-
公开(公告)号：CN114048800B
公开(公告)日：2024-06-14
申请号：CN202111229203.4
申请日：2021-10-21
申请人： 哈尔滨工程大学
IPC分类号： G06V10/764 , G06V10/774
摘要： 本发明属于计算机视觉技术领域，具体涉及一种视觉信息海上目标识别多源混合数据集构建方法。本发明通过详细划分海上目标种类，为后续样本采集与标注提供标准分类条件；采用多种途径获取样本数据，利用海上目标样本采集、网络搜索、数据样本增广方式，分别构建样本数据集；设计样本分配和处理策略，并制定海上目标识别评价策略，保证样本中各类数据构成比例更为合理，保证后续神经网络训练的准确性。本发明可为基于深度学习的海上目标识别网络训练任务，提供更为合理的训练样本，使训练后的网络具有较强的鲁棒性和识别准确性。
-
公开(公告)号：CN112857360B
公开(公告)日：2022-06-17
申请号：CN202110300122.2
申请日：2021-03-22
申请人： 哈尔滨工程大学
IPC分类号： G01C21/00 , G01C21/20 , G01S13/86 , G01S13/937
摘要： 本发明公开了一种船舶航行多信息融合方法，包括：步骤1：多目标船信息预处理；步骤2：船舶AIS信息中目标船状态插值；步骤3：雷达与AIS信息初步融合；步骤4：视觉图像信息再融合；步骤5：融合目标实时更新。本发明考虑了雷达、AIS、视觉图像三种信息，比以往仅考虑雷达和AIS目标融合算法相比，扩展了融合信息类别，可得到更为准确的融合目标信息；通过设定雷达和AIS融合后，再与视觉图像融合的步骤和策略，避免预先设定众多假设条件、主观约定等非客观情况，保证了融合目标的准确性和快速性；本发明通过视觉图像二维可视化方式，利用图像、文字和数据综合显示方式，更为直观反映目标融合的结果，提供了友好的人机交互模式。
-
公开(公告)号：CN112857360A
公开(公告)日：2021-05-28
申请号：CN202110300122.2
申请日：2021-03-22
申请人： 哈尔滨工程大学
IPC分类号： G01C21/00 , G01C21/20 , G01S13/86 , G01S13/937
摘要： 本发明公开了一种船舶航行多信息融合方法，包括：步骤1：多目标船信息预处理；步骤2：船舶AIS信息中目标船状态插值；步骤3：雷达与AIS信息初步融合；步骤4：视觉图像信息再融合；步骤5：融合目标实时更新。本发明考虑了雷达、AIS、视觉图像三种信息，比以往仅考虑雷达和AIS目标融合算法相比，扩展了融合信息类别，可得到更为准确的融合目标信息；通过设定雷达和AIS融合后，再与视觉图像融合的步骤和策略，避免预先设定众多假设条件、主观约定等非客观情况，保证了融合目标的准确性和快速性；本发明通过视觉图像二维可视化方式，利用图像、文字和数据综合显示方式，更为直观反映目标融合的结果，提供了友好的人机交互模式。
-
公开(公告)号：CN112550592B
公开(公告)日：2021-09-10
申请号：CN202011313630.6
申请日：2020-11-20
申请人： 哈尔滨工程大学
摘要： 本发明属于船舶能耗预测技术领域，具体涉及一种基于数据驱动的船舶能耗预测方法。本发明包括获取船舶的期望航线、出发时间及海况信息；构建离线基础模型，包括船舶对水稳态航速模型、发动机功率模型和发动机油耗模型；对船舶对水稳态航速模型和发动机功率模型的离散网格矩阵进行高维线性插值；对发动机油耗模型的离散网格矩阵进行一维线性插值；实时推演船舶能耗模型。本发明以一套数据矩阵作为支持，实现船舶长航路的能耗快速计算，该方法中的数据矩阵可通过多种方式获得，并方便快速替换。本发明不影响原有的船舶动力学仿真模型的思路，在实际仿真验证评估系统中与动力学仿真模式并存，各自负责不同类型的仿真计算。
-
公开(公告)号：CN115035260B
公开(公告)日：2024-11-05
申请号：CN202210594240.3
申请日：2022-05-27
申请人： 哈尔滨工程大学
IPC分类号： G06T17/05 , G06T7/70 , G06T7/10 , G06V10/762 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种室内移动机器人三维语义地图构建方法，通过机器人搭载的RGB‑D深度相机运行ORB‑SLAM2算法，获得机器人关键帧信息与位姿，将关键帧的RGB图与深度图通过反投影形成空间点云；对关键帧的空间点云进行滤波处理并根据位姿进行拼接形成三维稠密点云地图；将关键帧的RGB图利用YOLO V5网络进行目标识别，获得2D语义信息，并根据反投影获得3D语义标签；通过点云分割算法对稠密点云地图进行分割；将获得的语义信息与稠密点云地图的分割结果相融合，构建得到3D语义地图。本发明通过对使用RGB‑D深度相机采集的RGB‑D信息进行处理，将语义信息与SLAM结果融合，形成信息更为丰富的三维地图。
-
公开(公告)号：CN115035260A
公开(公告)日：2022-09-09
申请号：CN202210594240.3
申请日：2022-05-27
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种室内移动机器人三维语义地图构建方法，通过机器人搭载的RGB‑D深度相机运行ORB‑SLAM2算法，获得机器人关键帧信息与位姿，将关键帧的RGB图与深度图通过反投影形成空间点云；对关键帧的空间点云进行滤波处理并根据位姿进行拼接形成三维稠密点云地图；将关键帧的RGB图利用YOLO V5网络进行目标识别，获得2D语义信息，并根据反投影获得3D语义标签；通过点云分割算法对稠密点云地图进行分割；将获得的语义信息与稠密点云地图的分割结果相融合，构建得到3D语义地图。本发明通过对使用RGB‑D深度相机采集的RGB‑D信息进行处理，将语义信息与SLAM结果融合，形成信息更为丰富的三维地图。
-
公开(公告)号：CN114048800A
公开(公告)日：2022-02-15
申请号：CN202111229203.4
申请日：2021-10-21
申请人： 哈尔滨工程大学
IPC分类号： G06K9/62 , G06V10/764 , G06V10/774
摘要： 本发明属于计算机视觉技术领域，具体涉及一种视觉信息海上目标识别多源混合数据集构建方法。本发明通过详细划分海上目标种类，为后续样本采集与标注提供标准分类条件；采用多种途径获取样本数据，利用海上目标样本采集、网络搜索、数据样本增广方式，分别构建样本数据集；设计样本分配和处理策略，并制定海上目标识别评价策略，保证样本中各类数据构成比例更为合理，保证后续神经网络训练的准确性。本发明可为基于深度学习的海上目标识别网络训练任务，提供更为合理的训练样本，使训练后的网络具有较强的鲁棒性和识别准确性。
-
公开(公告)号：CN112550592A
公开(公告)日：2021-03-26
申请号：CN202011313630.6
申请日：2020-11-20
申请人： 哈尔滨工程大学
摘要： 本发明属于船舶能耗预测技术领域，具体涉及一种基于数据驱动的船舶能耗预测方法。本发明包括获取船舶的期望航线、出发时间及海况信息；构建离线基础模型，包括船舶对水稳态航速模型、发动机功率模型和发动机油耗模型；对船舶对水稳态航速模型和发动机功率模型的离散网格矩阵进行高维线性插值；对发动机油耗模型的离散网格矩阵进行一维线性插值；实时推演船舶能耗模型。本发明以一套数据矩阵作为支持，实现船舶长航路的能耗快速计算，该方法中的数据矩阵可通过多种方式获得，并方便快速替换。本发明不影响原有的船舶动力学仿真模型的思路，在实际仿真验证评估系统中与动力学仿真模式并存，各自负责不同类型的仿真计算。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.026 秒)
