-
公开(公告)号：CN118351145A
公开(公告)日：2024-07-16
申请号：CN202410523480.3
申请日：2024-04-28
申请人： 哈尔滨理工大学
摘要： 本发明提出了一种拥挤环境下基于机器视觉的自适应多目标跟踪方法，旨在解决拥挤场景中的目标跟踪问题。通过结合级联RANSAC和USAC方法来消除相机运动造成的误差，并通过卡尔曼滤波器进行补偿，以提高跟踪的稳定性。该跟踪器利用卡尔曼滤波器估计的轨迹与实际检测结果，计算IoU距离、马氏距离与外观特征的余弦距离，融合这些信息以形成成本矩阵，并通过全局线性匹配实现有效的数据关联。最后根据检测置信度调整噪声协方差矩阵，优化卡尔曼滤波的更新过程，以准确预测未来帧。在MOT17和MOT20数据集上的测试结果显示出本发明在复杂和拥挤环境下的高跟踪精度和鲁棒性。
-
公开(公告)号：CN118535879A
公开(公告)日：2024-08-23
申请号：CN202410710472.X
申请日：2024-06-03
申请人： 哈尔滨理工大学
摘要： 本发明旨在解决无人潜航器集群系统中各种指标之间是否存在互相关联的问题，公开了一种具有因果约束的无人潜航器集群评估指标体系构建方法，具体包括：首先获取评估指标和评估数据，对输入指标进行等深度划分，对输出指标进行正态分布划分，计算每组输出指标的标准差和均值，将输出数据划分为7类，其次使用具有因果约束的自适应Apriori算法进行挖掘关联规则，对挖掘的关联规则依据全置信度和余弦度量剔除零事物，避免挖掘规则受零事物的影响，然后计算关联规则提升度并根据提升度对关联规则进行分组，计算频繁二项集，补充关联规则，最后分析各指标之间的关联关系；本发明显著的提高了算法的运行效率，同时保留了指标间重要联系。
-
公开(公告)号：CN118427569A
公开(公告)日：2024-08-02
申请号：CN202410500957.6
申请日：2024-04-24
申请人： 哈尔滨理工大学
IPC分类号： G06F18/21 , G06F18/214 , G06F18/243 , G06N5/01 , G06N20/20
摘要： 本发明提出一种基于机器学习的无人水下航行器集群置信评估方法。首先，选取已评估数据集，利用Tomek Link去除噪声；其次，基于均衡采样构造初始随机森林，依据margin变异系数实现初始随机森林的集成剪枝；然后，重复初始随机森林构造与集成剪枝，选取评估器数量与测试准确率加权值最大的为最优集成学习器；最后，基于自适应置信阈值进行训练，计算一定数量的未评估数据置信度，将大于置信阈值的数据放入新增评估数据集，利用去除噪声后的已评估数据集和新增评估数据集对基评估器训练，更新自适应置信阈值，当所有基评估器不再发生变化时，得到最终的集成评估器。本发明提出的评估方法能够充分利用未评估数据，且实现了评估结果置信度的显式表征。
-
公开(公告)号：CN118279210A
公开(公告)日：2024-07-02
申请号：CN202410380926.1
申请日：2024-03-31
申请人： 哈尔滨理工大学
摘要： 本发明涉及一种盾构机内不均匀光照下的刀盘图像检测校正方法。所述方法包括：首先，输入低照度下的光照不均匀图像，将图像从RGB转换到HSV空间，使用小尺度的高斯卷积核对提取的光照分量进行连续卷积操作，得到场景的光照分量分布情况；其次，结合局部对比度和梯度大小确定每个像素位置的伽马值，根据图像的局部特征动态调整伽马值，将校正后的图像从HSV转换到RGB空间；最后，对图像进行加权自适应直方图均衡化算法，进行引导滤波得到增强并输出图像。本方法在盾构机内部昏暗空间下的光照不均匀区域刀盘图像矫正效果显著，提高了局部对比度，兼顾刀盘图像的全局特性和局部细节信息，抑制噪声影响，使得刀盘图像增强结果更加清晰和准确。
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)