-
公开(公告)号：CN109827585B
公开(公告)日：2022-08-02
申请号：CN201910126765.2
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G01C21/34
Abstract: 本发明属于机器人路径规划领域，具体涉及一种快速填补栅格地图中凹形区域的方法，包括以下步骤：获取占据栅格地图，选定一个重力作用方向，通常选择为上下左右四个方向，以下步骤选定重力方向向下；遍历地图寻找拥有支撑力的一个栅格单元，也即其正下方有障碍物栅格单元，并且该栅格单元本身不是障碍物；在该栅格单元左右开始进行水平方向上的扩充，直到填满整个水平层，也即扩展到左右两侧皆为障碍物，在该过程中持续检查是否存在某一格子上方有障碍物、或者某一格子下方没有障碍物的情况，如果存在，则返回上一步。本发明不依赖于计算机图形学中的凸包问题，是一种快速、直观、方便应用的方法。
-
-
公开(公告)号：CN110807777A
公开(公告)日：2020-02-18
申请号：CN201910947774.8
申请日：2019-10-08
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的海洋哺乳动物图像分割方法，所述方法包括如下步骤：从用高清摄像机中每隔10帧获取一次画面；将获取到的图像进行检测，将带有海洋哺乳动物的图像作为训练样本；对训练样本进行随机采样得到训练样本，输入至深度自编码器来实现训练深度自编码器；将全部训练样本输入到已经训练完成的深度自编码器中得到新的训练样本集合；将训练完成的深度自编码器保留，作为处理图像分割的卷积神经网络的初始卷积层；训练基于FCN的图像分割网络模型；将新的样本集合输入到训练好的FCN中，获得海洋哺乳动物的分割图像。本发明通过训练深度自编码器过滤了与要分割目标无关的信息，加快了训练速度，同时提高了FCN对图像分割的精度。
-
Patent Agency Ranking
公开(公告)号：CN110488849A
公开(公告)日：2019-11-22
申请号：CN201910810370.4
申请日：2019-08-29
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明属于多机器人任务分配领域，具体涉及一种基于改进拍卖算法的围捕者决策方法。本发明针对传统拍卖算法中拍卖者身份的缺陷和竞标值存在的不足导致围捕者的选定过程安全性差和决策效率低的问题提出了一种基于改进拍卖算法的围捕者决策方法，作为围捕者的决策方法，用来选定围捕者。本发明通过引入几何中心原理，改变了传统确定拍卖者身份的方式，进而加快了拍卖过程，提高了决策效率，增强了决策过程的安全性；通过改进竞标值函数，来确定最佳的围捕者身份，提高了整体的围捕效率。
-
公开(公告)号：CN110377059A
公开(公告)日：2019-10-25
申请号：CN201910810291.3
申请日：2019-08-29
Applicant: 哈尔滨工程大学
IPC: G05D1/12
Abstract: 本发明属于多水下机器人协同控制领域，具体涉及一种基于狮群算法的多AUV围捕者协同控制方法。本发明针对单个AUV无法完成复杂水下任务、围捕机器人智能性交互性不足以及实际三维环境中存在障碍物的情况，提出了一种基于狮群算法的多AUV围捕者协同控制方法。本发明针对围捕者数量为三个或三个以上的情况。在围捕者小组中围捕者移动性能相当的情况下，通过下潜与上浮操作，与目标保持同一水深的同时，将目标包围在几何中心，并以目标为圆心，距离r为半径，均匀的分布在目标周围，完成协同围捕。本发明应用狮群算法(LGA)进行AUV围捕协同控制，围捕效率更高，收敛特性更好。
-
公开(公告)号：CN110807777B
公开(公告)日：2023-02-14
申请号：CN201910947774.8
申请日：2019-10-08
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于卷积神经网络的海洋哺乳动物图像分割方法，所述方法包括如下步骤：从用高清摄像机中每隔10帧获取一次画面；将获取到的图像进行检测，将带有海洋哺乳动物的图像作为训练样本；对训练样本进行随机采样得到训练样本，输入至深度自编码器来实现训练深度自编码器；将全部训练样本输入到已经训练完成的深度自编码器中得到新的训练样本集合；将训练完成的深度自编码器保留，作为处理图像分割的卷积神经网络的初始卷积层；训练基于FCN的图像分割网络模型；将新的样本集合输入到训练好的FCN中，获得海洋哺乳动物的分割图像。本发明通过训练深度自编码器过滤了与要分割目标无关的信息，加快了训练速度，同时提高了FCN对图像分割的精度。
-
公开(公告)号：CN110837845A
公开(公告)日：2020-02-25
申请号：CN201910947756.X
申请日：2019-10-08
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明涉及数据挖掘技术领域，具体涉及支持向量机参数优化的一种基于改进网格搜索算法的SVM参数优化方法。本方法初始化分类器和粒子群算法的相关参数，选择对分类器性能影响较大的参数作为待优化参数，由粒子群算法获得全局最优参数或局部最优参数；求得的最优参数作为目标点，初始化网格搜索的空间范围参数和网格搜索过程中的搜索步长参数，以及其他变量；在选定的范围内进行网格搜索，采用k-cv交叉验证，重新获得该范围内的最优参数。本发明改进了传统的网格搜索算法，克服了在选取搜索区间时存在的盲目性以及经验性问题，改善了在数据量较大的情况下该方法存在的时间消耗大的问题，使时间消耗与分类性能达到一个相对平衡的状态。
-
公开(公告)号：CN109827585A
公开(公告)日：2019-05-31
申请号：CN201910126765.2
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G01C21/34
Abstract: 本发明属于机器人路径规划领域，具体涉及一种快速填补栅格地图中凹形区域的方法，包括以下步骤：获取占据栅格地图，选定一个重力作用方向，通常选择为上下左右四个方向，以下步骤选定重力方向向下；遍历地图寻找拥有支撑力的一个栅格单元，也即其正下方有障碍物栅格单元，并且该栅格单元本身不是障碍物；在该栅格单元左右开始进行水平方向上的扩充，直到填满整个水平层，也即扩展到左右两侧皆为障碍物，在该过程中持续检查是否存在某一格子上方有障碍物、或者某一格子下方没有障碍物的情况，如果存在，则返回上一步。本发明不依赖于计算机图形学中的凸包问题，是一种快速、直观、方便应用的方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
