-
公开(公告)号：CN117111473A
公开(公告)日：2023-11-24
申请号：CN202311179384.3
申请日：2023-09-13
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 陈曦妍 , 翟春杰 , 陈慧勤 , 尹克 , 王博 , 陈楚翘 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 王帅 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 张继勇 , 李宗鹏 , 丁贵广
IPC: G05B13/04
Abstract: 本发明公开了一种基于离群消除的电动车队离散域分层节能控制方法，首先构建异步延迟补偿卡尔曼滤波器来补偿与预期通信延迟严重不同的信号中的通信延迟和拒绝离散值；之后建立电动汽车的三阶动力学模型和功率模型并设计分布式自适应滑模控制器；确定控制目标；最后构建基于上下层分层控制的车队参考轨迹优化问题，实现分层节能控制。本发明补偿了通信延迟并消除了离散值，运用了分层控制方法，提高电动汽车的电池使用寿命且保证了车辆的安全性。
-
公开(公告)号：CN117036539A
公开(公告)日：2023-11-10
申请号：CN202311168862.0
申请日：2023-09-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的虚拟视点绘制空洞填充方法及装置，基于原图及其掩膜图，得到待修复图，将待修复图和掩膜图输入渐进式迭代网络，渐进式迭代网络通过部分卷积对待修复图进行局部空洞识别，并基于知识一致注意力机制进行空洞填充，构建损失函数以提升背景空洞区域和已知区域的语义一致性；构建上下文特征传播损失，融入步骤S1中构建的损失函数，将渐进式迭代网络的输出，进行相似性编码，得到图像块和非空洞区域图像块的相似度，基于相似度，使得背景空洞生成具有语义一致性的填充块；将渐进式迭代网络的输出，进行加权合并，得到最终的修复图。
-
公开(公告)号：CN116993908A
公开(公告)日：2023-11-03
申请号：CN202310894835.5
申请日：2023-07-20
Applicant: 杭州电子科技大学
Inventor： 朱尊杰 , 魏宇鑫 , 颜成钢 , 张文豪 , 路荣丰 , 赵思成 , 孙垚棋 , 王帅 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨
Abstract: 本发明公开了一种多传感器信息融合的相机定位和三维重建方法。本发明方法分为前端和后端两个线程来实现三维模型的重建。前端线程通过融合多个、多种传感器实现了更加鲁棒的位姿估计以及更加高效的场景地图重建。后端线程在提供了准确的回环检测后构建位姿图优化，进而获得了更为精确的相机位姿估计以及更高的三维地图质量。
-
公开(公告)号：CN116863192A
公开(公告)日：2023-10-10
申请号：CN202310448412.0
申请日：2023-04-24
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/764 , G06V10/766 , G06V10/40 , G06V10/82 , G06V10/774 , G06V10/10 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于深度先验的深度估计空间划分优化方法，首先获取RGB图及对应的稀疏深度图，通过轻量化特征提取模块处理稀疏深度图，获得空间划分结果；再通过深度估计网络进行概率预测；最后将得到的空间划分结果和概率结合起来得到最终的深度图。本发明相较于传统的分类‑回归类单目深度估计方法增加了基于稀疏深度图的引导，在一定程度上提升了深度空间划分的质量，达到使深度估计结果更加准确的效果。
-
公开(公告)号：CN116823940A
公开(公告)日：2023-09-29
申请号：CN202310393130.5
申请日：2023-04-13
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 郭泰佑 , 胡江涛 , 徐浙峰 , 宣仲玮 , 朱尊杰 , 徐枫 , 王帅 , 高宇涵 , 王廷宇 , 孙垚棋 , 王鸿奎 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
Abstract: 本发明公开了一种三维场景移动物体检测方法，首先对同一场景在两个时间点创建的点云模型进行预处理，再将预处理后的两个点云进行配准；将配准后的两个点云分别进行物体检测，得到两个物体集合；之后将配准后的两个点云进行差分，得到它们的差异区域,根据差异区域从两个物体集合中分别提取得到两个候选移动物体集合；最后将候选移动物体集合进行暴力配准物体匹配，得到最终移动信息。本发明方法更加轻量简洁，便于用于公安，安防，机器人等地方。
-
Patent Agency Ranking
公开(公告)号：CN116740286A
公开(公告)日：2023-09-12
申请号：CN202310782575.2
申请日：2023-06-29
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 任浩帆 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 王帅 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 张继勇 , 薛安克
IPC: G06T17/00 , G06T5/00 , G06T7/11 , G06T7/66 , G06V20/10 , G06V10/30 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的快速增量式室内语义建图方法，首先构造识别墙面、地板和天花板的主平面识别深度神经网络；对于增量式的RGBD序列，基于主平面识别深度神经网络获取序列的每一帧彩色图中的墙面、地板和天花板的掩膜；根据获取的掩膜进行快速的物体聚类后，通过相机内外参数，获得点云簇；计算聚类后物体的属性，构建图神经网络所需的图表示，通过图神经网络获取语义信息，从而实现语义建图。本发明无需提前获取完整的三维地图，在机器人运动的过程当中就可以获取语义信息，而且处理速度较快。
-
公开(公告)号：CN116528061A
公开(公告)日：2023-08-01
申请号：CN202310169232.9
申请日：2023-02-10
Applicant: 杭州电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种脉冲视频信号可视化FPGA硬件及重建方法，包括Capture模块、SNN_IP算法模块和MIPI_OUT模块，所述Capture模块用于存储相机捕捉的脉冲信号并对其进行预处理；所述SNN_IP算法模块用于对预处理的脉冲数据采用TFP算法重构出灰度像素数据；所述MIPI_OUT模块用于将重构像素数据并行输出。本发明分别算法优化和系统级优化两部分来解决。一、算法优化方面：在重构算法上，我们运用TFP算法对视频脉冲流进行处理，实现了脉冲像素的快速重构。二、硬件级优化方面：采用pipeline结构，在限制资源的前提下，大大减少了运行时间。
-
公开(公告)号：CN116527910A
公开(公告)日：2023-08-01
申请号：CN202310422535.7
申请日：2023-04-11
Applicant: 杭州电子科技大学 , 浙江省经济信息中心(浙江省价格研究所)
IPC: H04N19/147 , H04N19/149 , H04N19/19 , H04N19/70
Abstract: 本发明属于AVS3视频编码领域，具体涉及一种基于扫描线并行的率失真优化量化方法，在完成预量化过程之后，采用列扫描顺序对预量化系数进行并行计算；每次计算多组预量化系数数据，在多组数据比较下确定最优量化系数；之后对非零位置进行并行决策，确定扫描线上最优非零位置。最后进行移位末位系数置零操作。本发明的方法在RDOQ中，提出了通过局部性优化，在符合zig‑zag扫描模式的情况下，可以进行并行处理，同时保留局部依赖。本发明在保证效果良好的前提下，减小了编码损失。
-
公开(公告)号：CN112866694B
公开(公告)日：2023-07-14
申请号：CN202011644521.2
申请日：2020-12-31
Applicant: 杭州电子科技大学
IPC: H04N19/124 , H04N19/13 , H04N19/147 , H04N19/42 , H04N19/597 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明用于基于端到端的智能图像压缩领域，属于图像/视频压缩领域，涉及联合非对称卷积块和条件上下文的智能图像压缩的优化方法，具有训练阶段和推理阶段，在所述训练阶段，搭建整体端到端的图像压缩框架，包括主编码/解码器，超先验编码/解码器，条件上下文模型，熵参数模型，以及因子分解熵模型，其中，所述主编码/解码器，超先验编码/解码器均采用非对称卷积块即ACB模块对视频图像进行特征提取；在推理阶段，利用ACB模块的兼容性对并行卷积核合成。本发明通过非对称卷积块能够提高标准平方卷积的提取特征的能力，邻域/全局域的上下文捕获机制则可以提高潜在特征值的建模精准度，使之更符合客观出现概率情况来减少编码冗余。
-
公开(公告)号：CN115861637A
公开(公告)日：2023-03-28
申请号：CN202211701856.2
申请日：2022-12-28
Applicant: 杭州电子科技大学
IPC: G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于双分支网络的显著目标检测方法。首先分别采用CNN和Tranformer两个分支作为模型的编码器，来提取不同分支的特征；再采用特征交互模块来分别对两个分支后三层提取的特征进行交互，来获得更加丰富的初始特征信息；然后通过特征融合模块来将两个分支相对应层的特征进行融合；再将融合后的特征送入到边缘补充模块中，来增强边缘信息；最后通过解码器来得到显著图。本发明通过特征交互模块得到了更丰富的全局多尺度特征。同时，为了解决不同分支之间特征的差异性，采用了特征融合模块，使两个分支的特征可以有效融合。而且，针对目前常见的边缘模糊问题，本发明通过边缘补充模块来增强特征的边缘信息。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.03 seconds)
