-
公开(公告)号：CN118605184B
公开(公告)日：2024-10-11
申请号：CN202411047323.6
申请日：2024-08-01
申请人： 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC分类号： G05B13/04
摘要： 本发明提供了一种船舶轨迹跟踪方法和设备，涉及轨迹跟踪技术领域，该方法可包括：根据船舶在当前时刻的第一状态量和船舶基于控制时域的控制序列，确定第一状态序列；其中，控制时域为以当前时刻为起点的第一时间段，第一状态序列为船舶基于预测时域的状态序列，预测时域为以当前时刻为起点的第二时间段；获得第二状态序列；其中，第二状态序列为船舶在参考轨迹中的预测时域的状态序列；根据第一状态序列与第二状态序列的差，并结合船舶的控制约束条件，确定船舶基于预测时域的控制序列；从船舶基于预测时域的控制序列中，获得船舶在当前时刻的控制量；根据船舶在当前时刻的控制量，控制船舶运行。本发明提高了轨迹跟踪的精度。
-
公开(公告)号：CN118605184A
公开(公告)日：2024-09-06
申请号：CN202411047323.6
申请日：2024-08-01
申请人： 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC分类号： G05B13/04
摘要： 本发明提供了一种船舶轨迹跟踪方法和设备，涉及轨迹跟踪技术领域，该方法可包括：根据船舶在当前时刻的第一状态量和船舶基于控制时域的控制序列，确定第一状态序列；其中，控制时域为以当前时刻为起点的第一时间段，第一状态序列为船舶基于预测时域的状态序列，预测时域为以当前时刻为起点的第二时间段；获得第二状态序列；其中，第二状态序列为船舶在参考轨迹中的预测时域的状态序列；根据第一状态序列与第二状态序列的差，并结合船舶的控制约束条件，确定船舶基于预测时域的控制序列；从船舶基于预测时域的控制序列中，获得船舶在当前时刻的控制量；根据船舶在当前时刻的控制量，控制船舶运行。本发明提高了轨迹跟踪的精度。
-
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：CN118746301A
公开(公告)日：2024-10-08
申请号：CN202410805936.5
申请日：2024-06-21
申请人： 哈尔滨工程大学
IPC分类号： G01C21/20
摘要： 本发明提供了一种SLAM平面特征处理方法、系统及存储介质，涉及图像处理技术领域。所述方法包括：获得目标图像，对所述目标图像进行稠密点云提取，根据提取得到的稠密点云分割出存在的观察平面；将所述观察平面与世界坐标系下已存在的地图平面进行数据关联，判断所述观察平面与所述地图平面是否为同一平面的同一观测，若是，则将所述观察平面作为观测平面；在相机坐标系下，构建所述地图平面和所述观测平面的平面特征投影模型，确定所述平面特征投影模型的最小二乘目标函数；根据平面特征雅可比矩阵获得所述最小二乘目标函数的最优值；根据所述最优值获得所述目标图像的平面提取图，用于提高SLAM的定位精度。
-
公开(公告)号：CN117669062A
公开(公告)日：2024-03-08
申请号：CN202311833085.7
申请日：2023-12-28
申请人： 哈尔滨工程大学
IPC分类号： G06F30/15 , G06F30/27 , G06N3/0442 , G06N3/08
摘要： 本发明提供了一种基于LSTM网络的船舶操纵运动预报方法及系统，属于船舶操纵运动预报技术领域。为了解决现有船舶操纵运动预报时利用传统数学建模方式，存在船型参数未知、模型未知的建模困难的问题。通过采集船舶纵荡速度u、横荡速度v、艏摇角速度r以及舵角δ数据制作数据集，利用搭建的基于LSTM单元的神经网络实现船舶运动预报，最后利用评价指标对预报数据精度检验。使用实船数据作为预报模型训练数据，解决仿真数据在实船应用说服力不强的问题；搭建人工神经网络，解决船型参数未知、模型未知的预报建模困难的问题。
-
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：CN111145116B
公开(公告)日：2022-05-20
申请号：CN201911336661.0
申请日：2019-12-23
申请人： 哈尔滨工程大学
摘要： 本发明属于神经网络深度学习技术领域，具体涉及一种基于生成对抗网络的海面雨天图像样本增广方法。本发明基于生成对抗网络，采用传统的L1损失和GAN损失相结合的方法来训练网络，在训练生成器的过程中除了传统的GAN损失外还加上了生成的假的雨天图片与真实雨天图片之间的L1损失；生成器采用残差网络，判别器采用Patch‑D，通过对图像分成N*N个小块分别进行判别来计算损失，提高图像的清晰度以及细节保持能力，生成样本时仍采用深度学习框架中的训练模式，即不对批归一化层的参数进行固定，继续启用dropout层。本发明中通过利用成对的图片来训练生成器，从而由多数类样本生成其对应的少数类样本，达到增广样本的目的。
-
公开(公告)号：CN111915677A
公开(公告)日：2020-11-10
申请号：CN202010649201.X
申请日：2020-07-08
申请人： 哈尔滨工程大学
摘要： 本发明提供一种基于三维点云特征的船舶位姿估计方法，首先通过从6个方向获取目标船的三维点云数据，采用拼接方式获得目标船的完整点云库。构建目标船的点云模板库。计算待配准目标船舶点云的ISS3D特征点及其特征直方图，得到模板点云库中的特征点与待配准点云库中的对应特征点重合的初始坐标变换矩阵，实现点云在全局范围内的快速粗配准。采用ICP点云配准算法，在上步粗配准的基础上进行点云的精准配准，获得实现点云精准配准的坐标变换矩阵。最后利用精准坐标变换矩阵与点云模板库中船舶的初始位姿信息，完成对目标船进行六自由度的位姿估计。本发明提出基于点云特征的船舶位姿估计算法实验，通过实验数据对比，验证本发明的有效性。
-
公开(公告)号：CN104614992B
公开(公告)日：2017-02-22
申请号：CN201510001274.7
申请日：2015-01-04
申请人： 哈尔滨工程大学
IPC分类号： G05B13/04
摘要： 本发明属于飞行模拟技术领域，具体涉及一种模拟飞行员定点降落实际行为系统。本发明包括：能力指标模块对飞行员的能力指标进行分类：信息感受模块通过视觉模拟获得飞行器当前位置与目标降落点的相对偏差的过程；专注模式协调策略模块对专注模式分类；动作误差叠加模块在期望动作基础上叠加动作误差输出飞行员的最终动作以及驾驶杆和油门的执行动作为X的概率密度。本发明能够实现模拟不同操纵能力飞行员操控效果的目的，而且采用脉冲波形实现以离散动作序列的形式真实模拟飞行员的动作特征。
-
公开(公告)号：CN104614992A
公开(公告)日：2015-05-13
申请号：CN201510001274.7
申请日：2015-01-04
申请人： 哈尔滨工程大学
IPC分类号： G05B13/04
摘要： 本发明属于飞行模拟技术领域，具体涉及一种模拟飞行员定点降落实际行为系统。本发明包括：能力指标模块对飞行员的能力指标进行分类：信息感受模块通过视觉模拟获得飞行器当前位置与目标降落点的相对偏差的过程；专注模式协调策略模块对专注模式分类；动作误差叠加模块在期望动作基础上叠加动作误差输出飞行员的最终动作以及驾驶杆和油门的执行动作为X的概率密度。本发明能够实现模拟不同操纵能力飞行员操控效果的目的，而且采用脉冲波形实现以离散动作序列的形式真实模拟飞行员的动作特征。
-
-
-
-
-
-
-
-
-
搜索结果
47 条记录 (耗时 0.072 秒)
