-
公开(公告)号：CN119810141A
公开(公告)日：2025-04-11
申请号：CN202510271034.2
申请日：2025-03-07
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明公开了一种面向复杂场景的无人机目标红外跟踪方法，包括：获取包含目标且时间连续搜索图像集；将时间最早的图像裁剪至包含目标的预设大小得到模板图像；提取图像特征得到模板特征和搜索特征集；根据模板特征得到动态卷积参数；根据搜索特征集和动态卷积参数进行动态卷积得到每张图像的全部检测框；选取目标类别可能性最大的检测框作为待选框；对每张图像的待选框进行外观相似度、位置度量和运动信息匹配，得到每张图像的预测框；计算每张图像的预测框与全部检测框间的中心点欧氏距离，选取欧式距离最小的检测框作为每张图像的目标框；将全部的目标框中心点相连，得到目标轨迹。本发明还公开了一种面向复杂场景的无人机目标红外跟踪系统。
-
公开(公告)号：CN114859977B
公开(公告)日：2025-04-01
申请号：CN202210655435.4
申请日：2022-06-10
Applicant: 中国人民解放军国防科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人机集群编队变化时时钟同步网络抖动抑制方法及系统，本发明方法包括为无人机集群编队构建测量网络G，随机初始化测量网络G中各个边权重的值；然后进行迭代：分别更新测量网络G中任意节点i在下个迭代周期内的本地时钟；分别计算测量网络G中任意节点i可建立测量链路中的有效路径概率、选择有效路径概率最大的节点建立测量链路，并更新建立测量链路的边权重；重复上述迭代过程直至达到预设的结束条件。本发明能够实现定量描述测量网络拓扑特征及其变化规律，能够减小无人机集群编队变化引起的时间测量网络抖动，实现无人机集群分布式时钟同步平稳过渡与快速收敛，有效地为大规模动态无人机集群实现时钟同步控制优化。
-
公开(公告)号：CN119380225A
公开(公告)日：2025-01-28
申请号：CN202411499871.2
申请日：2024-10-25
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明提供了一种基于融合网络的图片目标物体检测方法，包括：获取待检测目标物体图片的红外图像以及该待检测目标物体图片的可见光图像；将所述红外图像和可见光图像分别输入至融合网络,进行融合处理并输出，进而得到输出后的融合图像；其中，所述融合网络包含依次连接的第一特征提取模块、第二特征提取模块以及解码模块；对所述输出后的融合图像实施检测处理操作，确定出目标检测物体。从而确保在多台无人机协同执行任务的场景下，极大程度地提高目标检测的精度与可靠性。
-
公开(公告)号：CN118196151B
公开(公告)日：2024-09-24
申请号：CN202410286766.4
申请日：2024-03-13
Applicant: 中国人民解放军国防科技大学
IPC: G06T7/33 , G06V10/75 , G06V10/82 , G06N3/0499 , G06N3/084
Abstract: 本发明提供了一种基于气象敏感性分析的光谱反演参数预测方法及装置，包括：采集多光谱数据和气象数据；对目标光谱参数进行敏感性分析，获取不同目标的敏感波段，然后基于敏感波段设计反演参数，得到能反应目标特性的反演参数指标；设计BP预测网络，进行网络训练学习，得到收敛的模型参数，并开展光谱特性的气象性预测。本发明对目标光谱反演参数在不同气象条件下的演变规律进行预测，解决了复杂背景下的目标光谱特性分析预测问题。
-
公开(公告)号：CN116245916B
公开(公告)日：2023-07-28
申请号：CN202310524458.6
申请日：2023-05-11
Applicant: 中国人民解放军国防科技大学
Abstract: 一种面向无人艇的红外舰船目标跟踪方法及装置，该方法包括：构建红外舰船目标视频数据集；将数据集划分为训练集和测试集；对舰船目标检测器进行训练；构建外观特征提取网络结构模型，并进行训练；构建舰船目标跟踪器，并进行训练；利用训练好的舰船目标检测器检测测试集的舰船目标；利用训练好的外观特征提取网络结构模型提取舰船目标的外观特征向量；根据舰船目标及舰船目标的外观特征向量，利用训练好的舰船目标跟踪器对测试集进行测试；部署舰船目标检测器、外观特征提取网络结构模型、舰船目标跟踪器，进行舰船目标跟踪。还包括一种面向无人艇的红外舰船目标跟踪装置。本发明鲁棒性好，精度高，能适用短时遮挡、非线性运动场景。
-
Patent Agency Ranking
公开(公告)号：CN115201750A
公开(公告)日：2022-10-18
申请号：CN202210660600.5
申请日：2022-06-13
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明公开了一种超宽带定位系统NLOS识别方法，获取UWB系统中锚点或移动标签的信道脉冲响应时间序列数据；将获取的信道脉冲响应数据进行小波变换，计算获取其时频信息图；构建深度神经网络，并利用采集到的LOS和NLOS信道脉冲响应数据生成时频信息图对其进行训练，获得NLOS识别模型；将构建的模型移植到UWB系统的移动标签硬件平台上，进行室内环境下的NLOS识别和定位性能验证。本发明使用深度神经网络来处理信道脉冲响应时间序列的时频信息图，有效提取了时间和频率信息，构建的深度神经网络能够有效进行UWB室内定位系统中NLOS识别。
-
公开(公告)号：CN112257568B
公开(公告)日：2022-09-20
申请号：CN202011128240.1
申请日：2020-10-21
Applicant: 中国人民解放军国防科技大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 一种单兵队列动作智能实时监督纠错系统及方法，方法包括以下步骤：先构建标准队列动作数据库，截取队列动作图像并记录对应的时间，将图像调整至相同尺寸，再使用改进的SSD人体动作检测器检测并标记图像其所属的队列动作类型，计算并输出人体骨架图，将人体骨架图对比处理并输出对比信息，最后输出不标准队列图像和与所述不标准队列图像对应的标准队列关节点动态图像、以及声提示信号。本发明相对于传统训练辅助方法具有的优点是：能够克服传统辅助训练穿戴设备依赖，减轻受训者负担；减少训练过程中所需要的其它训练器材，降低器材经费投入；能够对受训者动作进行实时监督并自动报警纠错，提高训练效率以及质量，减少人力投入。
-
公开(公告)号：CN112989499A
公开(公告)日：2021-06-18
申请号：CN202110433856.8
申请日：2021-04-22
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请涉及一种无人车数据驱动控制方法、装置、计算机设备和存储介质。方法包括：通过传感器获取无人车在行驶状态下的多组数据对信息，构建非线性静态映射模型和高维线性动态演化模型，其中非线性静态映射模型满足在状态量为0时，非线性静态映射模型的值为0。在预测时域内以最小化期望轨迹跟踪误差为优化目标，构建无人车的模型预测控制最优化模型，获取无人车在当前时间步的控制信息。本发明通过非线性映射将系统的原状态空间映射到高维特征空间，在高维特征空间对动力学特性进行线性逼近，再设计模型预测控制器实现基于数据驱动的模型预测控制算法，可以实现无人车的预测控制。
-
公开(公告)号：CN111832509A
公开(公告)日：2020-10-27
申请号：CN202010703543.5
申请日：2020-07-21
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明的一种时空注意力机制的无人机弱小目标探测方法，其包括：步骤S1：基于空间注意力的级联传递和多尺度融合目标特征提取；步骤S2：基于时间注意力的图像特征序列输入；结合目标在持续探测过程中的空间位置和姿态特征的时间连续性，使用一段连续的特征序列作为输入，并将其输入到一个由时序网络搭建的时间注意力结构对目标信息进行增强；步骤S3：基于时空注意力的决策输出；根据时空注意力结构提取的图像特征，输出目标位置和类别置信度。本发明具有高效率、低成本、数据精确、操作灵活等优点。
-
公开(公告)号：CN109787928A
公开(公告)日：2019-05-21
申请号：CN201910072366.2
申请日：2019-01-25
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明公开一种基于决策树TWSVM的高速光信号调制格式识别方法，步骤包括：S1.预先构建决策树框架并在构建的决策树架构的每个节点中使用TWSVM，得到DT-TWSVM分类器，决策树框架中定义第一特征参数以实现初始分类，定义第二特征参数以及第三特征参数以实现最终分类；S2.进行高速光信号调制格式识别时，对所需混合速率多调制格式光信号进行低速率采样，得到待识别信号；S3.分别提取待识别信号的所述第一特征参数、第二特征参数以及第三特征参数；S4.将提取到的各特征参数数据输入到DT-TWSVM分类器中，得到识别结果。本发明实现方法简单、在低光信噪比时识别精度及识别效率高、计算复杂度低等优点。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.041 seconds)
