“万兆亮”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]一种适用于水下机器人目标抓取的连续跟踪方法-CN201911408004.2有效
发明人：黄海;万兆亮;靳佰达;吴晗;周浩;徐明浩;姜涛;李冀永 -专利权人：哈尔滨工程大学
申请日： 2019-12-31 - 公布日： 2023-07-25 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及一种适用于水下机器人目标抓取的连续跟踪方法，属于视觉目标跟踪技术领域；包括核相关运动模型的建立；HOG特征提取；建立表观模型；模型的更新和迭代。本发明基于核相关滤波理论通过基样本的循环位移实现密集采样从而提取更加丰富的训练样本集合，通过提取HOG特征，建立跟踪目标的表观模型引入核函数从而解决非线性回归问题，提升计算效率，根据反馈结果判断是否需要重新初始化跟踪，提出一种基于系统置信度自判别机制，实现了对目标的连续跟踪。本发明不仅可以保证对水下目标的稳定跟踪，而且能够自行判断遮挡和误跟踪情况，从而重新识别跟踪，进而完成对水下目标的连续跟踪可靠抓取。
一种适用于水下机器人目标抓取连续跟踪方法

[发明专利]一种水下机器人视觉控制目标抓取测试系统与方法-CN201911408005.7有效
发明人：黄海;李忻阳;李冀永;鲍轩;万兆亮;徐杨;张万里;李加强 -专利权人：哈尔滨工程大学
申请日： 2019-12-31 - 公布日： 2023-06-20 - 主分类号： B25J19/00 文献下载
摘要：一种水下机器人视觉控制目标抓取测试系统与方法，属于水下机器人作业领域。本发明的水面主控工控机通过光端机与嵌入式计算机相连，嵌入式计算机分别与水下视觉摄像机、水下机械手相连，水面主控工控机通过DA板卡与所述三轴悬臂吊相连。通过水下视觉摄像机对目标的实时跟踪，得出目标与水下视觉摄像机的位置关系并转化为水下机械手与目标的位置关系；计算水动力环境模型；计算分析得出测试系统在水中的运动模拟结果及其响应；控制三轴悬臂吊的运动并控制水下机械手对目标进行抓取。本发明在机器人下水前调试控制舱设备，验证水下机器人目标抓取视觉控制过程的可行性和系统的可靠性，具有测试准确可靠、仿真测试充分模拟试验等优点。
一种水下机器人视觉控制目标抓取测试系统方法

[发明专利]一种海底生物自主吸取捕捞的水下机器人智能控制方法-CN202011009529.1有效
发明人：黄海;徐明浩;李冀永;鲍轩;靳佰达;李忻阳;万兆亮 -专利权人：哈尔滨工程大学
申请日： 2020-09-23 - 公布日： 2021-07-13 - 主分类号： B63C11/49 文献下载
摘要：本发明属于水下机器人智能控制技术领域，具体涉及一种海底生物自主吸取捕捞的水下机器人智能控制方法。本发明提供了主要用于在复杂水下环境中完成对目标生物的检测识别并引导机器人作业并实现准确吸取指定目标。本发明在作业时，吸取机器人首先通过水下视觉与强化学习算法识别和跟踪作业目标，继而通过自身的位姿反馈调节和机器人的平台运动的智能控制系统推导和优化模糊规则，指导完成海底生物的自主吸取捕捞作业。本发明基于人工智能研究方面的先进成果，能够实现对目标的连续稳定跟踪和自主吸取，具有识别准确、智能程度高、捕捞效率高、作业成本低等优点，本发明实际应用于水下机器人系统设计，对于海生物的高效自主吸取捕捞具有重要意义。
一种海底生物自主吸取捕捞水下机器人智能控制方法

[发明专利]水下底栖生物检测方法及系统-CN202011393784.0有效
发明人：杨旭;万兆亮;黄海;张璐 -专利权人：中国科学院自动化研究所
申请日： 2020-12-03 - 公布日： 2021-06-25 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种水下底栖生物检测方法及系统，所述方法包括：获取多幅水下底栖生物图像及对应的特征信息；根据各水下底栖生物图像及对应的特征信息，建立底栖生物检测模型，包括：针对每一水下底栖生物图像，提取多维度的特征图；基于特征金字塔网络，将多维度的特征图进行特征融合，得到融合特征图；根据所述融合特征图，生成锚框；通过锚框对融合特征图进行调整，得到调整后的融合特征图；基于各融合特征图及对应的锚框，训练RPN网络，得到训练后的RPN网络；基于RPN网络及各锚框，确定感兴趣区域；根据各感兴趣区域及对应的特征信息，生成底栖生物检测模型；基于底栖生物检测模型进而，可准确确定所述待测底栖生物的待测特征信息，提高检测精度。
水下底栖生物检测方法系统

[发明专利]一种可变形活体小目标的深度学习智能识别方法-CN201911284570.7在审
发明人：黄海;靳佰达;万兆亮;周浩;石晓婷;吴晗;梅洋 -专利权人：哈尔滨工程大学
申请日： 2019-12-13 - 公布日： 2020-05-08 - 主分类号： G06K9/32 文献下载
摘要：本发明涉及一种可变形活体小目标的深度学习智能识别方法，属于机器人视觉及其智能识别技术领域；本发明将可变形卷积模块和可变形ROI池化模块与Faster R‑CNN进行合理的结合，使用可变形网络的可变形卷积模块和可变形ROI池化模块对模型进行改进，对标准卷积的空间取样点和普通ROI池化加入二维甚至高维偏移，使得卷积的取样点发生形状变化，提高改进后模型的可变形特性，改进模型提高了对可变形目标的检测识别效果；考虑对不同层的特征图进行融合，对底层特征图池化处理降低分辨率，对高层特征逆卷积处理提高分辨率，然后融合低、中、高三层特征图；同时考虑增加一组小尺度预选框，增加小目标预选框的生成数量，改进模型提高了对小目标的检测识别效果。
一种变形活体目标深度学习智能识别方法

[发明专利]基于水下成像环境模型的数据增广方法-CN201911282978.0在审
发明人：黄海;梅洋;万兆亮;周浩;石晓婷;吴晗;靳佰达 -专利权人：哈尔滨工程大学
申请日： 2019-12-13 - 公布日： 2020-04-28 - 主分类号： G06K9/20 文献下载
摘要：本发明涉及一种基于水下成像环境模型的数据增广方法，属于水下目标检测识别技术领域。不同程度的海洋湍流对水下图片成像质量的影响不同，针对这个问题采用基于湍流模型的数据增广方法,此方法可模拟不同程度的海洋湍流对水下图片成像的影响；水下图片通过水下机器人拍摄，不同的拍摄视角拍摄同一个目标存在不同，针对这个问题采用基于透视变换模型的数据增广方法，此方法可模拟同一目标不同的拍摄视角所拍摄的图片；水下拍摄时人造光的存在会使图片存在不均匀光照现象，针对这个问题采用基于不均匀光照模型的数据增广方法，此方法可模拟水下图片不同的不均匀光照现象。本发明提高了水下机器人深度学习目标识别的成功率。
基于水下成像环境模型数据增广方法