-
公开(公告)号：CN117173546A
公开(公告)日：2023-12-05
申请号：CN202310898917.7
申请日：2023-07-20
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/82 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/40 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明一种基于分组跨通道注意力可变形卷积网络的检测方法，包括以下步骤：获取待识别底栖生物图片构成的数据集，将所述数据集按照比例划分成训练集和测试集；构建用于识别图片上底栖生物的分组跨通道注意力可变形卷积神经网络模型；基于训练集对分组跨通道注意力可变形卷积神经网络模型进行训练，得到训练好的分组跨通道注意力可变形卷积神经网络模型；将测试集数据输入到训练好的分组跨通道注意力可变形卷积神经网络模型中，实现对图片上底栖生物种类的识别。通过有机地集成BDC和SGCA模块，建立了SGCA‑BDC框架，从空间和通道层面来增强底栖生物特征，最终有助于提高底栖生物检测的准确性和鲁棒性。
-
公开(公告)号：CN111399506B
公开(公告)日：2023-04-25
申请号：CN202010177283.2
申请日：2020-03-13
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于动力学约束的全局‑局部混合无人船路径规划方法。包括：S1、构建无人船运动学模型，并进行动力学分析；S2、考虑无人船安全范围，采用存储节点的方式，实现无人船全局路径的规划；以优化生成的路径点，约束无人船安全行驶。S3、针对动态的不可预见的环境，构建基于FDM模糊决策模块和FDW精准动态窗口模块的分层结构，实现无人船局部路径的规划；精确地将可驱动的前向、航向角速度和加速度考虑到局部路径的规划中，产生可跟踪且能够实现实时局部避碰的路径。S4、融合上述无人船全局路径规划和无人船局部路径规划方案，形成全局局部混合避障策略。通过在全局最优路径上插入虚拟路径点，使全局和局部路径规划完好结合，完成整个路径跟踪任务。
-
公开(公告)号：CN115367061A
公开(公告)日：2022-11-22
申请号：CN202211086368.5
申请日：2022-09-06
Applicant: 大连海事大学
IPC: B63B35/00 , B63B1/10 , B63H9/04 , B60L53/51 , B60L53/52 , B60L53/50 , H02J7/14 , H02J7/35 , H02S10/10 , H02S10/12 , H02S10/20
Abstract: 本发明一种海上自供能充电无人艇，属于，包括无人艇本体；推动无人艇本体行进的水下推进器；设置在所述无人艇本体上，提供航行动力的风帆动力系统；利用采集的风能、太阳能、波浪能转换为直流电能进行输出的风光浪多能互补发电系统；对所述风光浪多能互补发电系统输出的电能进行存储的储能装置；识别出待充电的设备，将所述储能装置输出的电能为待充电设备进行充电的充电装置；所述储能装置还与所述风帆动力系统和所述水下推进器相连接，本申请作为自然能发电、可移动的海上自供能充电无人艇，采用风、光、浪三种自然能协同发电的形式，可以在复杂的海洋环境状况实现全天候发电，具有良好的环境适应性以及可靠性。
-
公开(公告)号：CN111860640A
公开(公告)日：2020-10-30
申请号：CN202010694006.9
申请日：2020-07-17
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于GAN的特定海域数据集增广方法，属于计算机视觉领域，包括以下步骤：采集特定海域的水下图像，构成真实水下图像数据集；构建生成对抗网络；生成器对真实的水下图像的退化特性和以及渐晕效果进行学习，得到学习后生成器，并在生成器中得到真实水下图像数据集的衰减、散射、渐晕模型参数，公开数据集在学习后生成器上进行图像合成，得到真实水下图像的合成图像数据集，将真实水下图像的合成图像数据集和真实水下图像数据集一起输入到判别器中进行判别，实现真实水下图像的增广，该方法在数据集上训练识别网络避免过拟合现象，解决海洋公开数据集样本数较小、真实样本获取困难的问题。
-
公开(公告)号：CN119723314A
公开(公告)日：2025-03-28
申请号：CN202411791343.4
申请日：2024-12-06
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/25 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明一种基于光场和颜色分布一致的域自适应海洋底栖生物检测方法，包括以下步骤：获取带有海胆、扇贝、海星、海参其中任意一种或多种成对的退化‑参考海洋底栖生物图像，构建数据集；对数据集进行划分，得到训练集和测试集；构建基于光场和颜色分布一致的域自适应检测模型；基于训练集数据对基于光场和颜色分布一致的域自适应检测模型进行训练，得到训练好的基于光场和颜色分布一致的域自适应检测模型；将测试集数据，输入到训练好的基于光场和颜色分布一致的域自适应检测模型中，实现基于光场和颜色分布一致的海胆、扇贝、海星、海参其中任意一种或多种海洋底栖生物检测。
-
Patent Agency Ranking
公开(公告)号：CN112308002B
公开(公告)日：2023-07-11
申请号：CN202011232605.5
申请日：2020-11-06
Applicant: 大连海事大学
IPC: G06V40/10 , G06V20/05 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/766
Abstract: 本发明公开了一种基于单阶段深度学习网络的海底生物识别和检测方法，包含以下的步骤：基于卷积神经网络的海底生物特征提取；采用GIoU策略计算真值框和预测框的回归误差；基于K‑means算法的维度聚类。本发明利用基于卷积神经网络方法实现海底生物有效特征的提取，有效抑制背景噪声对于海底生物的干扰，同时突显海底生物的特征，有利于提高海底生物检测和识别的精度。本发明借助GIoU的方法，预测框和真值框之间的回归误差可以被精确的计算，从而整个检测系统的卷积权重可以被充分优化。本发明借助于K‑means聚类算法，获取海底生物外形尺寸的先验信息能够更加贴合海底生物的实际特性，有效降低海底生物的误检率。
-
公开(公告)号：CN112001954A
公开(公告)日：2020-11-27
申请号：CN202010845895.4
申请日：2020-08-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于极曲线约束的水下PCA-SIFT图像匹配方法，属于计算机视觉领域，该方法包括以下步骤：利用高斯函数分别对双目相机在水下采集的图像Ⅰ和图像Ⅱ进行模糊处理及降采样处理，分别由图像Ⅰ的极值点组和图像Ⅱ的极值点组得到图像Ⅰ的关键点组Ⅰ和图像Ⅱ的关键点组Ⅰ；分别为图像Ⅰ的关键点组Ⅱ和图像Ⅱ的关键点组Ⅱ里的每一个关键点分配一个基准方向和建立一个描述符采用PCA-SIFT算法构建描述子对剔除边缘位置的图像Ⅰ和图像Ⅱ进行匹配，同时结合改进的极曲线约束方法得到极曲线对匹配过程中进行约束，剔除误匹配点，完成图像Ⅰ和图像Ⅱ的匹配，该方法利用算法本身的快速性以及水下成像的极曲线约束条件，提高水下双目立体匹配的精度与效率。
-
公开(公告)号：CN117788330A
公开(公告)日：2024-03-29
申请号：CN202311838687.1
申请日：2023-12-28
Applicant: 大连海事大学
Abstract: 本发明一种基于通道‑空间注意力的水下图像渐进式生成对抗增强模块，包括以下步骤：获取待处理的水下图像；基于水下退化图像背景光估计模块获取待处理的水下图像的背景光参数；背景光参数输入到水下成像模型中，得到预增强的水下图像；预增强的水下图像输入到水下退化图像增强网络中，得到增强的水下图像；将增强的水下图像和真值水下图像输入到判别器中，得到增强的水下图像和真值水下图像的差值；增强的水下图像和真值水下图像的差值，通过总损失函数，再输入到水下退化图像增强网络中，实现取待处理的水下图像的增强，通过在编解码器的跳跃连接操作中引入水下双注意力模块，实现自适应地选择和强调图像中的关键信息，避免放大水下图像的噪声。
-
公开(公告)号：CN112936277B
公开(公告)日：2024-02-20
申请号：CN202110166714.X
申请日：2021-02-04
Applicant: 大连海事大学
Abstract: 本发明公开了一种水下机器人‑机械手系统固定时间轨迹跟踪方法，属于机器人控制领域，该方法包括以下步骤：设计固定时间扰动观测器，采用固定时间扰动观测器在固定时间内实现对水下机器人‑机械手系统的未建模动态与外界扰动的进行观测，得到未建模动态与外界扰动对水下机器人‑机械手系统的影响力矩；设计固定时间积分滑模控制器，固定时间积分滑模控制器根据影响力矩产生一个补偿力矩，抵消未建模动态与外部扰动对水下机器人‑机械手系统的影响，最终固定时间积分滑模控制器实现水下机器人‑机械手系统的运行轨迹的精确跟踪；该方法所设计的固定时间积分滑模控制器，可在固定时间内跟踪期望轨迹，实现了系统的固定时间稳定。
-
公开(公告)号：CN112346479B
公开(公告)日：2023-08-22
申请号：CN202011296332.0
申请日：2020-11-18
Applicant: 大连海事大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于集中式卡尔曼滤波的无人航行器状态估计方法，包括以下步骤：建立无人航行器关于位置和速度的状态方程和量测方程；预测无人航行器的下一时刻速度和位置，得到无人航行器的下一时刻速度预测值和位置预测值，建立下一时刻速度和位置真值的分布函数，通过引入置信概率，得到无人航行器当前时刻可靠的速度和位置量测值；基于新型集中式卡尔曼滤波器的结构，确定无人航行器更新过程的协方差和卡尔曼滤波器的增益，再通过结合当前时刻速度和位置量测值得到无人航行器的位置信息和速度信息最优估计值，将此方法具有置信检验环节的集中式卡尔曼滤波，对速度和位置信息的最终估计值更加准确。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.031 seconds)
