胡春鹤
- 作品数：16 被引量：149H指数：6
- 供职机构：北京林业大学工学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金河北省高等学校科学技术研究指导项目更多>>
- 相关领域：自动化与计算机技术农业科学生物学文化科学更多>>
- 野生动物监测光照自适应Retinex图像增强算法被引量：6
- 2018年
- 针对野外白天不同光照对野生动物监测图像质量造成的影响,提出一种基于Retinex理论的光照自适应图像增强方法。该方法首先使用基于复合梯度的引导滤波估计图像照度分量,克服光照突变造成的伪光晕现象;然后提出一种基于Otus阈值的对比度自适应拉伸方法实现照度分量的校正,克服传统算法过度增强的问题;最后采用照度分量单通道图像计算反射分量图像,实现色彩的保真。该文采用50张保护区实地拍摄的野生动物监测图像为样本进行试验,结果表明,该文算法相比于MSRCR算法、双边滤波Retinex算法和引导滤波Retinex算法色调保真度平均提高81.00%、5.24%和3.58%,信息熵平均提高6.76%、6.23%和2.61%,峰值信噪比平均提高53.43%、5.36%和-2.85%,运算耗时减少-29.03%、78.51%和28.68%,证明该文算法可以有效克服传统Retinex理论算法的过增强、伪光晕现象和灰化效应,实现不同光照条件下野生动物监测图像的自适应增强。
- 张军国程浙安胡春鹤陈宸鲍伟东
- 关键词：动物图像增强RETINEX理论
- 多运动体分布式最优编队构型形成算法被引量：4
- 2018年
- 针对分布式通信条件下的多运动体编队构型形成问题进行研究.考虑到个体的有限通信与感知能力,传统集中式求解算法无法适应实际需求,提出一种基于分布式交替映射凸优化的分布式时间最优编队构型形成算法,使得个体间仅依赖局部通信与局部计算实现编队构型的快速形成;将该问题建模为含有等式约束的分布式Minimax凸优化问题,提出基于虚拟等式约束函数的分布式交替映射凸优化算法实现求解;根据求解结果,各运动体采用RVO避障策略实现最优构型形成.针对含有100个运动体的最优编队构型形成问题进行仿真,验证了所提出算法的有效性.
- 胡春鹤王健豪
- 一种虚拟核退役环境下多无人车辐射巡测系统设计
- 2024年
- 为提高核退役设施辐射测量效率、减少测量人员遭受放射性照射的风险,设计了一种面向多无人车编队辐射巡测控制系统。首先,采用领航-跟随编队策略,控制机器人以预定队形行进,同时实时采集每个无人车在编队行进过程中巡测到的辐射强度信息以及它们各自的位置数据,初步分析环境内部的辐射分布状况。其次,利用辐射强度与位置信息,运用马尔科夫链蒙特卡罗方法对放射源参数进行估计。仿真结果表明,无人车编队不仅可以在辐射环境下按照自动规划的路径运动并对放射源位置进行参数估计,且行进过程中距离误差为0~0.055 m,观测角误差为0~0.035 rad。
- 冯青林胡春鹤杜垚垚
- 无人机在林业中的应用及前景展望被引量：51
- 2019年
- 利用无人机对林业进行信息监测是提升林业信息化和精准化的重要方向,同时也是实现精准林业目标的有力途径。相较于传统林业监测方式,无人机可以实时准确地获取多尺度、多时相、高分辨率的影像数据,提升林区作业的智能化水平,满足智慧林业建设的需求。利用无人机平台搭载多种光学信息采集设备,结合无人机遥感技术并辅以GPS精确定位技术可以高效地实现特征目标信息的收集工作。为了更好地促进无人机技术在林业领域的普及与应用,笔者对无人机技术在林业行业的应用现状及发展前景进行了梳理总结。首先介绍了林用无人机的有关概念、分类及平台优势,重点对当前无人机在林业行业主流应用的实践进行了总结,主要涉及林业病虫害遥感监测、林业火灾监测、野生动植物监测与识别、林业资源调查、林业精准植保以及林业执法等,进而分析了当前无人机在林业领域应用中面临的挑战,同时对林用无人机在续航能力及通讯范围有限、受环境影响大、监管机制不完善等主要问题进行了探讨,为促进无人机技术在林业领域深层次应用提供了参考。
- 张军国闫浩胡春鹤李婷婷于明
- 关键词：无人机林业林业资源调查
- 基于无人机多光谱图像的云南松虫害区域识别方法被引量：12
- 2018年
- 针对云南省祥云县林区云南松虫害区域高效识别的需求,为更加高效准确地对虫害信息进行监测,本文搭建了林区八旋翼多光谱图像采集平台,基于无人机多光谱图像提出了一种Jeffries-Matusita(J-M)距离优化的反向传播神经网络(BP)分类方法。该方法首先引入J-M距离实现了对训练样本的优化,有效降低了"同谱异物"和"同物异谱"现象的影响,然后基于颜色矩和灰度共生矩阵提取了图像的颜色和纹理特征,并提取了580、680、800 nm共3个波段的相对光谱反射率作为光谱值特征,建立了5个植被指数模型,最后利用BP神经网络算法对颜色、纹理、光谱值和植被指数4种特征向量进行训练识别,实现了对虫害区域的分类识别。利用所提算法从总体分类精度和Kappa指数两方面与传统BP神经网络和支持向量机(SVM)算法进行对比试验。试验结果表明,本文算法总体分类精度和Kappa指数分别达到了94.01%和0.92,建模时间相对于传统BP神经网络缩短了38%,总体分类效果优于传统BP神经网络和SVM算法。
- 张军国韩欢庆胡春鹤骆有庆
- 关键词：特征提取反向传播神经网络
- 分布式多经验池的无人机自主避碰方法
- 2023年
- 为满足多无人机(multi-UAVs)的协同任务中高效自主避碰的需求,在基于数据驱动的强化学习方法的基础上,提出了一种分布式多经验池深度确定性策略梯度避碰方法(DMEP-DDPG),使单个无人机在多机环境下仅依靠自身传感数据即可自主避碰作业。首先,针对强化学习任务在长周期下的稀疏回报问题,设计了基于引导型奖励函数系统回报机制;其次,为克服单一经验池样本效率低带来的策略收敛困难的问题,构建了新型的分布式多经验池更新的确定性策略梯度框架;最后,在多种多无人机协同任务环境中测试了DMEP-DDPG方法的避碰性能,并与其它基于学习的避碰策略进行了性能指标对比,结果验证了DMEPDDPG方法的可行性和有效性。
- 徐佳胡春鹤
- 关键词：多无人机避碰
- 基于虚拟现实技术的实例化教学模式的探索——以“过程控制系统”课程为例被引量：2
- 2018年
- 鉴于"过程控制系统"课程当前面临的理论脱离实际、教学手段单一、实践教学条件受限等问题,在结合工业生产实际需求的基础上探索了基于虚拟现实技术的新型实例化教学模式。在探索该教学模式的过程中,利用虚拟化工厂Factory IO软件平台提供的多种虚拟工厂组件,搭建了理论课程虚拟化教具;借鉴飞行员地面训练模式搭建了含有故障诊断与现场调试功能的交互式实验系统与评价体系;开展了学生自主课程设计选题尝试。北京林业大学工学院进行的试点教学探索表明,该教学模式能够充分提高教学质量、丰富课程内容,为"过程控制系统"课程在"互联网+"框架下的发展提供了重要借鉴意义。
- 胡春鹤刘文定
- 关键词：过程控制虚拟现实技术实例化教学
- 移动机器人运动规划中的深度强化学习方法被引量：31
- 2021年
- 随着移动机器人作业环境复杂度的提高、随机性的增强、信息量的减少,移动机器人的运动规划能力受到了严峻的挑战.研究移动机器人高效自主的运动规划理论与方法,使其在长期任务中始终保持良好的复杂环境适应能力,对保障工作安全和提升任务效率具有重要意义.对此,从移动机器人运动规划典型应用出发,重点综述了更加适应于机器人动态复杂环境的运动规划方法——深度强化学习方法.分别从基于价值、基于策略和基于行动者-评论家三类强化学习运动规划方法入手,深入分析深度强化学习规划方法的特点和实际应用场景,对比了它们的优势和不足.进而对此类算法的改进和优化方向进行分类归纳,提出了目前深度强化学习运动规划方法所面临的挑战和亟待解决的问题,并展望了未来的发展方向,为机器人智能化的发展提供参考.
- 孙辉辉胡春鹤张军国
- 关键词：移动机器人
- 基于DQN出价策略的多无人机目标分配拍卖算法
- 2024年
- 为实现多无人机监测目标分配任务匹配度、成功率等收益最大化及路径长度、障碍物碰撞风险等代价最小化,基于数据样本驱动的强化学习方法,提出了一种融合深度Q网络(Deep Q-network,DQN)出价策略的自主进化拍卖算法。首先,构建了多无人机任务目标拍卖的马尔科夫决策模型,并且分别以竞拍者剩余竞拍容量为环境,输出增价因子为动作,前后两轮拍卖收益增幅为回报。其次,构建了新型的DQN出价和竞拍决策神经网络模型。该模型通过构建包含拍卖环境、增价因子、回报等元素的强化学习训练样本库,在拍卖过程中以一种离线学习模式不断训练DQN神经网络,使其按照DQN策略在拍卖过程中,根据拍卖环境输出增价因子,实现拍卖结果收益的优化。最后,通过多无人机多监测目标分配仿真,验证了所提出基于DQN拍卖机制的目标分配方法的有效性。通过与传统拍卖算法结果相比,方法获得的拍卖收益提升21.4%。
- 陈梓豪胡春鹤
- 关键词：多无人机
- 基于主动风险防御机制的多机器人强化学习协同对抗策略被引量：1
- 2023年
- 深度强化学习因其在多机器人系统中的高效表现,已经成为多机器人领域的研究热点.然而,当遭遇连续时变、风险未知的非结构场景时,传统方法暴露出风险防御能力差、系统安全性能脆弱的问题,未知风险将以对抗攻击的形式给多机器人的状态空间带来非线性入侵.针对这一问题,提出一种基于主动风险防御机制的多机器人强化学习方法(APMARL).首先,基于局部可观察马尔可夫博弈模型,建立多机记忆池共享的风险判别机制,通过构建风险状态指数提前预测当前行为的安全性,并根据风险预测结果自适应执行与之匹配的风险处理模式;特别地,针对有风险侵入的非安全状态,提出基于增强型注意力机制的Actor-Critic主动防御网络架构,实现对重点信息的分级增强和危险信息的有效防御.最后,通过广泛的多机协作对抗任务实验表明,具有主动风险防御机制的强化学习策略可以有效降低敌对信息的入侵风险,提高多机器人协同对抗任务的执行效率,增强策略的稳定性和安全性.
- 孙辉辉胡春鹤张军国
- 关键词：多机器人
