工学院
Abstract: 本发明提供了一种水下声呐目标检测系统及方法，属于水下声呐目标检测领域。划分模块、预处理模块、PP‑YOLOv2模块、训练模块和调用模块。在本发明中，利用训练模块调用滤波和分割处理后的图像数据对PP‑YOLOv2模块训练直至预测结果与真实结果的误差损失满足阈值，完成对PP‑YOLOv2模块的训练；利用调用模块将滤波和分割处理后的待检测图像输入训练好的PP‑YOLOv2模块，得到水下声呐目标检测结果。本发明完成了端到端一站式的定义与使用。可以有效加强水下声呐图像目标检测网络感知全局特征信息的能力，提高了目标检测网络针对水下声呐图像的检测能力。
-
公开(公告)号：CN112347070A
公开(公告)日：2021-02-09
申请号：CN202011230734.0
申请日：2020-11-06
Applicant: 北京石油化工学院 , 中国人民解放军军事科学院国防科技创新研究院
IPC: G06F16/182 , G06F16/51 , G06T5/00 , G05D1/06
Abstract: 本发明涉及一种自主潜航器容迟探测系统及方法，包括通信装置、容迟探测装置以及终端，容迟探测装置通过通信装置与终端连接；数据模块获取多个传感器采集的数据并解析保存；目标识别模块根据采集的数据对水底目标进行延迟探测与分析；目标识别模块还接收协同控制模块发送的待检测目标的相关信息，以更新任务目标数据或对目标再次确认；协同控制模块根据通信装置获取任务信息；任务管理模块根据任务信息进行任务分解与航路点的选择并发送至潜航器执行；本发明能够有效利用多种传感器采集的数据，提高了任务执行效率；采用通信装置实现数据与任务的交互，增强任务的扩展性；采用数据模块提高历史数据的利用率并能采集实时数据。
-
公开(公告)号：CN114693982B
公开(公告)日：2024-09-10
申请号：CN202210404107.7
申请日：2022-04-18
Applicant: 北京石油化工学院
IPC: G06V10/764 , G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08 , G01S7/539
Abstract: 本发明提供了一种水下声呐目标检测系统及方法，属于水下声呐目标检测领域。划分模块、预处理模块、PP‑YOLOv2模块、训练模块和调用模块。在本发明中，利用训练模块调用滤波和分割处理后的图像数据对PP‑YOLOv2模块训练直至预测结果与真实结果的误差损失满足阈值，完成对PP‑YOLOv2模块的训练；利用调用模块将滤波和分割处理后的待检测图像输入训练好的PP‑YOLOv2模块，得到水下声呐目标检测结果。本发明完成了端到端一站式的定义与使用。可以有效加强水下声呐图像目标检测网络感知全局特征信息的能力，提高了目标检测网络针对水下声呐图像的检测能力。
-
公开(公告)号：CN117760443A
公开(公告)日：2024-03-26
申请号：CN202311795690.X
申请日：2023-12-25
Applicant: 北京石油化工学院
IPC: G01C21/20
Abstract: 本发明属于航海绘算设备技术领域，涉及一种航海标绘激光线尺，包括：第一支架，第一发射模块能够发射出多条第一激光射线，每一条第一激光射线代表一个时间点；第二支架，第二支架与第一支架相对垂直，第二支架内设置有第二发射模块，第二发射模块能够发射出多条相互平行的第二激光射线，每一条第二激光射线能够与多条第一激光射线相交，每一条第二激光射线代表一个航速值。本发明能够通过选择的一条第一激光射线与目标航速范围值选择对应数量的第二激光射线的相交即可得到目标的准确航速，避免了频繁使用平行尺、三角板、分规、量角器等绘图工具，减少了人工操作的误差，提高了航海推算的准确率，保证了航行过程的安全。
-
公开(公告)号：CN113807309B
公开(公告)日：2023-07-18
申请号：CN202111146509.3
申请日：2021-09-28
Applicant: 北京石油化工学院
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/047 , G06T17/05
Abstract: 本发明公开了一种基于果树树干识别的果园机械行走路线规划方法，首先获取待规划果园的环境样本集；利用所述环境样本集对改进的YOLO V3神经网络进行训练，将改进后的YOLO V3神经网络取名为TREE‑YOLO V3网络；实时获取待测果园的图片或视频，并使用步骤2训练好的TREE‑YOLO V3网络进行识别，输出带标记的图片和TXT文件；利用矩形框的底边中点进行果树行参考线的拟合；基于拟合的果树行参考线进行果园机械行走路线拟合。该方法能够对果园机械行走路线进行准确高效的规划，有助于减轻工人工作量。
-
公开(公告)号：CN112347070B
公开(公告)日：2023-05-23
申请号：CN202011230734.0
申请日：2020-11-06
Applicant: 北京石油化工学院 , 中国人民解放军军事科学院国防科技创新研究院
IPC: G06F16/182 , G06F16/51 , G06T5/00 , G05D1/06
Abstract: 本发明涉及一种自主潜航器容迟探测系统及方法，包括通信装置、容迟探测装置以及终端，容迟探测装置通过通信装置与终端连接；数据模块获取多个传感器采集的数据并解析保存；目标识别模块根据采集的数据对水底目标进行延迟探测与分析；目标识别模块还接收协同控制模块发送的待检测目标的相关信息，以更新任务目标数据或对目标再次确认；协同控制模块根据通信装置获取任务信息；任务管理模块根据任务信息进行任务分解与航路点的选择并发送至潜航器执行；本发明能够有效利用多种传感器采集的数据，提高了任务执行效率；采用通信装置实现数据与任务的交互，增强任务的扩展性；采用数据模块提高历史数据的利用率并能采集实时数据。
-
公开(公告)号：CN113658188B
公开(公告)日：2022-04-01
申请号：CN202110949340.9
申请日：2021-08-18
Applicant: 北京石油化工学院
Abstract: 本发明提供一种基于改进Unet模型的溶液结晶过程图像语义分割方法，包括：根据结晶影像数据构建晶体语义分割数据集；将预处理后的图片输入到改进Unet模型中；改进Unet模型为在Unet典型模型的下采样部分和上采样部分中间加入通道增强特征金字塔网络；通道增强特征金字塔网络在特征金字塔网络的基础上增加了上下增强模块和通道注意力模块；通过数据集对改进Unet模型进行训练，评估改进Unet模型的分割效果，获得训练后的改进Unet模型；将待分割的晶体影像数据输入训练后的改进Unet模型获得分割结果。本发明中的基于通道增强金字塔的改进Unet模型，较基于其他特征金字塔网络的Unet语义分割模型，可有效提高测量的准确度且没有增加额外的复杂运算。
-
公开(公告)号：CN113807309A
公开(公告)日：2021-12-17
申请号：CN202111146509.3
申请日：2021-09-28
Applicant: 北京石油化工学院
Abstract: 本发明公开了一种基于果树树干识别的果园机械行走路线规划方法，首先获取待规划果园的环境样本集；利用所述环境样本集对改进的YOLO V3神经网络进行训练，将改进后的YOLO V3神经网络取名为TREE‑YOLO V3网络；实时获取待测果园的图片或视频，并使用步骤2训练好的TREE‑YOLO V3网络进行识别，输出带标记的图片和TXT文件；利用矩形框的底边中点进行果树行参考线的拟合；基于拟合的果树行参考线进行果园机械行走路线拟合。该方法能够对果园机械行走路线进行准确高效的规划，有助于减轻工人工作量。
