“江同棒”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]一种基于快速分割网络的四足机器人盲道巡线方法-CN202310421890.2在审
发明人：张博;周长东;安泓郡;刘洪波;江同棒;朱镕锋 -专利权人：大连海事大学
申请日： 2023-04-19 - 公布日： 2023-09-15 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了一种基于快速分割网络的四足机器人盲道巡线方法，包括以下步骤：分割盲道线和计算基于视觉的偏移量。本发明采用宏观分块赋值、局部精细计算的自适应快速分割策略，仅对混合像素块进行分类推理计算，对全部为背景或前景的像素区域直接赋值，不做分类推理计算，在对精度没有任何影响的情况下大幅度提升模型在边缘计算卡上的推理速度。本发明采用视觉推算偏移量算法，通过步骤A得到的二值化图像，将二值化图像作为步骤B的输入，得到水平偏量和航向角偏量，并将水平偏量和航向角偏量作为底层PID控制算法的输入，控制四足机器人，从而有效的保证了四足机器人与盲道的相对姿态。基准测试偏移精度为±5cm。
一种基于快速分割网络机器人盲道方法

[发明专利]一种模型-数据混合驱动固定翼无人机自主认知避障方法-CN202310421892.1在审
发明人：刘洪波;马润泽;王乃尧;王野;赵正;江同棒 -专利权人：大连海事大学
申请日： 2023-04-19 - 公布日： 2023-09-12 - 主分类号： G05D1/10 文献下载
摘要：本发明公开了一种模型‑数据混合驱动固定翼无人机自主认知避障方法，包括以下步骤：建立慢通路瞬时机动避障模型；建立快通路自适应位姿控制模型；建立类脑快慢双通路混合驱动机动动作优化模型。本发明采用类脑快慢双通路架构，合理地设计长短期决策博弈策略，实现快慢通路各自有效强化机制，实施通路间动态博弈，最终决策选择中两个通路既相对独立、又相互增强，实现整个类脑快慢双通路模型在迭代、回馈中有效形成直觉习惯，从而提升自主认知性能，有效地进行人工智能模型与人脑认知机制之间的映射，真正将脑与认知中快慢双通路交互机制和原理启发式地构建所需的自主智能系统，使自主智能系统实现智能认知。
一种模型数据混合驱动固定无人机自主认知方法

[发明专利]一种基于非监督的卷积神经网络单目场景深度估计方法-CN201910807213.8有效
发明人：刘洪波;岳晓彤;江同棒;张博;马茜;王乃尧;杨丽平;林正奎 -专利权人：大连海事大学
申请日： 2019-08-29 - 公布日： 2023-08-18 - 主分类号： G06T7/50 文献下载
摘要：本发明公开了一种基于非监督的卷积神经网络单目场景深度估计方法，包括以下步骤：获取目标图像各像素点的深度值；获取目标图像上像素坐标转移到下一帧图像时的相机位姿值；构建损失函数；基于非监督的条件随机场残差卷积神经网络场景进行深度估计。本发明采用非监督方法很好地解决了手工数据标注难问题，节省了人力，提高了经济效益。本发明采用线性链条件随机场思想，实现了对原始图像的特征表达。结合非监督残差卷积神经网络场景深度估计模型，构成了非监督的条件随机场残差卷积神经网络场景深度估计模型。本发明的模型在平均相对误差(rel)、准确率(acc)上均优于其它三种模型。
一种基于监督卷积神经网络场景深度估计方法

[发明专利]一种水下鱼群运动模式分析方法-CN202011629288.0有效
发明人：刘洪波;李文祺;刘凯;张博;宋博琳;江同棒 -专利权人：大连海事大学
申请日： 2020-12-31 - 公布日： 2023-07-07 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种水下鱼群运动模式分析方法，包括以下步骤：构建光流场；确定特征区域；计算特征图；分析粒子运动模态；分析鱼群场景运动模式。本发明采用光流逼近鱼群运动策略。原始鱼群运动视频经过光流特征提取，像素粒子有效刻画场景运动场。无论视频的清晰度和鱼群的个体运动姿态，本发明都能够有效捕捉鱼群整体的运动模式，具有较高的精确度。本发明建立鱼群视频光流场分析模型，构建目标像素粒子的运动特征，以与邻域粒子的相对光流运动分析该粒子的运动模态，可分为五种运动模态：聚合态、扩散态、环绕态、并行态、混乱态，有效展现鱼群的活动状态。本发明更加快速、简便，计算成本较现有方案更低，从而提高经济效益。
一种水下鱼群运动模式分析方法

[发明专利]一种复杂场景下行人的多模态轨迹预测方法-CN201911033767.3有效
发明人：刘洪波;张睿;杨丽平;江同棒;张博;李鹏;帅真浩;马茜;林正奎 -专利权人：大连海事大学
申请日： 2019-10-28 - 公布日： 2023-05-26 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种复杂场景下行人的多模态轨迹预测方法，包括以下步骤：使用视觉几何组16层卷积神经网络进行图片特征提取；使用全连接层对轨迹数据进行特征处理；输入轨迹数据特征向量VS进入生成对抗网络完成编码解码网络功能；输入图片特征数据及轨迹特征数据至物理、社会注意力模块考虑地形限制及行人交互；通过更新完的生成器部分得到更好的轨迹生成预测结果；得到的稳定轨迹预测模型SPM。本发明可以有效的提高预测的精度，并且可以生成多条合理的预测轨迹，不仅能根据原始图片的特征信息提取到相关地形限制信息，而且能够考虑到同一复杂场景下不同行人之间的社交交互情况。本发明能够更加快速和准确地预测行人未来轨迹。
一种复杂场景行人多模态轨迹预测方法

[发明专利]一种第一视角下的行人轨迹预测方法-CN201910807214.2有效
发明人：刘洪波;李伯林;江同棒;张博;汪大峰;戴光耀;李科;林正奎 -专利权人：大连海事大学
申请日： 2019-08-29 - 公布日： 2023-04-18 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种第一视角下的行人轨迹预测方法，采用编解码结构结合循环卷积网络来预测第一视角下行人轨迹策略。原始图像经过编码得到的行人轨迹信息的特征向量，然后进行解码特征向量，预测出未来的行人的轨迹信息。在公共数据集和自己采集到的数据集里，本发明都会准确的预测出多个行人的未来10帧的轨迹信息，最终预测轨迹和最终实际轨迹之间的L2距离误差提高到40，比现有方法提高了30个像素精度。本发明提出了预测行人轨迹的时空卷积循环网络方法，利用一维卷积进行编解码处理，通过时空卷积网络预测，在目前的相关方法中，实现较简单、数据获取和处理清晰、简洁，实用性强。
一种第一视角行人轨迹预测方法