JPH0949869A - 目標追尾制御装置 - Google Patents
目標追尾制御装置Info
- Publication number
- JPH0949869A JPH0949869A JP7203081A JP20308195A JPH0949869A JP H0949869 A JPH0949869 A JP H0949869A JP 7203081 A JP7203081 A JP 7203081A JP 20308195 A JP20308195 A JP 20308195A JP H0949869 A JPH0949869 A JP H0949869A
- Authority
- JP
- Japan
- Prior art keywords
- output
- input
- circuit
- coupling coefficient
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
(57)【要約】
【課題】 本発明は、制御量算出のためにニューラルネ
ットワーク回路を用いた目標追尾制御装置に関し、目標
追尾のための制御量をリアルタイムで、かつ高い精度で
算出する手段を提供することを目的とする。 【解決手段】目標を検知し周期的に画像を作成する画像
生成手段と、該画像から制御量算出のための基礎データ
を取得するデータ取得部と、過去の学習成果を記憶した
ニューラルネットワーク回路を用い、基礎データを入力
として制御量を算出する制御量算出部とから構成される
ことを特徴とする目標追尾制御装置。
ットワーク回路を用いた目標追尾制御装置に関し、目標
追尾のための制御量をリアルタイムで、かつ高い精度で
算出する手段を提供することを目的とする。 【解決手段】目標を検知し周期的に画像を作成する画像
生成手段と、該画像から制御量算出のための基礎データ
を取得するデータ取得部と、過去の学習成果を記憶した
ニューラルネットワーク回路を用い、基礎データを入力
として制御量を算出する制御量算出部とから構成される
ことを特徴とする目標追尾制御装置。
Description
【０００１】
【発明の属する技術分野】本発明は、目標を追尾するた
めの制御量をニューラルネットワーク回路で算出する目
標追尾制御装置に関する。
めの制御量をニューラルネットワーク回路で算出する目
標追尾制御装置に関する。
【０００２】一般に、航行中の船舶等を目標物（以下、
「目標Ｐ」と略す）とし、目標Ｐをヘリコプター等の目
標追尾装置（以下、「自装置」と略す）で追尾し、自装
置を目標Ｐに到達させ一体とする場合、出来るだけ速く
しかも目標Ｐを中心として振動運動することなく緩やか
に接近し到達するために、目標Ｐと自装置との相対的な
位置，速度，加速度等を総合的に考慮し、リアルタイム
で、かつ、高い精度で制御量を算出することが必要であ
る。
「目標Ｐ」と略す）とし、目標Ｐをヘリコプター等の目
標追尾装置（以下、「自装置」と略す）で追尾し、自装
置を目標Ｐに到達させ一体とする場合、出来るだけ速く
しかも目標Ｐを中心として振動運動することなく緩やか
に接近し到達するために、目標Ｐと自装置との相対的な
位置，速度，加速度等を総合的に考慮し、リアルタイム
で、かつ、高い精度で制御量を算出することが必要であ
る。
【０００３】
【従来の技術】図６は従来例の構成図である。図６を参
照しながら従来例について説明する。尚、以下の説明に
おいて同一部分または相当部分については同一符号を付
す。
照しながら従来例について説明する。尚、以下の説明に
おいて同一部分または相当部分については同一符号を付
す。
【０００４】図６において１’は目標追尾制御装置であ
り、２は入力回路であり、３は処理回路であり、４は記
憶回路であり、５は出力回路であり、６はデータバスで
あり、４１は画像生成部であり、４２はデータ取得部で
あり、４３は制御量算出部である。
り、２は入力回路であり、３は処理回路であり、４は記
憶回路であり、５は出力回路であり、６はデータバスで
あり、４１は画像生成部であり、４２はデータ取得部で
あり、４３は制御量算出部である。
【０００５】目標追尾制御装置１’は、入力回路２と処
理回路３と記憶回路４と出力回路５とから構成される所
謂ノイマン型計算機であって、自装置に搭載され、カメ
ラ等で捉えた目標Ｐを包含する空間情報を入力として、
自装置を目標Ｐに到達させるために必要な制御量を周期
的に算出し出力する装置である。
理回路３と記憶回路４と出力回路５とから構成される所
謂ノイマン型計算機であって、自装置に搭載され、カメ
ラ等で捉えた目標Ｐを包含する空間情報を入力として、
自装置を目標Ｐに到達させるために必要な制御量を周期
的に算出し出力する装置である。
【０００６】入力回路２は記憶回路４に接続され、カメ
ラ等により周期的に捉えられた目標Ｐを包含する空間の
空間情報を、記憶回路４に転送し格納する回路である。
ラ等により周期的に捉えられた目標Ｐを包含する空間の
空間情報を、記憶回路４に転送し格納する回路である。
【０００７】処理回路３はデータバス６を介して記憶回
路４に接続され、記憶回路４から読み出されたプログラ
ムが走行し、記憶回路４から読み出された空間情報を入
力として画像を生成し、該画像を入力として目標Ｐの自
装置に対する相対位置，相対速度，相対加速度等、制御
量算出のもとになるデータ（以下、「基礎データ」と略
す）を出力し、該基礎データを入力として自装置を目標
Ｐに到達させるために必要な制御量を出力する回路であ
る。
路４に接続され、記憶回路４から読み出されたプログラ
ムが走行し、記憶回路４から読み出された空間情報を入
力として画像を生成し、該画像を入力として目標Ｐの自
装置に対する相対位置，相対速度，相対加速度等、制御
量算出のもとになるデータ（以下、「基礎データ」と略
す）を出力し、該基礎データを入力として自装置を目標
Ｐに到達させるために必要な制御量を出力する回路であ
る。
【０００８】記憶回路４は入力回路２と、出力回路５と
に接続され、データバス６を介して処理回路３に接続さ
れ、入力回路２から転送された空間情報を格納し、処理
回路３から転送された処理結果を格納し、処理回路３を
動作させるプログラムを格納する回路である。
に接続され、データバス６を介して処理回路３に接続さ
れ、入力回路２から転送された空間情報を格納し、処理
回路３から転送された処理結果を格納し、処理回路３を
動作させるプログラムを格納する回路である。
【０００９】出力回路５は記憶回路４に接続され、記憶
回路４に格納された制御量を出力する回路である。画像
生成部４１は記憶回路４に格納され、処理回路３を動作
させるプログラムであって、空間情報を入力として該空
間情報に包含される目標Ｐ以外の物体（以下、「ノイ
ズ」と略す）を消去して目標Ｐのみを抽出し、実際の距
離を一定の比率で縮小する処理（以下、「正規化」と略
す）を行って画面を縦横各々−１〜＋１に設定し、自装
置を原点として目標Ｐを表示するプログラムである。
回路４に格納された制御量を出力する回路である。画像
生成部４１は記憶回路４に格納され、処理回路３を動作
させるプログラムであって、空間情報を入力として該空
間情報に包含される目標Ｐ以外の物体（以下、「ノイ
ズ」と略す）を消去して目標Ｐのみを抽出し、実際の距
離を一定の比率で縮小する処理（以下、「正規化」と略
す）を行って画面を縦横各々−１〜＋１に設定し、自装
置を原点として目標Ｐを表示するプログラムである。
【００１０】データ取得部４２は記憶回路４に格納さ
れ、処理回路３を動作させるプログラムであって、周期
的に生成される画像から、目標Ｐの自装置に対する相対
位置を検出し、検出された相対位置の変化の度合いの推
移から目標Ｐの自装置に対する相対速度，相対加速度等
のデータを算出し、基礎データを出力するプログラムで
ある。
れ、処理回路３を動作させるプログラムであって、周期
的に生成される画像から、目標Ｐの自装置に対する相対
位置を検出し、検出された相対位置の変化の度合いの推
移から目標Ｐの自装置に対する相対速度，相対加速度等
のデータを算出し、基礎データを出力するプログラムで
ある。
【００１１】制御量算出部４３は記憶回路４に格納さ
れ、処理回路３を動作させるプログラムであって、基礎
データを入力とし、自装置を目標Ｐに到達させるために
必要な制御量を出力するプログラムである。
れ、処理回路３を動作させるプログラムであって、基礎
データを入力とし、自装置を目標Ｐに到達させるために
必要な制御量を出力するプログラムである。
【００１２】カメラ等により周期的に観測された目標Ｐ
を包含する空間の空間情報は、観測される都度入力回路
２に入力され、記憶回路４に転送され更新される。次い
で、画像生成部４１が記憶回路４から読み出されて処理
回路３を走行し、記憶回路４から読み出された該空間情
報を入力として該空間情報の中から目標Ｐのみを抽出
し、正規化された画面上に自装置を原点として表示する
処理（以下、「画像生成処理」と略す）を行う。
を包含する空間の空間情報は、観測される都度入力回路
２に入力され、記憶回路４に転送され更新される。次い
で、画像生成部４１が記憶回路４から読み出されて処理
回路３を走行し、記憶回路４から読み出された該空間情
報を入力として該空間情報の中から目標Ｐのみを抽出
し、正規化された画面上に自装置を原点として表示する
処理（以下、「画像生成処理」と略す）を行う。
【００１３】次いで、データ取得部４２が記憶回路４か
ら読み出されて処理回路３を走行し、画像生成処理の結
果得られた画像データから基礎データを出力する処理
（以下、「データ取得処理」と略す）を行う。
ら読み出されて処理回路３を走行し、画像生成処理の結
果得られた画像データから基礎データを出力する処理
（以下、「データ取得処理」と略す）を行う。
【００１４】次いで、制御量算出部４３が記憶回路４か
ら読み出されて処理回路３を走行し、データ取得処理の
結果得られた基礎データを入力としてシーケンシャルに
目標追尾動作のシミュレーションを行い、自装置を目標
Ｐに到達させるために必要な制御量を算出して記憶回路
４に格納する。
ら読み出されて処理回路３を走行し、データ取得処理の
結果得られた基礎データを入力としてシーケンシャルに
目標追尾動作のシミュレーションを行い、自装置を目標
Ｐに到達させるために必要な制御量を算出して記憶回路
４に格納する。
【００１５】次いで、該制御量が記憶回路４から出力さ
れ、出力回路５を経由して出力される。
れ、出力回路５を経由して出力される。
【００１６】
【発明が解決しようとする課題】このように、従来はノ
イマン型計算機のみを用いてシーケンシャルに目標追尾
動作のシミュレーションを行い、目標追尾のための制御
量を算出していたため、時々刻々変化する入力に対応し
てリアルタイムで制御量を算出する必要がある目標追尾
制御においては、近似計算により簡易化したアルゴリズ
ムを用いて制御量を算出しなければならず、計算結果の
精度が低くなるという問題があった。
イマン型計算機のみを用いてシーケンシャルに目標追尾
動作のシミュレーションを行い、目標追尾のための制御
量を算出していたため、時々刻々変化する入力に対応し
てリアルタイムで制御量を算出する必要がある目標追尾
制御においては、近似計算により簡易化したアルゴリズ
ムを用いて制御量を算出しなければならず、計算結果の
精度が低くなるという問題があった。
【００１７】本発明は上述した従来の欠点を除去し、よ
り精度の高い制御量を、より簡便に算出する手段を提供
することを目的とする。
り精度の高い制御量を、より簡便に算出する手段を提供
することを目的とする。
【００１８】
【課題を解決するための手段】図１は本発明の原理図で
ある。図１において、７はニューラルネットワーク回路
であり、７０は結合係数回路であり、７１は入力層であ
り、７２は中間層であり、７３は出力層であり、７１０
は入力ユニットであり、７２０は中間ユニットであり、
７３０は出力ユニットである。
ある。図１において、７はニューラルネットワーク回路
であり、７０は結合係数回路であり、７１は入力層であ
り、７２は中間層であり、７３は出力層であり、７１０
は入力ユニットであり、７２０は中間ユニットであり、
７３０は出力ユニットである。
【００１９】ニューラルネットワーク回路７は、結合係
数回路７０と、入力層７１と、中間層７２と、出力層７
３とからなり、人間の脳の構造を工学的にモデル化し働
きをシミュレートする様に構成された回路であって、あ
らかじめ学習することにより入力パターンに応じた出力
パターンを高速で出力するように構成された回路であっ
て、前記機能を実現するため、実際の目標追尾動作の結
果得られた基礎データをもとにあらかじめシミュレーシ
ョンで求めた結合係数を保持し、あるいは、机上で想定
した基礎データをもとにあらかじめシミュレーションで
求めた結合係数を保持し、基礎データを入力すると自装
置を目標Ｐに到達させるための制御量を出力する回路で
ある。
数回路７０と、入力層７１と、中間層７２と、出力層７
３とからなり、人間の脳の構造を工学的にモデル化し働
きをシミュレートする様に構成された回路であって、あ
らかじめ学習することにより入力パターンに応じた出力
パターンを高速で出力するように構成された回路であっ
て、前記機能を実現するため、実際の目標追尾動作の結
果得られた基礎データをもとにあらかじめシミュレーシ
ョンで求めた結合係数を保持し、あるいは、机上で想定
した基礎データをもとにあらかじめシミュレーションで
求めた結合係数を保持し、基礎データを入力すると自装
置を目標Ｐに到達させるための制御量を出力する回路で
ある。
【００２０】結合係数回路７０は、中間ユニット７２０
の各々に接続され、また、出力ユニット７３０の各々に
接続されて、中間ユニット７２０の入力値の各々に重み
を与える結合係数を保持し、出力ユニット７３０の入力
値の各々に重みを与える結合係数を保持する回路であ
る。
の各々に接続され、また、出力ユニット７３０の各々に
接続されて、中間ユニット７２０の入力値の各々に重み
を与える結合係数を保持し、出力ユニット７３０の入力
値の各々に重みを与える結合係数を保持する回路であ
る。
【００２１】入力層７１は、複数の入力ユニット７１０
から構成され、中間層７２とデータバス６とに接続さ
れ、入力値を、入力ユニット７１０毎にあらかじめ定め
た閾値と比較し、出力する回路である。
から構成され、中間層７２とデータバス６とに接続さ
れ、入力値を、入力ユニット７１０毎にあらかじめ定め
た閾値と比較し、出力する回路である。
【００２２】中間層７２は、複数の中間ユニット７２０
から構成され、入力層７１と結合係数回路７０と出力層
７３とに接続されて、個々の入力ユニット７１０から出
力された出力値を入力値とし、個々の中間ユニット７２
０の入力の各々に対応して結合係数回路７０から出力さ
れた出力値をも入力値として、演算処理した結果を出力
する回路である。
から構成され、入力層７１と結合係数回路７０と出力層
７３とに接続されて、個々の入力ユニット７１０から出
力された出力値を入力値とし、個々の中間ユニット７２
０の入力の各々に対応して結合係数回路７０から出力さ
れた出力値をも入力値として、演算処理した結果を出力
する回路である。
【００２３】出力層７３は、複数の出力ユニット７３０
から構成され、中間層７２と結合係数回路７０とデータ
バス６とに接続されて、個々の中間ユニット７２０から
出力された出力値を入力値とし、個々の出力ユニット７
３０の入力の各々に対応して結合係数回路７０から出力
された出力値をも入力値として、演算処理した結果を出
力する回路である。
から構成され、中間層７２と結合係数回路７０とデータ
バス６とに接続されて、個々の中間ユニット７２０から
出力された出力値を入力値とし、個々の出力ユニット７
３０の入力の各々に対応して結合係数回路７０から出力
された出力値をも入力値として、演算処理した結果を出
力する回路である。
【００２４】入力ユニット７１０は、データバス６と全
ての中間ユニット７２０とに接続され、基礎データを入
力とし、あらかじめ定めた閾値Θと比較した結果を出力
する回路である。
ての中間ユニット７２０とに接続され、基礎データを入
力とし、あらかじめ定めた閾値Θと比較した結果を出力
する回路である。
【００２５】中間ユニット７２０は、全ての入力ユニッ
ト７１０と結合係数回路７０と全ての出力ユニット７３
０とに接続され、入力ユニット７１０の出力値と結合係
数との積の総和を算出し、該総和とあらかじめ定められ
た閾値Θとの差を変数ｘとし、あらかじめ定められた入
出力関数Ｆ（ｘ）を出力する回路である。
ト７１０と結合係数回路７０と全ての出力ユニット７３
０とに接続され、入力ユニット７１０の出力値と結合係
数との積の総和を算出し、該総和とあらかじめ定められ
た閾値Θとの差を変数ｘとし、あらかじめ定められた入
出力関数Ｆ（ｘ）を出力する回路である。
【００２６】出力ユニット７３０は、全ての中間ユニッ
ト７２０と結合係数回路７０とデータバス６とに接続さ
れ、中間ユニット７２０の出力値と結合係数との積の総
和を算出し、該総和とあらかじめ定められた閾値Θとの
差を変数ｘとし、あらかじめ定められた入出力関数Ｆ
（ｘ）を出力する回路である。
ト７２０と結合係数回路７０とデータバス６とに接続さ
れ、中間ユニット７２０の出力値と結合係数との積の総
和を算出し、該総和とあらかじめ定められた閾値Θとの
差を変数ｘとし、あらかじめ定められた入出力関数Ｆ
（ｘ）を出力する回路である。
【００２７】入力層７１を構成する各入力ユニット７１
０に基礎データが入力されると、該基礎データは入力ユ
ニット７１０の各々に設定された閾値と比較され、その
結果を出力値として出力する。
０に基礎データが入力されると、該基礎データは入力ユ
ニット７１０の各々に設定された閾値と比較され、その
結果を出力値として出力する。
【００２８】次いで、中間層７２を構成する各中間ユニ
ット７２０に該出力値が入力されると、該出力値と結合
係数回路７０に設定された結合係数の積の総和が算出さ
れ、該総和とあらかじめ定められた閾値Θとの差を変数
ｘとし、入出力関数Ｆ（ｘ）を出力する処理が行われ
る。
ット７２０に該出力値が入力されると、該出力値と結合
係数回路７０に設定された結合係数の積の総和が算出さ
れ、該総和とあらかじめ定められた閾値Θとの差を変数
ｘとし、入出力関数Ｆ（ｘ）を出力する処理が行われ
る。
【００２９】次いで、出力層７３を構成する各出力ユニ
ット７３０に該出力値が入力されると、該出力値と結合
係数回路７０に設定された結合係数の積の総和が算出さ
れ、該総和とあらかじめ定められた閾値Θとの差を変数
ｘとし、入出力関数Ｆ（ｘ）を出力する処理が行われ、
制御量としてデータバス６に出力される。
ット７３０に該出力値が入力されると、該出力値と結合
係数回路７０に設定された結合係数の積の総和が算出さ
れ、該総和とあらかじめ定められた閾値Θとの差を変数
ｘとし、入出力関数Ｆ（ｘ）を出力する処理が行われ、
制御量としてデータバス６に出力される。
【００３０】
【発明の実施の形態】図２は本発明の１実施例目標追尾
制御装置構成図であり、図３は本発明の１実施例目標追
尾処理フローチャートであり、図４は本発明の１実施例
画像データの図であり、図５は入出力関数の特性図であ
る。
制御装置構成図であり、図３は本発明の１実施例目標追
尾処理フローチャートであり、図４は本発明の１実施例
画像データの図であり、図５は入出力関数の特性図であ
る。
【００３１】以下、図２，図３，図４，図５を参照しな
がら説明する。図４は画像生成処理により求められる、
２次元の空間を例とした時刻ｔにおける目標Ｐの自装置
に対する相対位置を表す正規化された画像データの図で
ある。
がら説明する。図４は画像生成処理により求められる、
２次元の空間を例とした時刻ｔにおける目標Ｐの自装置
に対する相対位置を表す正規化された画像データの図で
ある。
【００３２】図５は中間層７２０，出力層７３０に用い
られる入出力関数Ｆ（ｘ）の特性図である。図２におい
て、１は目標追尾制御装置であり、２は入力回路であ
り、３は処理回路であり、４は記憶回路であり、５は出
力回路であり、６はデータバスであり、７はニューラル
ネットワーク回路であり、４１は画像生成部であり、４
２はデータ取得部であり、７０は結合係数回路であり、
７１は入力層であり、７２は中間層であり、７３は出力
層である。
られる入出力関数Ｆ（ｘ）の特性図である。図２におい
て、１は目標追尾制御装置であり、２は入力回路であ
り、３は処理回路であり、４は記憶回路であり、５は出
力回路であり、６はデータバスであり、７はニューラル
ネットワーク回路であり、４１は画像生成部であり、４
２はデータ取得部であり、７０は結合係数回路であり、
７１は入力層であり、７２は中間層であり、７３は出力
層である。
【００３３】目標追尾制御装置１は、入力回路２と処理
回路３と記憶回路４と出力回路５とニューラルネットワ
ーク回路７とから構成され、自装置に搭載され、カメラ
等で捉えた目標Ｐを包含する空間情報を入力として、自
装置を目標Ｐに到達させるために必要な制御量を周期的
に算出し出力する装置である。
回路３と記憶回路４と出力回路５とニューラルネットワ
ーク回路７とから構成され、自装置に搭載され、カメラ
等で捉えた目標Ｐを包含する空間情報を入力として、自
装置を目標Ｐに到達させるために必要な制御量を周期的
に算出し出力する装置である。
【００３４】ステップＳ１では、カメラ等により目標Ｐ
を含む空間が観測され、該空間の空間情報が入力回路２
を経由して記憶回路４に転送され格納される。ステップ
Ｓ２では、画像入力部４１が読み出されて処理回路３を
走行し、該空間情報からノイズが消去され、目標Ｐのみ
を抽出した画像が形成される。
を含む空間が観測され、該空間の空間情報が入力回路２
を経由して記憶回路４に転送され格納される。ステップ
Ｓ２では、画像入力部４１が読み出されて処理回路３を
走行し、該空間情報からノイズが消去され、目標Ｐのみ
を抽出した画像が形成される。
【００３５】ステップＳ３では、画像入力部４１が処理
回路３を走行し、該画像を入力とする画像生成処理が行
われ、正規化された画面上に自装置を原点とする目標Ｐ
の画像を表示した画像データが生成される。
回路３を走行し、該画像を入力とする画像生成処理が行
われ、正規化された画面上に自装置を原点とする目標Ｐ
の画像を表示した画像データが生成される。
【００３６】ステップＳ４では、データ取得部４２が処
理回路３を走行し、該画像データから目標Ｐの自装置に
対する相対位置が読み取られ、各周期毎に読み取られ保
持された相対位置から基礎データを算出し出力する。
理回路３を走行し、該画像データから目標Ｐの自装置に
対する相対位置が読み取られ、各周期毎に読み取られ保
持された相対位置から基礎データを算出し出力する。
【００３７】ステップＳ５では、基礎データが入力層７
１に入力され、入力ユニット７１０によりあらかじめ定
めた閾値Θとの差が出力値として出力される。ステップ
Ｓ６では、該出力値と結合係数回路７０から出力された
結合係数とが中間層７２に入力され、中間ユニット７２
０により該出力値と該結合係数の積が求められ、更に該
積の総和とあらかじめ定めた閾値Θとの差を変数ｘとす
る入出力関数Ｆ（ｘ）が出力される。
１に入力され、入力ユニット７１０によりあらかじめ定
めた閾値Θとの差が出力値として出力される。ステップ
Ｓ６では、該出力値と結合係数回路７０から出力された
結合係数とが中間層７２に入力され、中間ユニット７２
０により該出力値と該結合係数の積が求められ、更に該
積の総和とあらかじめ定めた閾値Θとの差を変数ｘとす
る入出力関数Ｆ（ｘ）が出力される。
【００３８】ステップＳ７では、該出力値と結合係数回
路７０から出力された結合係数とが出力層７３に入力さ
れ、出力ユニット７３０により該出力値と該結合係数の
積が求められ、更に該積の総和とあらかじめ定めた閾値
Θとの差を変数ｘとする入出力関数Ｆ（ｘ）が制御量と
して出力される。
路７０から出力された結合係数とが出力層７３に入力さ
れ、出力ユニット７３０により該出力値と該結合係数の
積が求められ、更に該積の総和とあらかじめ定めた閾値
Θとの差を変数ｘとする入出力関数Ｆ（ｘ）が制御量と
して出力される。
【００３９】本実施例では、ハードウェアで構成された
ニューラルネットワーク回路７を例としているが、考慮
すべき基礎データの種類，求める制御量のレベルによっ
てはノイマン型計算機でソフトウェアでシミュレートす
ることも出来る。
ニューラルネットワーク回路７を例としているが、考慮
すべき基礎データの種類，求める制御量のレベルによっ
てはノイマン型計算機でソフトウェアでシミュレートす
ることも出来る。
【００４０】
【発明の効果】以上の説明から明らかなように、本発明
によれば目標Ｐを追尾し短時間で、しかも目標Ｐを中心
として振動運動することなく緩やかに接近し、自装置を
目標Ｐに到達させ一体とする様な制御量を出力すること
が出来るという著しい工業的効果がある。
によれば目標Ｐを追尾し短時間で、しかも目標Ｐを中心
として振動運動することなく緩やかに接近し、自装置を
目標Ｐに到達させ一体とする様な制御量を出力すること
が出来るという著しい工業的効果がある。
【図１】 本発明の原理図
【図２】 本発明の１実施例目標追尾制御装置構成図
【図３】 本発明の１実施例目標追尾処理フローチャー
ト
ト
【図４】 本発明の１実施例画像データの図
【図５】 入出力関数の特性図
【図６】 従来例の構成図
１，１’ 目標追尾制御装置 ２ 入力回路 ３ 処理回路 ４ 記憶回路 ５ 出力回路 ６ データバス ７ ニューラルネットワーク回路 ４１ 画像生成部 ４２ データ取得部 ４３ 制御量算出部 ７０ 結合係数回路 ７１ 入力層 ７２ 中間層 ７３ 出力層 ７１０ 入力ユニット ７２０ 中間ユニット ７３０ 出力ユニット
Claims (1)
- 【請求項１】 目標を検知し周期的に画像を作成する画
像生成手段と、該画像から基礎データを取得するデータ
取得部と、該基礎データから目標追尾のための制御量を
算出する制御量算出手段とを有する目標追尾制御装置に
おいて、 該制御量算出手段をニューラルネットワーク回路で構成
したことを特徴とする目標追尾制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7203081A JPH0949869A (ja) | 1995-08-09 | 1995-08-09 | 目標追尾制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7203081A JPH0949869A (ja) | 1995-08-09 | 1995-08-09 | 目標追尾制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0949869A true JPH0949869A (ja) | 1997-02-18 |
Family
ID=16468052
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7203081A Pending JPH0949869A (ja) | 1995-08-09 | 1995-08-09 | 目標追尾制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0949869A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108818541A (zh) * | 2018-09-11 | 2018-11-16 | 闽江学院 | 一种柔性关节机器人的自适应神经网络跟踪控制方法 |
| US11900651B2 (en) | 2020-03-24 | 2024-02-13 | Olympus Corporation | Imaging device and tracking method |
-
1995
- 1995-08-09 JP JP7203081A patent/JPH0949869A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108818541A (zh) * | 2018-09-11 | 2018-11-16 | 闽江学院 | 一种柔性关节机器人的自适应神经网络跟踪控制方法 |
| US11900651B2 (en) | 2020-03-24 | 2024-02-13 | Olympus Corporation | Imaging device and tracking method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230330848A1 (en) | Reinforcement and imitation learning for a task | |
| CN111402290B (zh) | 一种基于骨骼关键点的动作还原方法以及装置 | |
| WO2016051640A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| CN116420170B (zh) | 姿势的消歧 | |
| CN116438576A (zh) | 单目姿势预测 | |
| GB2546815B (en) | Animating a virtual object in a virtual world | |
| CN114041828A (zh) | 超声扫查控制方法、机器人及存储介质 | |
| JPH0949869A (ja) | 目標追尾制御装置 | |
| KR20230056004A (ko) | 가상 현실 기반의 수술 환경을 제공하는 장치 및 방법 | |
| JP7246175B2 (ja) | 推定装置、訓練装置、推定方法及び訓練方法 | |
| JP2023525185A (ja) | 改良されたポーズ追跡を用いた運動学的インタラクションシステム | |
| US20240193747A1 (en) | System and Method for Point Cloud Generation | |
| Huang et al. | An IoT and machine learning enhanced framework for real-time digital human modeling and motion simulation | |
| JP2000516739A (ja) | ニューラルネットワークの訓練データを選択するためのコンピュータ支援された方法 | |
| US11836221B2 (en) | Systems and methods for refined object estimation from image data | |
| Dang et al. | Imitation learning-based algorithm for drone cinematography system | |
| CN112926681A (zh) | 一种基于深度卷积神经网络的目标检测方法及装置 | |
| Sutton | The grand challenge of predictive empirical abstract knowledge | |
| JP6253838B1 (ja) | 行動ログ生成方法、行動ログ生成装置及び行動ログ生成プログラム | |
| JP2022018333A (ja) | プログラム、情報処理方法、情報処理装置及びモデル生成方法 | |
| US20240169209A1 (en) | Computer-implemented method for producing a software image, suitable for a numerical simulation, of at least part of a real controller | |
| Salerno et al. | Spiking neural networks as continuous-time dynamical systems: fundamentals, elementary structures and simple applications | |
| JP3222555B2 (ja) | 文字パターン生成装置及びこれを用いた文字認識装置 | |
| JPH05128082A (ja) | 階層ネツトワーク構成データ処理装置とその学習処理方法 | |
| US20230177820A1 (en) | Computing apparatus and method for performing reinforcement learning using multimodal artificial intelligence agent |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20030107 |