-
公开(公告)号：CN119555022B
公开(公告)日：2025-04-18
申请号：CN202510079138.3
申请日：2025-01-17
Applicant: 之江实验室
Abstract: 本说明书公开了一种矢量磁测计定姿方法、装置、存储介质及电子设备，获取参考磁测计在第一位置的量测磁场强度，以设定角度#imgabs0#多次旋转待测磁测计，获取各次旋转后待测磁测计在第二位置的量测磁场强度。根据参考磁测计在第一位置的量测磁场强度、各次旋转后待测磁测计在第二位置的量测磁场强度、第一参数和第二参数，构建目标函数。在本说明书中，第一参数为未旋转时待测磁测计的坐标系和参考磁测计的坐标系之间的相对角度，第二参数为第一位置和第二位置的矢量磁场差。通过将待测磁测计多次旋转，建立起参考磁测计和待测磁测计坐标系的测量结果之间的等量关系，求解第一参数，确定出待定坐标系相对于参考磁测计的坐标系的旋转姿态。
-
公开(公告)号：CN118603079B
公开(公告)日：2024-10-25
申请号：CN202411086731.2
申请日：2024-08-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种地磁导航的方法、装置、存储介质及电子设备，包括：在载体移动的过程中，按照预设周期，对载体当前所在位置的地磁数据进行采样。再根据在当前周期内采样到的地磁数据，确定当前周期的地磁熵。根据地磁熵，对当前周期的采样频率进行调整。根据调整后的采样频率，继续按照预设周期，对载体所在位置的地磁数据进行采样，直到周期的数量达到预设阈值时，根据在所有周期内采样到的地磁数据，从预设的地磁基准图中，确定载体的位置。通过用于表征地磁场的地磁强度的变化程度的地磁熵，动态调整采样频率，使得采样到地磁数据可以有效捕捉地磁场的细节特征，从而提升了得到的载体的位置的准确度。
-
公开(公告)号：CN118053153A
公开(公告)日：2024-05-17
申请号：CN202410457520.9
申请日：2024-04-16
Applicant: 之江实验室
Abstract: 本说明书公开了一种点云数据的识别方法、装置、存储介质及电子设备。所述点云数据的识别方法包括：获取无人设备采集的待识别点云数据，将待识别点云数据中包含的每个三维点云点投影到指定二维平面上，根据投影到每个扇形栅格区域中的三维点云点，构建待识别点云数据对应的特征矩阵，作为目标特征矩阵，从而可以根据目标特征矩阵和历史点云数据对应的历史特征矩阵之间的相似度，确定待识别点云数据对应的地点是否为历史访问地点的识别结果，以提升点云数据的识别效率。
-
-
公开(公告)号：CN116258753A
公开(公告)日：2023-06-13
申请号：CN202310299814.9
申请日：2023-03-20
Applicant: 之江实验室
Abstract: 本说明书公开了一种图像的配准方法、装置、存储介质及电子设备，获取无人机采集的空中图像和无人车采集的地面图像。根据无人机与无人车的相对位姿，确定空中图像与地面图像之间的粗仿射模型。确定空间采样点，并根据初始位置对应的空中图像确定各空间采样点对应的空中图像。根据初始位置对应的粗仿射模型，确定各空间采样点对应的粗仿射模型。确定各空中图像中与地面图像匹配的空中图像，根据该空中图像，确定该匹配采样点对应的粗仿射模型，进而得到无人机与无人车之间的精仿射模型。在没有先验地图信息的情况下，也能实现空中图像与地面图像的配准。且不受环境的约束，即在城市低空或者室内环境中时，也可以实现空中图像与地面图像的配准。
-
Patent Agency Ranking
公开(公告)号：CN119721273A
公开(公告)日：2025-03-28
申请号：CN202510212619.7
申请日：2025-02-25
Applicant: 之江实验室
Abstract: 本申请公开了一种模型量化方法、装置及介质，该方法包括：对预训练模型量化得到初始量化模型，并确定插入初始量化模型中的提升模块的目标数量。将初始量化模型划分为目标数量个骨干网络模块；为各骨干网络模块并联插入一个提升模块，得到包括多个目标单元的待优化模型；目标单元包括提升模块和骨干网络模块；依次对待优化模型中各目标单元进行优化，得到中间优化模型；通过预设损失函数对中间优化模型进行全局优化，得到目标优化模型。由此，在初始量化模型中插入提升模块得到待优化模型，即，在初始量化模型中增加计算复杂度以提升计算精度。进一步的，依次对待优化模型进行局部和全局优化，得到高运行速度和高计算精度的目标优化模型。
-
公开(公告)号：CN119003826B
公开(公告)日：2025-02-11
申请号：CN202411470793.3
申请日：2024-10-21
Applicant: 之江实验室
IPC: G06F16/901 , G06F16/903 , G06F18/213 , G06F18/22 , G01N30/72 , G01N33/00
Abstract: 本说明书提供一种气味源识别方法、装置、存储介质和电子设备，通过嗅觉传感器对指定地点的待识别气体进行检测，得到传感器响应特征，根据预先建立的气味源数据库，确定所述传感器响应特征对应的各目标气味源，以及所述各目标气味源的属性信息，根据所述传感器响应特征和预先确定的多变量全局函数，构建以所述各目标气味源为变量因子的因子图模型，其中，所述多变量全局函数以所述各目标气味源与所述指定地点的相对位置为变量，根据所述因子图模型和所述各目标气味源的属性信息，确定所述各目标气味源的位置。通过该方法，能够准确的进行气味源识别，确定各气味源的位置信息。
-
公开(公告)号：CN119003826A
公开(公告)日：2024-11-22
申请号：CN202411470793.3
申请日：2024-10-21
Applicant: 之江实验室
IPC: G06F16/901 , G06F16/903 , G06F18/213 , G06F18/22 , G01N30/72 , G01N33/00
Abstract: 本说明书提供一种气味源识别方法、装置、存储介质和电子设备，通过嗅觉传感器对指定地点的待识别气体进行检测，得到传感器响应特征，根据预先建立的气味源数据库，确定所述传感器响应特征对应的各目标气味源，以及所述各目标气味源的属性信息，根据所述传感器响应特征和预先确定的多变量全局函数，构建以所述各目标气味源为变量因子的因子图模型，其中，所述多变量全局函数以所述各目标气味源与所述指定地点的相对位置为变量，根据所述因子图模型和所述各目标气味源的属性信息，确定所述各目标气味源的位置。通过该方法，能够准确的进行气味源识别，确定各气味源的位置信息。
-
公开(公告)号：CN118097359B
公开(公告)日：2024-07-19
申请号：CN202410493628.3
申请日：2024-04-23
Applicant: 之江实验室
Abstract: 本说明书提供的一种模型训练方法、装置、存储介质以及电子设备，获取目标区域的全色图像、多光谱图像以及标准融合图像，将全色图像以及多光谱图像输入到目标模型中，以提取出全色图像的频域特征以及多光谱图像的频域特征，并将全色图像的频域特征以及多光谱图像的频域特征进行特征融合，以确定出第一特征图像，以及，对全色图像以及多光谱图像进行图像融合，以根据融合后的图像中包含的各像素点的像素信息，确定出自适应权重，并根据自适应权重对融合后的图像进行处理，以得到第二特征图像，将第一特征图像与第二特征图像进行叠加，以确定输出的预测融合图像，以最小化预测融合图像与标准融合图像之间的偏差为优化目标，对目标模型进行训练。
-
公开(公告)号：CN118053052B
公开(公告)日：2024-06-28
申请号：CN202410457517.7
申请日：2024-04-16
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/762 , G06V10/26 , G06V20/70 , G06V10/42 , G06V10/44 , G06V20/56 , G06V20/64
Abstract: 本说明书公开了一种无监督的高精矢量地图元素异常检测方法，可以将高精地图中各矢量元素分为线段元素、长线元素以及不规则元素，并基于三类元素构建空间检索树KD‑Tree，而后可以针对每类元素，根据KD‑Tree构建该类元素对应的相对空间关系特征，最后，可以根据各类元素对应的相对空间关系特征，通过预设的离群点检测方法，对各矢量元素进行异常元素检测，本发明提出了一种自动化的针对高精矢量地图的异常检测算法，可以在已构建好的高精矢量地图中无监督、自动化地检测出可能存在错误的异常元素，相较于人工的地图核准工作，能够利用自动化算法降低重复性劳动，同时能够大大提升自动驾驶地图部署效率，降低错误元素的漏检率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.027 seconds)
