-
公开(公告)号：CN118071926A
公开(公告)日：2024-05-24
申请号：CN202410199073.1
申请日：2024-02-22
Applicant: 北京理工大学
Abstract: 本发明提供了一种多视角图像的分层动态三维重建方法，该方法基于已经建立好的初始静态模型，并利用后续的视频输入，得到对应空间下动态三维模型。相对于已有方法，该方法可以提高基于神经辐射场的动态三维重建方法的收敛速度和重建效果；本方法改变了NeRF动态场景重建中使用单一变形场描述空间扭曲的方法，取而代之使用分层动态场联合描述特征扭曲。这降低了低频运动的解空间，同时闲置了高频噪声对低频信号收敛的干扰，保证了训练过程收敛的速度和质量，以及收敛过程的鲁棒性。此外，该方法通过改变输入样本采样方式，提高了训练效率。从而使得该方法在实际工程任务中得以应用。
-
公开(公告)号：CN117893412A
公开(公告)日：2024-04-16
申请号：CN202410297514.1
申请日：2024-03-15
Applicant: 北京理工大学
IPC: G06T5/00 , G06V10/762 , G01S17/93 , G01S17/88
Abstract: 本发明公开了一种点云数据滤除方法、装置、设备及存储介质，属于三维重建技术领域；首先对激光雷达的雷达坐标系进行划分，在雷达坐标系中确定多个视锥子区域；之后根据每个视锥子区域中的区域点云数据的分布，在点云数据中确定出噪点数据，并在点云数据中剔除噪点数据；通过在雷达坐标系中划分出多个视锥子区域，从而对噪点数据进行重组；之后利用雨雾和灰尘的无规则特性，根据每个视锥子区域中区域点云数据的分布情况，在点云数据中确定出与雨雾和灰尘相对应的噪点数据，并在点云数据中将噪点数据进行剔除；本发明能够有效对因雨雾和灰尘造成的点云数据进行滤除，解决了现有技术中点云数据的雨雾和灰尘的过滤算法，存在着过滤效果差的问题。
-
公开(公告)号：CN117292150A
公开(公告)日：2023-12-26
申请号：CN202311236222.9
申请日：2023-09-25
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于自适应圆形采样与扇形分块的鱼眼图像特征提取方法，首先根据原始鱼眼图像的分辨率以及图像中有效区域的半径大小计算圆形采样点的位置，然后通过双线性插值的方法计算得到采样点的像素信息；根据扇形区域大小对图像进行扇形分块，依据每个扇形区域的表达式确定其所包含的采样点信息，实现图像的扇形分块；随后将扇形分块中的像素信息通过全连接神经网络进行特征提取，生成高维特征向量；本发明的特征提取方式更加符合鱼眼图像的畸变分布规律，并能过滤掉鱼眼图像中的无效像素信息，提升模型对全局与局部特征的建模能力，能够更好地实现鱼眼图像的特征提取，为鱼眼图像下的分类、检测等任务的研究提供便利。
-
公开(公告)号：CN115018806A
公开(公告)日：2022-09-06
申请号：CN202210709523.8
申请日：2022-06-21
Applicant: 北京理工大学
Abstract: 本发明提供一种克服内部光路遮挡的层析成像方法，对待测的三维信号场进行离散化，再通过对离散化得到的体素和二维投影上的像素进行分类处理，预先排除一部分信号值为0的无效体素和二维投影上的零值像素，仅根据有效体素与非零值像素之间的映射关系重建三维信号场的光场分布，从而大大提高了三维层析成像的计算效率与重建精度，并且能够大大减少不完整投影造成的重建错误；此外，本发明不仅能够应用于待测三维信号场内部存在遮挡物时的层析成像，还适用于开放的光路在光线传播过程中存在遮挡物时的层析成像。
-
公开(公告)号：CN114218786A
公开(公告)日：2022-03-22
申请号：CN202111513787.8
申请日：2021-12-13
Applicant: 北京理工大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明实施例提供了一种非偏振卫星传感器在轨偏振辐射特性反演方法。该方法包括：获取非偏振卫星传感器在轨后获得的洋面场景区域的卫星观测数据作为地物观测目标；对所述卫星观测数据进行预处理；获取所述洋面场景区域的环境数据并进行预处理得到洋面环境数据；利用所述洋面环境数据构建海洋表面三维模型；基于所述海洋表面三维模型，结合菲涅尔反射定律模拟海洋表面的偏振辐射状态。此方法能够对在轨后的非偏振卫星传感器的偏振辐射特性进行反演及分析，得到大气顶的偏振辐射状态；对仪器偏振敏感性随观测几何和环境条件进行分析，得出仪器偏振辐射随不同条件的变化规律，对后续非偏振卫星传感器的偏振校正和辐射定标具有指导意义。
-
Patent Agency Ranking
公开(公告)号：CN114218786B
公开(公告)日：2024-07-05
申请号：CN202111513787.8
申请日：2021-12-13
Applicant: 北京理工大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明实施例提供了一种非偏振卫星传感器在轨偏振辐射特性反演方法。该方法包括：获取非偏振卫星传感器在轨后获得的洋面场景区域的卫星观测数据作为地物观测目标；对所述卫星观测数据进行预处理；获取所述洋面场景区域的环境数据并进行预处理得到洋面环境数据；利用所述洋面环境数据构建海洋表面三维模型；基于所述海洋表面三维模型，结合菲涅尔反射定律模拟海洋表面的偏振辐射状态。此方法能够对在轨后的非偏振卫星传感器的偏振辐射特性进行反演及分析，得到大气顶的偏振辐射状态；对仪器偏振敏感性随观测几何和环境条件进行分析，得出仪器偏振辐射随不同条件的变化规律，对后续非偏振卫星传感器的偏振校正和辐射定标具有指导意义。
-
公开(公告)号：CN119661662A
公开(公告)日：2025-03-21
申请号：CN202411215857.5
申请日：2024-08-30
Applicant: 北京理工大学
IPC: C07K14/195 , C12N15/31 , C12N15/70 , C12N15/74 , C12N1/21 , C05F11/08 , C05G3/00 , C12R1/19 , C12R1/065
Abstract: 本申请提供了一种NifA蛋白突变体及其应用，所述NifA蛋白突变体包含基于参考序列的突变，所述参考序列的氨基酸序列如SEQ ID NO:1所示，其中所述NifA蛋白突变体的氨基酸包含：(1)对应于SEQ ID NO:1的R194和R198中的至少一个位点的氨基酸突变，优选对应于SEQ ID NO:1的R194和R198位点的氨基酸突变；(2)对应于SEQ ID NO:1的182‑VNIED‑186中的至少一个位点的氨基酸突变，优选对应于SEQ ID NO:1的182‑VNIED‑186位点的氨基酸突变；或(3)对应于SEQ ID NO:1的N端氨基酸截短，优选对应于SEQ ID NO:1的前209个位点的氨基酸删除。本申请的NifA蛋白突变体具有永活的特性，能够增强固氮酶基因的表达，在提高固氮菌的固氮效率、开发绿色高效的生物肥料等方面具有良好的应用前景，并在一定程度上推动了生物固氮技术的发展。
-
公开(公告)号：CN115018177B
公开(公告)日：2025-01-10
申请号：CN202210709502.6
申请日：2022-06-21
Applicant: 北京理工大学
IPC: G06Q10/04 , G06Q10/0631 , G06T7/00
Abstract: 本发明属于优化方法，具体涉及一种三维层析相机排布优化方法。它包括下述步骤：步骤1：获得投影；获得所有可能方向上的投影；步骤2：预处理；步骤3：确定每张投影确定的未知体素分布范围；步骤4：确定每张投影确定的有效修正次数；步骤5：列出所有可能的相机排布方式；步骤6：计算不同相机排布方式的未知体素个数；步骤7：计算不同相机排布方式的有效修正次数；步骤8：计算不同相机排布方式的平均有效修正次数；步骤9：确定最优排布方式。本发明相对于现有技术具有以下有益效果：使用该排布方式的重构结果精度高。
-
公开(公告)号：CN119068169A
公开(公告)日：2024-12-03
申请号：CN202411015827.X
申请日：2024-07-26
Applicant: 北京理工大学
IPC: G06V10/25 , G06V10/764 , G06V10/75
Abstract: 本发明提供了一种用于多点检测的精度评价方法，属于目标检测领域，首先根据多边形面积求解公式计算真值框和预测框的面积，并将多边形分解为三角形的向量表示形式，然后逐像素计算多边形预测框和多边形真值框的交面积，得到准确的多边形检测框面积交并比，最后通过统计每个类别对应的所有多边形预测框信息，计算多边形真值框与预测框的面积交并比，得到准确率和召回率，最终获取目标检测的评价指标，该发明可以提高多边形表示方法中召回率、准确率和mAP结果的准确性。并且该方法将像素点和多边形的位置关系转换为像素点和三角形的位置关系，减少了运算次数；适用于任意形状、任意方向的多边形检测框，可以减少多边形面积交并比求解中的近似误差。
-
公开(公告)号：CN118196155A
公开(公告)日：2024-06-14
申请号：CN202410324729.8
申请日：2024-03-21
Applicant: 北京理工大学
Abstract: 本发明属于图像处理领域，尤其涉及一种基于神经图像场恢复的区域图像对齐方法。首先根据待对齐子图像和目标图像进行全局匹配归一化坐标转换，然后为每张待对齐子图像建立可学习单应变换矩阵，建立神经图像场网络预测输出图像像素值与提供的待匹配图像与待匹配图像子图间的光度误差损失函数，实现单应变换矩阵的端到端学习与训练；当达到设定条件后，优化过程结束，此时优化后的单应变换矩阵即为图像对齐所需要的变换矩阵；本发明打破了传统图像对齐技术“特征匹配—图像对齐”的求解框架，在实现端到端训练的同时充分利用了图像的每颗像素信息，可以获得更为精确的图像对齐变换矩阵，为以图像对齐方法为基础的实际场景应用提供相关研究便利。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.027 seconds)
