-
公开(公告)号：CN112581373B
公开(公告)日：2022-06-10
申请号：CN202011471881.7
申请日：2020-12-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的图像颜色校正方法，属于深度学习和计算机视觉领域。首先，收集不同光照环境下的图像数据构建色偏图像数据集。之后，对数据进行数据增强和预处理，使数据符合神经网络训练要求。然后，构建一种Encoder‑Decoder结构的基础卷积神经网络，并依据该基础神经网络构建级联的卷积神经网络。同时，针对级联神经网络的特点，设计了特定的神经网络损失函数。通过训练之后，该级联卷积神经网络可将一张色偏的原图片转化为无色偏的图片。本方法不需要进行先验的假设，可快速实时检测，能够应用到各种自动化图像色偏矫正系统和设备中，不仅避免了人工校正的主观性，同时大大提高了矫正效率，减轻了人工矫正负担，提升了图像色偏矫正的准确性。
-
公开(公告)号：CN112597799A
公开(公告)日：2021-04-02
申请号：CN202011326682.7
申请日：2020-11-24
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于视觉的无人机飞行趋势判断方法，能够解决无人机集群编队飞行时面对强电磁干扰环境下丢失其他合作单位信息的问题。本发明基于深度学习网络进行编队集群飞行间个体间飞行趋势判断，通过使用视觉的方法，不会受到电磁干扰，在强电磁干扰的情况下仍然能正常工作，不受环境、气候等条件的影响；其中，使用基于深度学习网络的目标识别算法，具有鲁棒性高、抗干扰性强且能够同时识别多个目标的优点，除此之外，使用基于深度学习网络的目标识别算法在经过GPU加速后可以满足嵌入式平台的使用需求。本发明通过单目捷联式导引头实现可以有效提升检测距离。
-
Patent Agency Ranking
公开(公告)号：CN116704094A
公开(公告)日：2023-09-05
申请号：CN202310242137.7
申请日：2023-03-14
Applicant: 北京理工大学
IPC: G06T15/04 , H04N19/172 , G06T17/00 , G06T7/80 , G06T7/70
Abstract: 本发明公开了一种高还原度虚拟环境的数据生成及自动标注方法，涉及数据生成和无人机仿真技术领域，包括：采用虚幻引擎渲染虚拟仿真环境，获取视景相机渲染图像并导出；通过自定义的网络协议以及传输控制协议，对视景相机渲染图像进行实时图像编码及单帧图像传输；利用环境投影原理和目标关键点坐标信息，将目标世界坐标转换到相机坐标中，提取目标标注信息，完成整体数据采集和标注任务。本发明可以在不掉帧的前提下实现对仿真图像的实时稳定提取，实现低延迟的单帧图像数据传输任务，解决虚幻引擎只能将坐标转移到屏幕坐标系的弊端，支持多相机的图像采集和自动标注任务。
-
公开(公告)号：CN116310908A
公开(公告)日：2023-06-23
申请号：CN202310275476.5
申请日：2023-03-21
Applicant: 北京理工大学
IPC: G06V20/17 , G06V10/145 , G06V10/147 , G06V10/764 , G06V10/94 , G06V10/96 , G05D1/10 , G05D1/08 , B64U20/87 , B64U101/31
Abstract: 本发明公开了一种基于低照度敏感单元的微光夜视目标识别装置，涉及无人机领域，包括低照度敏感单元、嵌入式计算模块、飞行控制模块和碳纤维板，所述低照度敏感单元、所述嵌入式计算模块、所述飞行控制模块依据设计位置连接在所述碳纤维板上，低照度敏感单元、嵌入式计算模块和飞行控制模块对应安装于固定翼无人机机体内部的头舱至机舱，低照度敏感单元和嵌入式计算模块电连接，低照度敏感单元、嵌入式计算模块均与飞行控制模块电连接。本发明通过低照度敏感单元在夜间和正常光照下均可使用，根据时间的不同采用不同权重进行识别，提高目标识别概率，将目标的视线角信息发送给飞行控制模块，实现无人机伴随飞行。
-
公开(公告)号：CN112581373A
公开(公告)日：2021-03-30
申请号：CN202011471881.7
申请日：2020-12-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的图像颜色校正方法，属于深度学习和计算机视觉领域。首先，收集不同光照环境下的图像数据构建色偏图像数据集。之后，对数据进行数据增强和预处理，使数据符合神经网络训练要求。然后，构建一种Encoder‑Decoder结构的基础卷积神经网络，并依据该基础神经网络构建级联的卷积神经网络。同时，针对级联神经网络的特点，设计了特定的神经网络损失函数。通过训练之后，该级联卷积神经网络可将一张色偏的原图片转化为无色偏的图片。本方法不需要进行先验的假设，可快速实时检测，能够应用到各种自动化图像色偏矫正系统和设备中，不仅避免了人工校正的主观性，同时大大提高了矫正效率，减轻了人工矫正负担，提升了图像色偏矫正的准确性。
-
公开(公告)号：CN115859699B
公开(公告)日：2023-05-02
申请号：CN202310190139.6
申请日：2023-03-02
Applicant: 北京理工大学
IPC: G06F30/20 , G06T15/00 , G06F111/10 , G06F119/14
Abstract: 本发明公开了一种提供三维场景渲染的大规模细粒度集群弹药仿真系统，属于集群飞行仿真技术领域。包括：集群控制模块、仿真机、UE4‑RPC服务器、弹药飞行场景渲染模块以及地面监控模块；其中，集群控制模块用于运行集群决策软件；仿真机由N个飞行仿真节点组成；UE4‑RPC服务器获取仿真机中的所有飞行仿真节点的飞行状态真值，供UE4软件渲染图像使用；弹药飞行场景渲染模块生成弹药飞行场景的渲染节点，模拟获取的图像信息；地面监控模块实时监控集群弹药飞行状态，控制飞行仿真节点及渲染节点的启动或停止。本发明解决了大规模集群弹药系统验证难、复现难的问题。
-
公开(公告)号：CN112597799B
公开(公告)日：2022-09-27
申请号：CN202011326682.7
申请日：2020-11-24
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于视觉的无人机飞行趋势判断方法，能够解决无人机集群编队飞行时面对强电磁干扰环境下丢失其他合作单位信息的问题。本发明基于深度学习网络进行编队集群飞行间个体间飞行趋势判断，通过使用视觉的方法，不会受到电磁干扰，在强电磁干扰的情况下仍然能正常工作，不受环境、气候等条件的影响；其中，使用基于深度学习网络的目标识别算法，具有鲁棒性高、抗干扰性强且能够同时识别多个目标的优点，除此之外，使用基于深度学习网络的目标识别算法在经过GPU加速后可以满足嵌入式平台的使用需求。本发明通过单目捷联式导引头实现可以有效提升检测距离。
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
