-
公开(公告)号：CN112668469A
公开(公告)日：2021-04-16
申请号：CN202011578521.7
申请日：2020-12-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的多目标检测识别方法，点云映射网络对已有的3D点云数据集进行二维图像特征映射，加入偏移量特征，获得以三维点云投影并离散成分辨率固定的二维网格；其次，通过条状池化对所述二维网格进行卷积处理，获得一维向量的特征图；再次，卷积网络中引入注意力机制对一维向量的特征图进行强化处理；最后，针对所述一维向量的特征图中每个网格单元设计预测边界框，并且确定目标的空间位置、大小、类别概率和方向信息。本发明首次在点云映射方法中加入偏移量特征，在卷积网络中引入注意力机制，让模型可以更加关注信息量最大的通道特征，而抑制那些不重要的通道特征。
-
公开(公告)号：CN112240768A
公开(公告)日：2021-01-19
申请号：CN202010949831.9
申请日：2020-09-10
Applicant: 西安电子科技大学 , 北京临近空间飞行器系统工程研究所
IPC: G01C21/16 , G01C21/20 , G06F17/11 , G06F17/16 , G06K9/46 , G06K9/62 , G06T7/50 , G06T7/62 , G06T7/80
Abstract: 本发明属于无人驾驶技术领域，公开了一种基于Runge‑Kutta4改进预积分的视觉惯导融合SLAM方法，用于解决现有视觉ORB‑SLAM2方法在快速运动、环境特征稀疏等场合存在的定位精度低、鲁棒性差等问题的技术问题；实现步骤为：输入双目图像对信息；输入IMU信息；对双目图像进行预处理；利用Runge‑Kutta4算法对IMU进行预积分；系统初始化；联合状态估计；滑动窗口局部优化；回环检测与全局位姿图优化。本发明可以在不同难度等级的场景中有效地进行定位估计和地图创建，与原视觉ORB‑SLAM2方法相比，本发明的方法具有更高的定位精度，可用于无人系统导航、虚拟现实等技术领域。
-
公开(公告)号：CN109631855B
公开(公告)日：2020-12-08
申请号：CN201910075818.2
申请日：2019-01-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于ORB‑SLAM的高精度车辆定位方法，主要解决当前ORB‑SLAM经典定位算法定位结果精度不高的问题。其实现步骤为：选取标定板对双目相机进行标定，并对摄取到的图像进行立体校正；检测校正图像中的ORB特征点并完成特征点提取；利用双目稀疏特征匹配方法将提取到的特征点进行匹配，再利用相邻帧特征跟踪的方法获取当前相机位姿信息，构建局部地图；对建立的局部地图进行闭环检测与全局优化，以完成视觉地图的建立，并保存视觉地图；根据图像中匹配特征点数量选择车辆定位方案，并通过读取视觉地图确定出目标车辆的最终位置。本发明提高了车辆定位精度和鲁棒性，可用于无人驾驶汽车人工智能管理及安全处置。
-
公开(公告)号：CN110533669A
公开(公告)日：2019-12-03
申请号：CN201910722019.X
申请日：2019-08-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于变分水平集的SAR图像超像素分割方法，主要解决现有技术受SAR图像相干斑噪声影响以及纹理信息缺失导致的对SAR图像超像素分割精度低，超像素块区域边界贴合度不高的问题。其实现步骤是：输入SAR图像，并将其粗略分割为K个超像素块区域；分别设计基于SAR图像相干斑噪声与图像纹理信息的能量泛函；将设计出的能量泛函分别插入到边缘演化迭代方程以得到新的迭代方程；利用新的迭代方程对各超像素块区域边界进行边缘演化；当超像素块区域边缘演化停止后完成超像素分割。本发明有效提高了对SAR图像超像素分割的精度，并解决了超像素块区域边界贴合度不高的问题，可用于机场跑道，农田分布和地质勘探的图像处理。
-
公开(公告)号：CN109345582A
公开(公告)日：2019-02-15
申请号：CN201810921642.3
申请日：2018-08-14
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于优化的置信传播算法和稀疏表示的深度图像获取方法，用于解决现有技术获取的深度图像存在的颜色畸变像素点匹配精度低和深度不连续的技术问题,实现步骤为：1.输入双目图像对；2.获取双目图像对中参考图像所有像素点的初始视差值；3.对参考图像进行超像素分割；4.获取参考图像的视差平面模板集；5.利用优化的置信传播算法，获取各分割区域的最佳视差平面方程；6.获取参考图像的初始深度图；7.重构初始深度图。本发明获取的深度图像颜色畸变像素点匹配精度高，深度信息连续，深度图像的质量高，可用于三维重建、虚拟现实和机器视觉技术领域。
-
Patent Agency Ranking
公开(公告)号：CN109242854A
公开(公告)日：2019-01-18
申请号：CN201810781595.7
申请日：2018-07-14
IPC: G06T7/10
Abstract: 本发明属于图像分析技术领域，公开了一种基于FLIC超像素分割的图像显著性检测方法，输入图像利用基于总变差模型的滤波方法去除纹理，得到包含颜色特征的图像；利用Gabor滤波器矩阵提进行滤波，得到包含图像纹理信息的图像；对包含颜色特征的图像利用FLIC进行超像素分割并且计算对比度值；对包含纹理特征的图像利用FLIC进行超像素分割计算对比度值；利用线性融合技术，通过权重对得到的两个对比度进行线性融合，得到新的对比度，最终得到基于颜色特征和纹理特征的显著图。本发明对于高纹理图像的检测效果相对于当前具有代表性的方法具有明显提高；可以用在计算机视觉任务中。
-
公开(公告)号：CN108075732A
公开(公告)日：2018-05-25
申请号：CN201711085805.0
申请日：2017-11-07
Applicant: 西安电子科技大学
Abstract: 本发明属于混沌系统技术领域，公开了一种高阶新三维混沌模型及其电路，所述高阶新三维混沌模型的电路包括三个通道电路；所述高阶新三维混沌模型的电路由39个元件组成，包括9个3554BM运算放大器、6个乘法器、3个电容和21个电阻。本发明的高阶新三维混沌电路具有多个平衡点，具有高阶非线性项，其动力学行为更加复杂而丰富，不仅能够应用于非线性电路课程实验，而且能够克服现有混沌系统信息加密易被破译的弊端，为混沌系统的应用提供了依据。
-
公开(公告)号：CN102830409A
公开(公告)日：2012-12-19
申请号：CN201210312804.6
申请日：2012-08-30
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于压缩感知理论的导航信号采集方法。本发明通过观测矩阵使得导航信号投影为低维的观测向量，并在信号重构端求解稀疏最优化问题，高概率地用低维的观测向量重构出高维导航信号。本发明很好地克服了奈奎斯特（Nyquist）采样频率对硬件的要求，只需要让采集器件工作在低速采样状态获得测量值，就能在计算中心完成对导航信号的重构，这样大大减少了采集器件的工作负担，同时减轻了传输系统中数据的传输压力。
-
公开(公告)号：CN112668648B
公开(公告)日：2023-06-20
申请号：CN202011587399.X
申请日：2020-12-29
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于对称融合网络的红外和可见光船只精确识别方法，对已有的红外图像和可见光图像数据集分别进行图像各自深层特征提取，获得红外图像特征图和可见光图像特征图；分别对红外图像特征图和可见图光像特征图进行张量拼接和特征融合，获得红外融合图像和可见光融合图像；根据权重偏移系数调整红外融合图像和可见光融合图像中红外和可见光的特征比例，获得最终的检测识别结果。本发明设计自适应权值分配模块，引入注意力机制，对提取到的特征进行了权值分配，提升精度。
-
公开(公告)号：CN114862690A
公开(公告)日：2022-08-05
申请号：CN202210278178.7
申请日：2022-03-21
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种用于红外图像超分辨率增强的图像盲退化方法，方法包括：获取红外图像；在1至N之间生成一个随机数R，其中，N为退化方式的总数量；从N种所述退化方式中随机选取R种所述退化方式；对R种所述退化方式进行随机排序；按照随机排序的顺序，依次利用R种所述退化方式对所述红外图像进行处理，得到处理后的红外图像；对步骤5处理后的红外图像添加椒盐噪声，以得到红外退化图像。本发明由于采用多种模糊方式与噪声方式(含椒盐噪声)进行红外图像退化模拟，比现有所采用方法得到的红外图像退化方式更为实际，同时本发明对红外图像退化过程采用重随机排序操作，大幅扩展了红外图像的退化空间，弥补了现有方法退化单一的不足。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.038 seconds)
