-
公开(公告)号：CN108876849B
公开(公告)日：2021-11-23
申请号：CN201810533423.8
申请日：2018-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于辅助标识的深度学习目标识别及定位方法,包括:步骤1、设计图案的优选策略，优选出可分类性强的图案；步骤2、确定大型物体的位置姿态；步骤3、利用优选图案识别小目标；步骤4、通过组合图案类别，拓展可识别类别数量。本发明考虑到深度学习方法用于目标检测时无法准确得到目标位置，将深度学习和双目视觉相结合，利用深度学习优秀的识别能力和鲁棒性，以及双目视觉定位准确的特点，最终实现优于传统方法的目标准确识别与定位。此外在环境中引入图案不同于传统人工标识方法，不会影响环境的美观性。
-
公开(公告)号：CN112550592B
公开(公告)日：2021-09-10
申请号：CN202011313630.6
申请日：2020-11-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶能耗预测技术领域，具体涉及一种基于数据驱动的船舶能耗预测方法。本发明包括获取船舶的期望航线、出发时间及海况信息；构建离线基础模型，包括船舶对水稳态航速模型、发动机功率模型和发动机油耗模型；对船舶对水稳态航速模型和发动机功率模型的离散网格矩阵进行高维线性插值；对发动机油耗模型的离散网格矩阵进行一维线性插值；实时推演船舶能耗模型。本发明以一套数据矩阵作为支持，实现船舶长航路的能耗快速计算，该方法中的数据矩阵可通过多种方式获得，并方便快速替换。本发明不影响原有的船舶动力学仿真模型的思路，在实际仿真验证评估系统中与动力学仿真模式并存，各自负责不同类型的仿真计算。
-
公开(公告)号：CN111553934A
公开(公告)日：2020-08-18
申请号：CN202010333573.1
申请日：2020-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用多维度融合的多船舶跟踪方法，包括：图像预处理；通过前端特征提取模块提取船舶特征；将当前帧船舶目标特征图分别与之前所有帧中船舶目标的特征图经特征融合模块进行融合，得到融合后特征；将融合后特征经后端特征提取层得到当前帧船舶目标与之前所有帧中船舶目标之间的关联矩阵，根据相似性得到预跟踪的结果；将预跟踪的结果利用运动匹配优化模块进行优化得到最终跟踪结果。本发明引入ASPP模块提高网络对于不同尺寸目标的建模能力，使得特征更能表达语义信息；提出了联合检测区域建模模块，进一步提升建模能力；提出运动匹配优化模块达到对预跟踪结果的优化与精修，使得跟踪器更为稳定，不过度于依赖检测器的性能。
-
公开(公告)号：CN111160354A
公开(公告)日：2020-05-15
申请号：CN201911388248.9
申请日：2019-12-30
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于联合图像信息的海天背景下船舶图像分割方法，本发明针对于待分割的船舶图像，首先利用训练好的干扰因素判别器判别船舶图像对应的环境类型；然后利用所述环境类型对应的船舶提取器进行船舶的分割提取；采用基于神经网络的分类网络构建干扰因素判别器；利用训练集进行训练，得到训练好的干扰因素判别器；采用基于神经网络的分割网络构建不同环境下的船舶提取器；利用训练集中每种环境下的船舶图像分别进行训练，得到不同环境下船舶图像分别对应的训练好的船舶提取器。主要用于图像中船舶的分割提取。解决利用现有的分割算法进行海天背景下船舶图像分割存在分割精度降低的问题。
-
公开(公告)号：CN110674829A
公开(公告)日：2020-01-10
申请号：CN201910918980.6
申请日：2019-09-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于图卷积注意网络的三维目标检测方法。(1)对点云进行体素化划分与随机降采样；(2)在每个栅格体素中进行局部特征提取；(3)中间层卷积提取高阶特征图；(4)区域建议网络预测目标的标框、类别以及方向。本发明为了增强每个点与临近点之间的连接关系，提出了一种以边缘卷积形式为基础的引入注意机制的特征提取模块，同时在中间卷积层之后也引入原理相同的注意机制模块，对特征图各个通道进行特征的重新选择从而得到更合理的高阶特征图。本发明提升了点云的目标检测准确率，特别是在遮挡严重的情况下，仍能有良好性能。
-
Patent Agency Ranking
公开(公告)号：CN106339355B
公开(公告)日：2019-01-11
申请号：CN201610794663.4
申请日：2016-08-31
Applicant: 哈尔滨工程大学
Abstract: 本发明属于航迹预测技术领域，具体涉及一种舰载机着舰短期航迹在线预测方法。本发明包括：将航母速度、自然环境和飞行员技能等缓变影响因素定义为先验静态影响因素，将甲板运动、尾流场等难于建模的快变影响因素定义为后验动态影响因素；在数据库航迹中提取与待预测航迹具有相似先验影响因素的航迹组成预备参考航迹数据集；在预备参考航迹数据集中提取与待预测航迹的前向航迹具有相似运动规律的航迹，组成参考航迹数据集；利用参考航迹数据集在线构建RBF变结构神经网络预测模型；利用RBF变结构神经网络预测模型预测舰载机未来2秒的着舰航迹。本发明具有预测精度高、预测时间复杂度低等优点，可用应于辅助提高舰载机着舰安全性。
-
公开(公告)号：CN108876849A
公开(公告)日：2018-11-23
申请号：CN201810533423.8
申请日：2018-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于辅助标识的深度学习目标识别及定位方法,包括:步骤1、设计图案的优选策略，优选出可分类性强的图案；步骤2、确定大型物体的位置姿态；步骤3、利用优选图案识别小目标；步骤4、通过组合图案类别，拓展可识别类别数量。本发明考虑到深度学习方法用于目标检测时无法准确得到目标位置，将深度学习和双目视觉相结合，利用深度学习优秀的识别能力和鲁棒性，以及双目视觉定位准确的特点，最终实现优于传统方法的目标准确识别与定位。此外在环境中引入图案不同于传统人工标识方法，不会影响环境的美观性。
-
公开(公告)号：CN104048662B
公开(公告)日：2016-08-17
申请号：CN201410314401.4
申请日：2014-07-03
Applicant: 哈尔滨工程大学
IPC: G01C21/00
Abstract: 本发明公开了一种基于精简路标的机器人视觉归航方法，反射镜和位于其下方的成像设备用于生成全景图像，成像设备的光轴指向反射镜，反射镜长短轴分别为a、b，水平入射光线与反射镜的交点距反射镜的焦点距离为r，成像设备的焦距为f，horizon圆位于全景图像上，并且以全景图像的中心为圆心；对horizon圆进行扩展，形成最终horizon环域；在最终horizon环域内提取SIFT特征作为路标点，利用路标点计算出机器人归航向量。本发明的优点在于减少了路标点数量、提高了路标点对应性，提高了算法的归航成功率及归航精度。
-
公开(公告)号：CN104048662A
公开(公告)日：2014-09-17
申请号：CN201410314401.4
申请日：2014-07-03
Applicant: 哈尔滨工程大学
IPC: G01C21/00
CPC classification number: G01C21/20
Abstract: 本发明公开了一种基于精简路标的机器人视觉归航方法，反射镜和位于其下方的成像设备用于生成全景图像，成像设备的光轴指向反射镜，反射镜长短轴分别为a、b，水平入射光线与反射镜的交点距反射镜的焦点距离为r，成像设备的焦距为f，horizon圆位于全景图像上，并且以全景图像的中心为圆心；对horizon圆进行扩展，形成最终horizon环域；在最终horizon环域内提取SIFT特征作为路标点，利用路标点计算出机器人归航向量。本发明的优点在于减少了路标点数量、提高了路标点对应性，提高了算法的归航成功率及归航精度。
-
公开(公告)号：CN103516987A
公开(公告)日：2014-01-15
申请号：CN201310467044.0
申请日：2013-10-09
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种高速图像采集及实时存储系统，包括：图像采集模块和图像存储模块；图像存储模块通过Cameralink线连接与图像采集模块连接。本发明通过Cameralink接口视频采集卡及磁盘阵列技术，使数据传输速率大于650MB/S，依托图像采集模块和图像存储模块；高速可编程双路Cameralink图像采集卡实现连续高速图像数据的采集，高速视频数据以流文件形式存储，以便保存每张图片采集数据，用于数据分析，提高了高速、大容量视频数据的传输速率，较好的解决了现有的高速、大容量视频数据的图像采集存储受制于远程数据传输设备数据传输带宽影响，大量的图像数据不能满足实时传输的要求的问题，实现了500帧/秒速率、图像分辨率为1280×1024像素，数据位深为8Bits的高速图像采集及实时存储。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.051 seconds)
