-
公开(公告)号：CN107180215A
公开(公告)日：2017-09-19
申请号：CN201710397595.2
申请日：2017-05-31
Applicant: 同济大学
Abstract: 本发明提出了一种基于库位和二维码识别的即时定位与建图(SLAM)方法，基于低成本的前视单目相机以及由鱼眼相机组成的环视系统，对环境中的库位、库位编号以及预先布设的二维码进行鲁棒识别；利用低成本的惯性导航设备对车辆航向以及速度进行观测；利用SLAM算法实现对环境中的库位以及二维码标记的位置的优化估计，实现车库平面分布图自动构建，并利用建图结果实现无人车的实时高精度分米级定位。
-
公开(公告)号：CN104751170A
公开(公告)日：2015-07-01
申请号：CN201510097972.1
申请日：2015-03-05
Applicant: 同济大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于监督学习策略的异源雷达影像适配性评估方法，包括以下步骤：(1)将已知匹配结果的影像对分为两个部分，分别命名为训练集Ⅰ和训练集Ⅱ；(2)利用训练集Ⅰ训练中层特征分类器；(3)根据步骤(2)获得的中层特征分类器，利用训练集Ⅱ训练影像适配性评估模型；(4)获取待评估的预测集，根据所述中层特征分类器和适配性评估模型获得所述预测集的当前影像的匹配结果。与现有技术相比，本发明采用中层特征描述影像特征，并且将人对异源雷达影像间共性特征的认识加入分类器的训练过程中，有效区分出异源雷达影像间的共性特征，解决了异源雷达影像间的适配性评估问题。
-
-
公开(公告)号：CN101957987A
公开(公告)日：2011-01-26
申请号：CN200910055044.3
申请日：2009-07-17
Applicant: 同济大学
Abstract: 本发明涉及一种栅格影像与矢量电子地图的自动配准方法，包括以下步骤：检测栅格影像的特征类型；根据栅格影像的特征类型，进行边缘提取，得到边缘图像；将边缘图像与作为基准图的矢量电子地图进行匹配。与现有技术相比，本发明具有以下优点：现有配准方法大多要求数据源一致，本发明能够实现栅格数据和矢量数据的配准；利用两种不同的特征提取方法能够适应边缘线和中心线的处理。
-
公开(公告)号：CN110161485B
公开(公告)日：2021-03-26
申请号：CN201910511493.8
申请日：2019-06-13
Applicant: 同济大学
Abstract: 本发明涉及一种激光雷达与视觉相机的外参标定装置，该装置包括依次设置的带有万向轮的支座、伸缩套筒、插入伸缩套筒上端内部且通过伸缩杆固定螺母固定位置的伸缩杆、固定在伸缩杆上端的球头座、球头座连接的球头支架以及与球头支架连接的标定板，所述的标定板为一表面平整的圆形黑色塑料板，在近边缘位置设置一个圆孔，且标定板表面按照棋盘格铣削方形凹槽，并在凹槽内嵌设白色方形的铝合金薄片，使铝合金薄片与标定板形成表面平整的矩形黑白棋盘格形式。与现有技术相比，本发明具有实用简便、通用性强等优点。
-
Patent Agency Ranking
公开(公告)号：CN110014426B
公开(公告)日：2020-10-02
申请号：CN201910218554.1
申请日：2019-03-21
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种利用低精度深度相机高精度抓取形状对称工件的方法，包括以下步骤：1)在抓取坐标系O‑XYZ中对生产线抓取区运送工件料盘进行位置测定；2)对机械臂抓取系统进行手眼标定，得到相机坐标系与抓取坐标系之间的齐次坐标转换矩阵T1；3)生成3D工件模型点云并标记抓取位置；4)构建基于深度学习的工件检测网络模型并进行训练；5)根据训练后的工件检测网络模型进行2D图像目标检测；6)集成图像目标检测结果和料盘位置信息，从3D抓取区观测点云中分割得到工件观测点云；7)根据分割得到的工件观测点云估计抓取位姿。与现有技术相比，本发明能够利用低精度深度相机进行视觉引导达到高精度深度相机视觉引导的抓取精度。
-
公开(公告)号：CN107480701B
公开(公告)日：2020-07-28
申请号：CN201710590173.7
申请日：2017-07-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于多通道卷积神经网络的光学图像与雷达图像匹配方法，包括以下步骤：1)采用一个深度卷积神经网络对光学图像进行特征提取，获取光学图像的32×32×32维图像特征数据；2)采用另一个深度卷积神经网络对SAR图像进行特征提取，获取SAR图像的32×32×32维图像特征数据；3)对SAR图像和光学图像提取出的图像特征数据进行级联形成联合特征；4)根据联合特征构建匹配网络，并进行全连接匹配分类并输出匹配结果。与现有技术相比，本发明具有特征级联、匹配稳定等优点。
-
公开(公告)号：CN107292245B
公开(公告)日：2018-04-10
申请号：CN201710409046.2
申请日：2017-06-02
Applicant: 同济大学
Abstract: 一种高分遥感影像上的港口检测方法，发明目的在于解决现有技术中存在的问题，利用一种非监督的方法提取遥感影像中港口的可分图斑作为中层特征，并利用提取出的中层特征进行高分遥感影像中不同尺度和方向不同的港口检测。本发明方法对于高分遥感影像中不同种类的港口泛化能力强，能检测出各种特殊类型的港口。
-
公开(公告)号：CN107563405A
公开(公告)日：2018-01-09
申请号：CN201710589942.1
申请日：2017-07-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于多分辨率神经网络的车库自动驾驶语义目标识别方法，用以检测车库图像中的目标，包括以下步骤：1)对输入的车库图像进行深度卷积网特征提取；2)对输入的车库图像中的小目标进行特征提取与检测；3)对输入的车库图像中的大目标进行特征提取与检测；4)输出多尺度的检测结果。与现有技术相比，本发明具有适用于高分辨率图片、多分辨率描述、多尺度描述、检测能力强等优点。
-
公开(公告)号：CN101923165B
公开(公告)日：2013-02-13
申请号：CN200910053178.1
申请日：2009-06-16
Applicant: 同济大学
Abstract: 本发明涉及一种大尺寸星载SAR图像的机场自动检测方法，包括以下步骤：A.基于最大后验概率准则进行SAR图像分割；B.根据机场像素强度和面积提取兴趣目标；C.提取兴趣目标的尺度和旋转不变参数；D.根据目标的尺度和旋转不变参数，训练支持向量机分类器，并对兴趣目标进行分类，得到初步检测结果；E.对初步检测结果进行平行跑道检测，保留具有平行跑道的目标作为最终检测结果。与现有技术相比，本发明识别速度快、识别质量好以及识别正确率高。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.019 seconds)
