-
公开(公告)号：CN113673672B
公开(公告)日：2024-03-29
申请号：CN202110774457.8
申请日：2021-07-08
Applicant: 哈尔滨工业大学
IPC: G06N3/092 , G06N5/01 , G06N3/0464
Abstract: 本发明公开一种基于蒙特卡洛强化学习的冰壶比赛策略生成方法。步骤1：基于冰壶比赛状态及冰壶发球动作设计策略价值网络模型及价值网络模型的输入及输出；步骤2：基于步骤1策略价值网络的输出与改进的蒙特卡洛树搜索算法结合；步骤3：利用步骤2改进的蒙特卡洛树搜索算法通过自我对弈生成策略及奖励数据更新策略价值网络；步骤4：利用步骤3更新的策略价值网络，指导蒙特卡洛树搜索；步骤5：重复步骤3‑步骤4得到训练好的策略价值网络。本发明用以解决难以获得有效数据集的策略决策的问题。
-
公开(公告)号：CN115830114A
公开(公告)日：2023-03-21
申请号：CN202211520919.4
申请日：2022-11-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种冰壶球把柄的智能识别抓取方法及装置，属于图像、点云处理技术领域，其中，该方法包括：建立目标把柄的二维检测数据集，以训练目标检测网络确定目标把柄的检测框；提取检测框对应位置的深度图，利用高斯滤波对深度图进行滤波和阈值化得到二值化深度图，去除其中的噪点，再转换为点云图，得到目标把柄的三维点云；对三维点云进行下采样，再进行三维圆柱拟合，得到拟合到的圆柱的半径、圆柱的中轴方向；根据拟合到的圆柱的半径与圆柱的中轴方向确定提取抓取方向、抓取中心位置和抓取装置手指张开大小，并发送给抓取装置以完成抓取。该方法能够实现机器人对目标把柄的准确抓取，且实时性高、稳定性好、抓取准确。
-
公开(公告)号：CN108695000B
公开(公告)日：2022-07-01
申请号：CN201810447761.X
申请日：2018-05-11
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于超声图像的甲状腺弥漫性疾病智能诊断系统，所述系统包括如下模块：ROI的选择和预处理模块，ROI的尺寸大小设置为64*64，在选择ROI时应尽量避开甲状腺实质的边缘和血管，选择比较均匀的甲状腺实质部分，将ROI图像的灰度值映射到0‑255之间；小波多子图共生矩阵的构造和纹理特征提取模块。针对超声图像的斑点噪声特点以及甲状腺弥漫性疾病的诊断要点，提出了多个可用于辅助诊断的纹理特征，这些纹理特征对于Graves病和桥本病都有着明显的区分度，既可在提取纹理特征的过程中滤除斑点噪声的影响，又能够显著提高诊断结果的准确度。
-
公开(公告)号：CN108986204B
公开(公告)日：2021-12-21
申请号：CN201710402050.6
申请日：2017-06-01
Applicant: 哈尔滨工业大学
Abstract: 一种基于双重校准的全自动快速室内场景三维重建装置，它涉及装置设计、位置粗校准、基于奇异值的关键点提取、局部收敛抑制、特征描述子的提取与匹配等方法。本装置为一键式重建，它解决了传统室内三维重建操作复杂的问题，是一款全自动，环境适应度高的重建装置。同时通过离散的数据进行场景重建，大大的减少了重建数据量，提高了系统的快速性。本装置的实现步骤为：一、装置设计；二、机体镜头粗校准；三、校准误差判断；四、机体镜头精校准；五、室内场景重建。本发明对装置进行镜头校准，通过步进电机实现全自动化，将获得的24帧数据根据校准数据融合，可快速的在显示端看到重建结果，适用于室内场景的自动化快速重建。
-
公开(公告)号：CN113763309A
公开(公告)日：2021-12-07
申请号：CN202011155220.3
申请日：2020-10-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于改进U‑net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法。步骤1：超声图像序列预处理；步骤2：训练ROI提取模型，从步骤1的超声图像中分割出区域；步骤3：基于改进U‑net网络实现步骤2的区域中目标的准确分割；步骤4：利用CNN‑LSTM网络对步骤1的超声图像序列进行分类；步骤5：基于步骤3的分割结果及步骤4的分类结果，利用LSTM网络实现超声图像序列中目标位置的准确预测。本发明为了解决现有方法无法同时对动态超声图像序列进行目标识别与实时跟踪的问题。
-
Patent Agency Ranking
公开(公告)号：CN108241865B
公开(公告)日：2021-11-02
申请号：CN201611214165.4
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 一种基于超声图像的多尺度多子图肝纤维化多级量化分期方法，它涉及基于多尺度灰度共生矩阵和小波多子图共生矩阵的多级分期方法，它解决了当前基于超声图像的肝纤维化分期方法分期粗糙且准确度低的问题。本发明的步骤为：一、ROI的自动选择和预处理；二、构造多尺度灰度共生矩阵并提取纹理特征；三、构造小波多子图共生矩阵并提取纹理特征；四、利用基于SVM的不完全穷举封装式特征选择方法选择特征；五、基于SVM进行多级分类。本发明利用多尺度灰度共生矩阵全面提取图像纹理信息，并结合小波多子图共生矩阵在滤波的同时兼顾图像纹理细节信息，使用不完全穷举特征选择方法和多级分类器提高肝纤维化的分类精度，适用于基于超声图像的肝纤维化辅助诊断。
-
公开(公告)号：CN109064443B
公开(公告)日：2021-07-16
申请号：CN201810641415.5
申请日：2018-06-22
Applicant: 哈尔滨工业大学
Abstract: 一种基于腹部超声图像的多模型器官分割方法及系统，它解决了传统腹部超声图像器官分割方法准确度不足、实时性差以及通用性差的问题。本发明的步骤为：步骤一：将扫查的超声视频流解码为单帧图像并应用直方图均衡化对图像进行预处理；步骤二：基于改进后的U‑Net分割模型对单帧图像实现腹部器官粗略分割；步骤三：结合GoogleNet腹部器官分类模型对单帧图像的分类结果、医学上的器官结构先验知识以及视频帧间相关性特点等多个模型对粗略分割结果进行修正，实现腹部器官精细分割。本发明利用多模型方法完成基于腹部超声图像的器官精细分割，分割准确度高，实时性和通用性好，为端到端的智能诊断系统提供了实现平台，并可为医疗人员提供有效的诊断辅助。
-
公开(公告)号：CN111738093A
公开(公告)日：2020-10-02
申请号：CN202010467350.4
申请日：2020-05-28
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于梯度特征的冰壶球自动测速方法。本发明属于冰壶球自动测速技术领域，本发明获取冰壶比赛视频，判定冰壶是否运动；根据前掷线的形状生成模板图像，提取模板图像的梯度信息，根据梯度信息确定模板图像中心在某一帧图像上的坐标；根据模板图像中心在某一帧图像上的坐标，确定冰壶球通过前掷线时的速度。本发明在通过自动检测冰壶球在前掷线处的速度，为冰壶机器人进行精确落点提供技术支持。在综合考虑了实际的计算精度与运算速度后，提出一种基于梯度特征的冰壶球自动测速方法，解决了因摄像头视角不同、场地背景复杂以及冰面反光而导致的绝大多数特征匹配算法失效的问题，为冰壶机器人将冰壶球精确投掷到大本营中心提供支持。
-
公开(公告)号：CN110659629A
公开(公告)日：2020-01-07
申请号：CN201910954285.5
申请日：2019-10-09
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于双谱和深度卷积神经网络的微弱X射线脉冲星信号辨识方法，所述方法利用高通滤波器滤掉实际探测时存在的低频成分及红噪声成分；将滤波得到的信号进行自相关处理，提取其自相关函数，降低噪声的干扰；之后对自相关函数进行双谱变换，提取其双谱信息，进一步免疫非二次相位耦合噪声的干扰；之后将双谱图片送入深度卷积神经网络进行分类任务训练，确定网络的参数模型；最后利用训练完毕的网络对脉冲星信号进行分类。本发明所提出的基于深度卷积神经网络的脉冲星信号双谱辨识方法能够对脉冲星信号进行有效识别。
-
公开(公告)号：CN109388229A
公开(公告)日：2019-02-26
申请号：CN201710683073.9
申请日：2017-08-11
Applicant: 哈尔滨工业大学
Abstract: 一种带有触感体验的沉浸式虚拟试衣方法及系统，它克服了现有虚拟试衣系统中碰撞检测准确度欠佳、体验完整性缺失的问题。本发明的步骤为：一、建立织物触感的描述模型、分类器及仿真模型库；二、对织物纹理区域高度估算并建立局部织物仿真模型库；三、基于人体三维模型构建碰撞体模型；四、衣物模型与人体的实时碰撞检测；五、结合力反馈设备进行触感模拟；六、沉浸式渲染交互及显示。本发明利用高还原度碰撞体以及衣物物理仿真模型的实时碰撞分析，以及虚拟触感体验的引进，展示了更加可靠的衣物形变效果，更大程度地还原了线下购衣的体验环节，填补了市场的空白。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.032 seconds)
