-
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：CN112327885B
公开(公告)日：2024-04-09
申请号：CN202011386618.8
申请日：2020-12-01
Applicant: 大连海事大学
IPC: G05D1/43 , G01C21/20 , G05D109/30
Abstract: 本发明提供一种无人船自适应全局‑局部混合路径规划的方法，包括：创建全局地图，建立无人船工作空间的环境模型；基于改进的Theta*算法，对无人船进行全局路径规划；基于改进的动态窗口法，对无人船进行局部路径的规划。本发明在Theta*算法中融入了自适应步长算法、二次LOS策略、不仅减小了算法计算量，而且还保证全局航路点最优，通过B‑Spline平滑策略，最终得到了便于无人船航行的曲率变化连续的全局路径，提升了安全性，减短了时间消耗。本发明改进的Theta*算法不仅在全局路径规划时找到了满足了无人船操纵特性的全局最优路径，还极大的缩短了运算时间；同时在传统动态窗口算法的基础上，在评价函数中引入了动态障碍物和全局航路点，增强了无人船避障时的安全性。
-
公开(公告)号：CN112684796A
公开(公告)日：2021-04-20
申请号：CN202011476879.9
申请日：2020-12-14
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种针对复杂海域USV航行的路径规划方法，包括：基于复杂地貌的海域，建立无人船工作空间的环境模型，得到二值地图；基于障碍物膨化算法，对所述二值地图中的障碍物边缘进行膨化处理；基于改进的遗传算法，为无人船规划平滑的路径。本发明在传统遗传算法的基础上，选取具有最优适应度函数的航路点嵌入到B‑Spline拟合算法中，使得最终产生的路径是平滑的，并采用了删除算子、卓越保留、泛化增量等策略，通过自适应策略对交叉和进化概率进行调节，更好地使路径平滑，加快收敛速度，避免陷入局部僵局，提高了路径规划的效率。同时，还提出了一种障碍膨化物处理策略，降低了碰撞风险。
-
公开(公告)号：CN111610788A
公开(公告)日：2020-09-01
申请号：CN202010538510.X
申请日：2020-06-13
Applicant: 大连海事大学
Abstract: 本发明提供一种分级模糊-人工势场路径规划的方法，包括：S1、环境建模；S2、执行改进的精英遗传算法，规划无人船全局路径；S3、执行具有模糊决策的模糊-人工势场算法，规划无人船局部路径；S4、在所述无人船全局路径上插入虚拟返回点，将所述无人船全局路径和无人船局部路径进行融合。本发明结合精英保留、多样性增量、自适应变异概率和自适应遗传算法，生成最优稀疏路径点并平滑路径。为了完全适应不可预测的环境，开发了具有模糊决策的模糊-人工势场算法，避免无人船陷入奇异点。在全局路径上插入虚拟返回点，使全局路径和局部路径的完美融合。本发明方法有较高的安全性和灵活性，使无人船能够安全且快速地完成最优路径规划。
-
公开(公告)号：CN111610788B
公开(公告)日：2023-04-18
申请号：CN202010538510.X
申请日：2020-06-13
Applicant: 大连海事大学
Abstract: 本发明提供一种分级模糊‑人工势场路径规划的方法，包括：S1、环境建模；S2、执行改进的精英遗传算法，规划无人船全局路径；S3、执行具有模糊决策的模糊‑人工势场算法，规划无人船局部路径；S4、在所述无人船全局路径上插入虚拟返回点，将所述无人船全局路径和无人船局部路径进行融合。本发明结合精英保留、多样性增量、自适应变异概率和自适应遗传算法，生成最优稀疏路径点并平滑路径。为了完全适应不可预测的环境，开发了具有模糊决策的模糊‑人工势场算法，避免无人船陷入奇异点。在全局路径上插入虚拟返回点，使全局路径和局部路径的完美融合。本发明方法有较高的安全性和灵活性，使无人船能够安全且快速地完成最优路径规划。
-
Patent Agency Ranking
公开(公告)号：CN112785622A
公开(公告)日：2021-05-11
申请号：CN202011643347.X
申请日：2020-12-30
Applicant: 大连海事大学
Abstract: 本发明提供一种水面无人船长时跟踪方法、装置及存储介质。本发明方法，包括：S1、读取第一帧图片训练SVM检测器、位置滤波器和尺度滤波器；S2、读取下一帧图片并进行遮挡判断；S3、基于该图片提取HOG特征和CN特征学习相关滤波器，并根据相关滤波器确定对应的位置和权重，进行目标定位；S4、通过SVM检测器在候选区域通过模板匹配进行目标定位；S5、进行采集尺度更新，进而更新位置滤波器、尺度滤波器和SVM检测器参数。本发明在KCF相关滤波算法基础上引入SVM重检测机制。首先重新训练一个检测滤波器用来计算跟踪结果置信度，以确定是否跟踪失败，然后训练一个在线SVM分类器用于重检测，当出现跟踪漂移或跟踪失败的情况时，利用SVM重新修正跟踪目标。
-
公开(公告)号：CN111399506A
公开(公告)日：2020-07-10
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：CN112785622B
公开(公告)日：2024-04-05
申请号：CN202011643347.X
申请日：2020-12-30
Applicant: 大连海事大学
IPC: G06T7/246 , G06T7/73 , G06V10/50 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明提供一种水面无人船长时跟踪方法、装置及存储介质。本发明方法，包括：S1、读取第一帧图片训练SVM检测器、位置滤波器和尺度滤波器；S2、读取下一帧图片并进行遮挡判断；S3、基于该图片提取HOG特征和CN特征学习相关滤波器，并根据相关滤波器确定对应的位置和权重，进行目标定位；S4、通过SVM检测器在候选区域通过模板匹配进行目标定位；S5、进行采集尺度更新，进而更新位置滤波器、尺度滤波器和SVM检测器参数。本发明在KCF相关滤波算法基础上引入SVM重检测机制。首先重新训练一个检测滤波器用来计算跟踪结果置信度，以确定是否跟踪失败，然后训练一个在线SVM分类器用于重检测，当出现跟踪漂移或跟踪失败的情况时，利用SVM重新修正跟踪目标。
-
公开(公告)号：CN112327885A
公开(公告)日：2021-02-05
申请号：CN202011386618.8
申请日：2020-12-01
Applicant: 大连海事大学
Abstract: 本发明提供一种无人船自适应全局‑局部混合路径规划的方法，包括：创建全局地图，建立无人船工作空间的环境模型；基于改进的Theta*算法，对无人船进行全局路径规划；基于改进的动态窗口法，对无人船进行局部路径的规划。本发明在Theta*算法中融入了自适应步长算法、二次LOS策略、不仅减小了算法计算量，而且还保证全局航路点最优，通过B‑Spline平滑策略，最终得到了便于无人船航行的曲率变化连续的全局路径，提升了安全性，减短了时间消耗。本发明改进的Theta*算法不仅在全局路径规划时找到了满足了无人船操纵特性的全局最优路径，还极大的缩短了运算时间；同时在传统动态窗口算法的基础上，在评价函数中引入了动态障碍物和全局航路点，增强了无人船避障时的安全性。
-
公开(公告)号：CN112767437A
公开(公告)日：2021-05-07
申请号：CN202011615145.4
申请日：2020-12-30
Applicant: 大连海事大学
Abstract: 本发明提供一种基于KCF自适应多特征融合滤波水面无人船跟踪方法、装置及存储介质。方法包括：获取当前图像并通过位置相关滤波器采集第一候选样本；将所述第一候选样本送入第一位置寻优通道和第二位置寻优通道；将所述第一目标位置和第二目标位置自适应加权融合得到最终位置，通过尺度相关滤波器在最终位置处采集第二候选样本；将所述第二选样本送入尺度位置寻优通道，所述尺度位置寻优通道用于提取样本的HOG特征并基于该特征获取目标尺度；在最终位置处以目标尺度提取下一帧样本。本发明采用多特征融合滤波水面无人船跟踪，在KCF跟踪算法中加入尺度滤波器来解决尺度变化问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
