基于神经网络的最优浮标布阵智能决策方法

针对航空反潜活动中声纳浮标搜潜的典型任务场景,建立了浮标布阵的搜潜仿真模型及计算搜潜成功概率的数学模型。设计了一种计算满足目标搜潜概率需用最少浮标数量的优化方法,使用遗传算法求解了该优化问题,并生成大量浮标布阵样本。构造了浮标布阵辅助决策的神经网络模块,对最优浮标布阵方式进行了训练与学习。仿真验证表明,使用该方法能有效满足搜潜辅助决策任务需求。     

一种基于LeapMotion的灵巧虚拟手抓取交互方法

利用物体抓取任务中所有五个手指运动的运动学分析结果,结合LeapMotion 运动跟踪设备的特点和 逆运动学,提出了一种简单而有效的灵巧虚拟手抓取交互方法,使用户在虚拟环境中,通过一只灵巧的虚拟手 作为化身,在不进行手指弯曲运动跟踪的情况下,即可自然地到达并抓取数字三维物体。验证结果表明,所提 出的方法比传统的基于正向运动学的虚拟抓取方法具有一定的优势。     

基于CenterNet 的航空遥感图像目标检测

为实现高精度的航空图像目标检测，将Anchor free 的目标检测算法CenterNet 应用到检测中，同时 使用Resnet50 主干网络，并引入CIoU 损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD 与DIOR 数据集上进行测试，结果显示在保证网络轻量化的前提下检测精度有明显的提高，证明了算法在航空 目标检测方面的可行性与准确性。