-
公开(公告)号：CN103309244A
公开(公告)日：2013-09-18
申请号：CN201310205208.2
申请日：2013-05-29
Applicant: 哈尔滨工程大学
IPC: G05B17/02
Abstract: 本发明涉及船舶自动控制和系统仿真技术领域，具体涉及是一种欠驱动无人艇半物理仿真系统及其仿真方法。欠驱动无人艇半物理仿真系统，包括视景显示计算机、主控计算机、相机、图像采集卡、小型水池、小尺寸欠驱动无人艇实物模型以及操控台，相机通过安装在主控计算机主板上的图像采集卡与主控计算机连接，主控计算机采集相机拍摄的小尺寸欠驱动无人艇实物模型的图像。本发明建立了一种欠驱动无人艇半物理仿真系统及其仿真方法，具备同研究领域内纯数字仿真系统所不具备的更接近真实系统的优点；本发明可以很方便的扩展和升级其功能，系统具有更好的可扩展性和移植性；本发明的系统构建采用的是通用的计算机和相机等器材，总体构建成本低。
-
公开(公告)号：CN119760869A
公开(公告)日：2025-04-04
申请号：CN202411810300.6
申请日：2024-12-10
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/092
Abstract: 本发明公开了一种船舶横摇状态预测方法，属于船舶信息处理领域；通过构建数据驱动模型，可以实现对船舶横摇状态的短期预测。本发明通过编码器‑解码器结构，将输入信息编码成为一个上下文向量传输到解码器中，使输入输出数据长度可以不同，因此可以使用更长的输入数据来预测输出数据，模型可以学到更多知识，提升预测准确率。本发明可以应用在船舶减摇场景中，提前预知船舶横摇状态，为减摇系统提供横摇预估值，从而支撑减摇算法的设计。
-
公开(公告)号：CN114219989B
公开(公告)日：2024-09-27
申请号：CN202111411500.0
申请日：2021-11-25
Applicant: 哈尔滨工程大学
IPC: G06V10/26 , G06V20/54 , G06V10/46 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/0985 , G06N3/048
Abstract: 本发明提供了一种基于干扰抑制和动态轮廓的雾天场景船舶实例分割方法，包括以下步骤：步骤1：建立雾天场景下船舶实例分割网络；步骤2：训练雾天船舶实例分割网络；步骤3：测试雾天船舶实例分割效果。本发明解决了现有技术无法准确分割雾天场景船舶的问题，全面提升了雾天场景下船舶实例分割的准确度，减少了船舶漏检。
-
公开(公告)号：CN117689890B
公开(公告)日：2024-07-02
申请号：CN202410031066.0
申请日：2024-01-09
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及计算机视觉技术领域，具体而言，涉及一种基于晴雾场景的语义分割方法、装置及存储介质。一种基于晴雾场景的语义分割方法，包括：获取不同场景的船舶图像；通过对船舶图像进行特征提取，得到船舶图像的船舶特征图；根据船舶特征图，通过预设卷积核进行卷积处理和融合，得到融合船舶特征图；根据融合船舶特征图将船舶图像分为晴天船舶图像和雾天船舶图像；将晴天船舶图像输入训练好的晴天的语义分割模型，得到每个晴天船舶图像对应的晴天场景分割掩码；将雾天船舶图像输入训练好的雾天的语义分割模型，得到每个雾天船舶图像对应的雾天场景分割掩码。本发明的技术方案可以有效地提高晴天场景和雾天场景船舶图像语义分割的精度。
-
公开(公告)号：CN117689890A
公开(公告)日：2024-03-12
申请号：CN202410031066.0
申请日：2024-01-09
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及计算机视觉技术领域，具体而言，涉及一种基于晴雾场景的语义分割方法、装置及存储介质。一种基于晴雾场景的语义分割方法，包括：获取不同场景的船舶图像；通过对船舶图像进行特征提取，得到船舶图像的船舶特征图；根据船舶特征图，通过预设卷积核进行卷积处理和融合，得到融合船舶特征图；根据融合船舶特征图将船舶图像分为晴天船舶图像和雾天船舶图像；将晴天船舶图像输入训练好的晴天的语义分割模型，得到每个晴天船舶图像对应的晴天场景分割掩码；将雾天船舶图像输入训练好的雾天的语义分割模型，得到每个雾天船舶图像对应的雾天场景分割掩码。本发明的技术方案可以有效地提高晴天场景和雾天场景船舶图像语义分割的精度。
-
Patent Agency Ranking
公开(公告)号：CN110969624B
公开(公告)日：2023-08-01
申请号：CN201911082345.5
申请日：2019-11-07
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种激光雷达三维点云分割方法，首先提取激光雷达采集的原始三维点云数据，然后对原始点云预处理，包括对原始点云数据的去噪、简化以及坐标变换，构建三维笛卡尔坐标系下的基础点云数据，并将三维数据用二维数组形式存储，再采用变邻域分散搜索策略，动态调整区域生长法围绕种子的邻域范围和搜寻匹配范围的分辨率，开展点云初步分割工作，在此基础上设计点云分割包络扩散策略，对点云分割集合的周围进一步搜索，实现多集合的融合，进而得到点云分割的集合，最后设计一种点云分割结果的可视化功能，用于查看点云分割效果。本发明有效提高了分割速率，有效抑制过分割情况，保持各目标的整体性，且便于观察分割目标扫描结果。
-
公开(公告)号：CN116229465A
公开(公告)日：2023-06-06
申请号：CN202310168650.6
申请日：2023-02-27
Applicant: 哈尔滨工程大学
IPC: G06V20/70 , G06V20/54 , G06V10/26 , G06V10/46 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/047 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种船舶弱监督语义分割方法，将待分割图像和经仿射变换后的待分割图像分别输入至预先训练的伪像素标签生成网络，分别生成伪像素级监督标签CAM；将CAM缩放至原输入图像的大小，在图像相同位置处求平均值，得到最终伪像素级监督标签CAM；利用显著性目标检测方法，生成待分割图像的显著图，根据设定阈值将显著图划分为前景和背景，生成前景区域与背景区域分离开的显著图；将所述显著图与最终伪像素级监督标签CAM进行比对，生成新的伪像素标签；将伪像素标签送入到全监督网络DeepLabv3中进行语义分割，生成分割掩码。本发明使得特征图激活范围扩大，生成覆盖面积更完整的定位图，使得最后的分割掩码质量更高。
-
公开(公告)号：CN112465697B
公开(公告)日：2023-03-17
申请号：CN202011459200.5
申请日：2020-12-11
Applicant: 哈尔滨工程大学
IPC: G06T3/00 , G06T5/00 , G06T7/11 , G06T7/50 , G06V10/774
Abstract: 本发明公开了一种海上雾天图像模拟方法，构建海上场景样本图片数据集并人工标注，将数据集分为天空、海面和前景目标，并进行语义分割训练，得到网络参数；假设天空部分距离摄像头为无穷远，海面部分与天空接触处为无穷远，图片最下方距离摄像头距离为0，其他海面部分满足x3变化趋势由近及远变化，前景目标深度与最下方跟海面接触处深度保持一致得到深度图；对深度图进行均值滤波和两次高斯模糊来进行平滑，并将其与横纵方向皆满足‑ax2+b变化趋势且边缘的灰度为0的灰度块相加，a,b为随机数，来模拟不均匀雾团，利用深度图模拟出雾天下的海面场景图片。本发明可以基于大气散射模型模拟出较为真实的雾天下海上场景图片，实现该场景下的样本数量增广。
-
公开(公告)号：CN113177969B
公开(公告)日：2022-07-15
申请号：CN202110471464.0
申请日：2021-04-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于运动方向变化的候选种子的点云单目标跟踪方法，包括训练模块和测试模块，训练模块首先对点云预处理得到模板点云，其次使用高斯采样得到候选点云，再次将模板点云和候选点云输入编码器进行编码，得到对应的特征向量，最后分别计算距离损失函数与方向损失函数并且训练整个模型。测试模块首先使用预先训练的PointRcnn模型进行目标检测，其次进行候选区域采样，再次将采样的候选点云与上一帧跟踪目标点云输入到训练好的模型进行编码，最后对编码后的特征向量使用余弦相似性对比进行目标跟踪。本发明方法能够提高单目标跟踪精度，有效防止错跟踪现象出现。
-
公开(公告)号：CN111553934B
公开(公告)日：2022-07-15
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。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.035 seconds)
