-
公开(公告)号:CN116647850A
公开(公告)日:2023-08-25
申请号:CN202310697617.2
申请日:2023-06-13
申请人: 青岛哈尔滨工程大学创新发展中心
IPC分类号: H04W16/18 , H04W16/22 , H04L41/142 , H04W84/18
摘要: 一种基于AUV的有向传感器网络覆盖增强方法,本发明涉及基于AUV的有向传感器网络覆盖增强方法。本发明在已有基于虚拟力算法的覆盖增强方法中引入保持安全距离的排斥力,在规划AUV移动路径时考虑路径转角不能为钝角的角度约束,在对AUV的传感器感知角度进行调整时引入未监测区域虚拟力矩,上述改进解决了现有方法没有考虑AUV航行时的机动特性以及避碰问题,在保证AUV的安全性和路径规划点选择的合理性的前提下提高了网络覆盖效果,同时加快收敛速度减小了AUV移动能量消耗,进而完善了二维水下有向传感器网络区域覆盖的AUV部署方案。本发明属于AUV辅助的水下传感器网络区域覆盖领域。
-
公开(公告)号:CN116608864B
公开(公告)日:2023-10-27
申请号:CN202310882564.1
申请日:2023-07-19
申请人: 青岛哈尔滨工程大学创新发展中心
摘要: 一种通信时延影响下基于因子图的AUV协同定位方法,本发明涉及AUV协同定位方法。本发明为解决现有系统中往往没有考虑通信时间延迟的影响,致使定位误差大;以及水声通信中码间串扰易产生测距野值,造成厚尾非高斯的量测噪声,致使鲁棒性差的问题。过程为:1:建立领航者‑跟随者AUV编队的协同定位因子图模型;2:考虑通信时延的影响,基于跟随者AUV的航速和量测信息对量测信息进行时延补偿;3:利用最大相关熵作为因子图各函数节点的代价函数,推导出各节点最优估计,利用量测信息和AUV历史位置信息对AUV当前位置信息进行误差补偿,从而对跟随者AUV的位置信息进行估计更新。本发明用于AUV协同定位技术领域。
-
公开(公告)号:CN116152116A
公开(公告)日:2023-05-23
申请号:CN202310351943.8
申请日:2023-04-04
申请人: 青岛哈尔滨工程大学创新发展中心
IPC分类号: G06T5/00 , G06N3/0464 , G06N3/08 , G06T5/40
摘要: 一种基于视觉自注意力模型的水下图像增强方法,本发明涉及基于视觉自注意力模型的水下图像增强方法。本发明的目的是为了解决水下图像有着颜色扭曲、对比度低、细节模糊的成像特点,这些质量较低的水下图像严重影响了光学摄像机在水下环境中的使用,限制了水下无人航行器的感知能力的问题。过程为:步骤一、采用图像增强算法对水下图像进行处理,得到增强后的水下图像,作为训练集;步骤二、构建水下图像增强视觉自注意力模型;步骤三、对水下图像增强视觉自注意力模型进行训练,获得训练好的视觉自注意力模型;步骤四、将待测水下图像输入训练好的视觉自注意力模型,完成待测水下图像识别。本发明属于水下图像增强技术领域。
-
公开(公告)号:CN116608864A
公开(公告)日:2023-08-18
申请号:CN202310882564.1
申请日:2023-07-19
申请人: 青岛哈尔滨工程大学创新发展中心
摘要: 一种通信时延影响下基于因子图的AUV协同定位方法,本发明涉及AUV协同定位方法。本发明为解决现有系统中往往没有考虑通信时间延迟的影响,致使定位误差大;以及水声通信中码间串扰易产生测距野值,造成厚尾非高斯的量测噪声,致使鲁棒性差的问题。过程为:1:建立领航者‑跟随者AUV编队的协同定位因子图模型;2:考虑通信时延的影响,基于跟随者AUV的航速和量测信息对量测信息进行时延补偿;3:利用最大相关熵作为因子图各函数节点的代价函数,推导出各节点最优估计,利用量测信息和AUV历史位置信息对AUV当前位置信息进行误差补偿,从而对跟随者AUV的位置信息进行估计更新。本发明用于AUV协同定位技术领域。
-
公开(公告)号:CN116152116B
公开(公告)日:2023-07-21
申请号:CN202310351943.8
申请日:2023-04-04
申请人: 青岛哈尔滨工程大学创新发展中心
IPC分类号: G06T5/00 , G06N3/0464 , G06N3/08 , G06T5/40
摘要: 一种基于视觉自注意力模型的水下图像增强方法,本发明涉及基于视觉自注意力模型的水下图像增强方法。本发明的目的是为了解决水下图像有着颜色扭曲、对比度低、细节模糊的成像特点,这些质量较低的水下图像严重影响了光学摄像机在水下环境中的使用,限制了水下无人航行器的感知能力的问题。过程为:步骤一、采用图像增强算法对水下图像进行处理,得到增强后的水下图像,作为训练集;步骤二、构建水下图像增强视觉自注意力模型;步骤三、对水下图像增强视觉自注意力模型进行训练,获得训练好的视觉自注意力模型;步骤四、将待测水下图像输入训练好的视觉自注意力模型,完成待测水下图像识别。本发明属于水下图像增强技术领域。
-
-
-
-