-
公开(公告)号：CN116310785B
公开(公告)日：2023-11-24
申请号：CN202211660091.2
申请日：2022-12-23
Applicant: 兰州交通大学 , 甘肃路桥飞宇交通设施有限责任公司
IPC: G06V20/10 , G06V20/17 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于YOLOv4的无人机影像路面病害检测方法，属于路面病害检测领域。采用深度可分离卷积作为YOLOv4中卷积方式降低了网络的复杂度和减少模型计算的参数量；SE通道注意力按照每个通道的重要性分配不同的权重，有效利用通道间的信息；自适应特征融合模块充分学习高低层之间的特征信息，自适应地学习各尺度特征映射融合的空间权重，解决了由于YOLOv4中特征金字塔和路径聚合网络特征融合不充分问题，通过加入SE注意力机制和自适应特征融合模块能够进一步提高网络精度；采用的(56)对比文件Zhi Qiu等.Application of an improvedYOLOv5 algorithm in real-time detectionof foreign objects by ground penetratingradar《.Remote Sensing》.2022,第14卷(第8期),第1-25页.罗晖等.基于改进YOLOv4的公路路面病害检测算法《.激光与光电子学进展》.2021,第58卷(第14期),第336-344页.Gege Guo等.Road damage detectionalgorithm for improved YOLOv5《.scientificreports》.2022,第1-12页.陈帅等.改进Yolov5的手语字母识别算法研究[J/OL]《.小型微型计算机系统》.2022,网络首发论文摘要、第3.2节.
-
公开(公告)号：CN116168312A
公开(公告)日：2023-05-26
申请号：CN202310155912.5
申请日：2023-02-23
Applicant: 兰州交通大学
Abstract: 本发明公开一种复杂场景下端到端的AR辅助装配三维注册方法及系统，涉及AR辅助装配技术领域，训练好的位姿预测模型包括依次连接的特征提取模块和位姿预测模块，特征提取模块采用特征注意力机制和多尺度网络框架，位姿预测模块采用线性回归、可微渲染器和位姿校准网络，后续利用训练好的位姿预测模型确定场景图像中的待注册对象的预测位姿，以进一步根据预测位姿将虚拟信息渲染至待注册对象上，从而实现虚拟信息的渲染，通过采用新型结构的训练好的位姿预测模型，能够实现强适应性、高准确度和实时性的位姿预测，从而有效提高实际AR辅助装配作业的效率。
-
公开(公告)号：CN115546449B
公开(公告)日：2023-04-14
申请号：CN202211271881.1
申请日：2022-10-18
Applicant: 甘肃省气象信息与技术装备保障中心 , 兰州交通大学
Abstract: 本发明涉及增强现实技术领域，特别是涉及一种基于增强现实技术的气象装备培训系统，包括：增强现实模块，用于对待培训设备进行三维建模、降维和贴图三维模板模型；追踪模块，用于基于对待培训设备的实时现实图片对三维模板模型进行位置、尺度和光照进行跟踪，得到实时三维模型；培训模块，用于基于实时三维模型和待培训设备对应的文字描述进行叠加，得到培训资料；三维全景模块，用于构建待培训设备的三维虚拟场景空间，并将三维虚拟场景空间与实时三维模型融合，得到三维全景图；交互模块，用于实现待培训人员进行人机交互。本发明有助于工作人员对气象装备的全方位了解和操作，实现气象装备的虚拟化、可视化和信息化。
-
公开(公告)号：CN114882536A
公开(公告)日：2022-08-09
申请号：CN202210656248.8
申请日：2022-06-10
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于改进SSD的轻量化手势实时检测方法，该检测方法以SSD为基础网络，包括使用MobileNet v2作为模型主干特征提取网络，减小模型的参数量和计算复杂度；设计INA多尺度卷积模块，并应用在其中三个预测特征层，通过连接不同尺寸的卷积核，增加网络对不同尺度特征的适应性；采用K‑means++聚类算法自适应生成适合手部的候选框，对手部进行准确定位来提高模型的检测精度；在制作的手势数据集上对改进后的SSD网络结构进行训练，得到训练好的手势检测模型进行手势检测。应用本发明，可以有效解决手部检测模型由于模型复杂、计算量大难以应用于移动端的问题，并且在减小模型大小和提高检测速度的同时保证了检测精度，适合人机交互下的实时手部检测。
-
公开(公告)号：CN113608618B
公开(公告)日：2022-07-29
申请号：CN202110918275.3
申请日：2021-08-11
Applicant: 兰州交通大学
IPC: G06F3/01 , G06V10/764 , G06V20/40 , G06V10/774 , G06V40/10 , G06K9/62
Abstract: 本发明涉及一种手部区域跟踪方法及系统，该方法首先对自然指尖点交互的移动AR装配系统采集二维视频序列图像，并对采集的图像从图像大小、变换角度方面进行预处理，利用手部肤色均值迭代分割和APBS背景减除的方法确定待注册的手部区域位置，实现对手部区域定位；然后将相关滤波跟踪算法应用于手部区域跟踪，并采用考虑之前所有帧的策略来解决KCF算法每帧图像训练的权重向量更新问题，实现KCF算法对手部区域的自适应跟踪，进而实现复杂环境下对手部区域实时、准确及稳定的跟踪，为指尖点准确实时检测识别提供支撑。
-
Patent Agency Ranking
公开(公告)号：CN113920435A
公开(公告)日：2022-01-11
申请号：CN202111315604.1
申请日：2021-11-08
Applicant: 兰州交通大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于密集网络和注意力机制的铁路沿线遥感图像地物检测方法，涉及深度学习及遥感图像地物目标检测领域。包括使用DenseNet模块代替YOLOv4网络结构CSPDarknet53中部分CSP单元的ResNet残差模块，以实现特征重用；在YOLOv4的骨干网中的每个CSP_Unit中增加一个压缩激励结构，以增强提取特征的能力；在输出网络之前引入通道和空间注意力机制，从而提高检测的准确性。制作铁路沿线遥感地物目标检测数据集，并在该数据集上对改进后的YOLOv4网络结构进行训练，得到训练好的铁路沿线遥感地物检测模型，进行地物检测。本发明能够提高检测速度和检测精度，减小模型大小，适合铁路沿线遥感地物目标检测，满足实时性的要求。
-
公开(公告)号：CN111400405B
公开(公告)日：2021-04-02
申请号：CN202010235513.6
申请日：2020-03-30
Applicant: 兰州交通大学
Abstract: 本发明提供一种基于分布式的监控视频数据并行处理系统及方法，所述处理系统包括：Kafka组件、Spark分布式计算平台和数据存储组件；本发明的Spark分布式计算平台基于重复帧数据划分读取的方式，对视频帧序列进行划分并以多线程并行的方式拉取数据到Spark分布式计算平台的Spark处理节点，进行并行处理。在任务完成后需要对结果数据进行排序、合并操作，最后对合并后的数据结果根据数据类型输出到数据存储组件进行持久化存储，或者继续发送到Kafka组件进行缓存供下一个Spark处理节点进行拉取处理，实现了Kafka采集和Spark处理耦合，提高了系统的灵活性和扩展性。
-
公开(公告)号：CN112329565A
公开(公告)日：2021-02-05
申请号：CN202011154610.9
申请日：2020-10-26
Applicant: 兰州交通大学
Abstract: 本发明公开了一种基于高分遥感影像的道路建设监管方法及系统。该方法包括：对选取的道路施工过程的高分遥感影像进行预处理；基于核主成分分析方法对预处理后的高分遥感影像进行降维；基于核函数的模糊C‑均值算法，对降维后的高分遥感影像进行分类，得到分类结果；基于主成分分析对预处理后的高分遥感影像进行差异特征提取；基于直觉模糊C‑均值聚类算法对差异特征提取后的的遥感影像进行变化检测，得到检测结果；将所述分类结果和所述变化检测结果进行对比分析，得到道路建设监管数据。本发明能够有效的对在建工程进行监管，减少工程在监管方面的投入。
-
公开(公告)号：CN111400405A
公开(公告)日：2020-07-10
申请号：CN202010235513.6
申请日：2020-03-30
Applicant: 兰州交通大学
Abstract: 本发明提供一种基于分布式的监控视频数据并行处理系统及方法，所述处理系统包括：Kafka组件、Spark分布式计算平台和数据存储组件；本发明的Spark分布式计算平台基于重复帧数据划分读取的方式，对视频帧序列进行划分并以多线程并行的方式拉取数据到Spark分布式计算平台的Spark处理节点，进行并行处理。在任务完成后需要对结果数据进行排序、合并操作，最后对合并后的数据结果根据数据类型输出到数据存储组件进行持久化存储，或者继续发送到Kafka组件进行缓存供下一个Spark处理节点进行拉取处理，实现了Kafka采集和Spark处理耦合，提高了系统的灵活性和扩展性。
-
公开(公告)号：CN114004865B
公开(公告)日：2025-05-09
申请号：CN202111314111.6
申请日：2021-11-08
Applicant: 兰州交通大学
IPC: G06F11/14
Abstract: 本发明公开了一种结合DSST尺度估计的孪生网络增强现实目标跟踪注册方法，将DSST滤波器引入到孪生网络跟踪过程中，用HOG特征弥补孪生网络中深度特征，抑制向相似目标产生漂移；转移到DSST中的候选目标由SiamFC筛选更加准确，缓解了DSST的边界效应；目标位置和尺度传递回SiamFC网络后，采用线性插值更新相关滤波系数进行目标重定位，得到较为精准的待注册目标区域；对待注册目标特征通过ORB算法进行检测匹配，通过汉明距离进行匹配后对误匹配对采用RANSAC进行剔除，并根据匹配相邻帧间特征关系求得注册矩阵，并与OpenGL生成的立方体虚拟模型渲染后完成虚拟信息的注册，确保实时性的同时提高了传统的增强现实跟踪注册算法结果的准确率、鲁棒性和稳健性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.028 seconds)
