-
公开(公告)号：CN104897085A
公开(公告)日：2015-09-09
申请号：CN201510333037.0
申请日：2015-06-16
Applicant: 哈尔滨理工大学
IPC: G01B11/25
Abstract: 基于整除判断的n频编码结构光解码快速算法属于结构光三维测量技术领域；该方法首先将编码光按照周期从大到小的顺序进行排序，并记录和计算排序后编码结构光的周期、在量程范围内所包含的周期数、以及与空间位置相对应的相位主值；然后基于某一个编码结构光某一可能的空间位置减去另一编码结构光的相位主值，再除以另一编码结构光周期，结果必须为整数的原则，按顺序查找各组编码结构光周期序号，并计算空间位置；本发明整除判断的n频编码结构光解码快速算法，可以实现快速搜索解码。
-
公开(公告)号：CN104463766A
公开(公告)日：2015-03-25
申请号：CN201410653988.1
申请日：2014-11-18
Applicant: 哈尔滨理工大学
IPC: G06T1/00
Abstract: 本发明提供了一种基于ECA状态环的QR码加密和解密方法，该方法首先提取QR码二值图像的像素矩阵，进行分组，选取长度为8、边界条件为循环边界条件、状态空间为{0，1}的初等元胞自动机，鉴于初等元胞自动机状态环在某些特定的规则下的封闭性，利用状态环上对应的连续个数的状态对各组灰度值进行置乱，其中状态个数取决于密钥所产生的伪随机序列。本发明解密过程是加密过程的逆过程，即将利用状态环上对应的剩余的连续个数的状态对密文各组灰度值进行置乱。本发明的加密和解密速度快，易于实现，安全性好，置乱图像很难被破解，可有效抵抗统计攻击和密钥攻击，能够满足一般应用场合对QR码信息保密要求。
-
公开(公告)号：CN100570278C
公开(公告)日：2009-12-16
申请号：CN200710072183.8
申请日：2007-05-09
Applicant: 哈尔滨理工大学
Abstract: 基于边缘格雷码和线移的结构光3D测量方法，光学三维测量技术是获取物体三维信息最有效的手段之一，它属于非接触测量，不需接触被测物表面和高采样密度是其主要优点，光学三维测量技术中，结构光编码法以其准确度高、测量速度快、成本低等优点在三维重构、工业测量等领域有着广泛的应用前景，本发明基于边缘格雷码和线移的结构光3D测量方法，采用亚像素定位技术提取的各幅强度二值化前图像中的条纹边缘和中心，将边缘和中心上点作为图像采样点，然后按其在强度二值化后图像中的灰度值0或1求取格雷码，利用格雷码码值找到强度图像和编码图案中边缘的对应关系。本发明应用于三维测量技术中。
-
公开(公告)号：CN119919664A
公开(公告)日：2025-05-02
申请号：CN202510018070.8
申请日：2025-01-06
Applicant: 哈尔滨理工大学
IPC: G06V10/26 , G06V10/774 , G06V10/776 , G06V10/82 , G06V20/60 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标检测技术领域，具体涉及一种基于改进YOLOv8的X光安检图像危险品分割与检测系统。该方法依次执行以下步骤：获取X光安检图像数据集，并按比例划分为训练集和测试集；对YOLOv8‑seg架构进行改进，针对主干网络和颈部网络的卷积层进行优化，通过结合空间深度转换卷积(Space‑to‑Depth Convolution,SPD‑Conv)来增强对主干网络和颈部网络特征的提取能力，从而提高对小型目标、遮挡物体及复杂背景下危险品的分割精度，提升模型对X光安检图像危险品的检测能力。本发明通过结合SPD‑Conv模块改进YOLOv8‑seg算法，能够在复杂背景下对交通枢纽的X光安检图像中的危险品进行精确分割和检测，显著提高了检测能力，为优化安检流程提供了有力的技术支持。
-
公开(公告)号：CN119723650A
公开(公告)日：2025-03-28
申请号：CN202411802689.X
申请日：2024-12-09
Applicant: 哈尔滨理工大学
IPC: G06V40/18 , G06V40/20 , G06V40/16 , G06V40/10 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/092
Abstract: 本发明选取被测者的多帧图像，首先通过骨干网络初步获取多帧图像中的头部特征、左眼特征和右眼特征。对于头部特征而言，假设头部为刚体，通过张正友标定法获取相机的参数模型结果，进而通过EPnP算法实现头部自由姿态的估计；然后将特征提取模块用于对左眼，右眼和头部的多帧特征提取，进一步并得到每一帧相应的预测值和置信度；最后通过特征融合模块捕捉全局信息并有效地整合上下文信息，它包括通道和空间注意力机制，二者能够自动识别并增强那些对任务有较大贡献的通道特征，从而在特征提取融合过程中突出眼动追踪的关键特征，抑制不相关的部分，提升特征的表达能力，实现精确的眼动追踪。
-
Patent Agency Ranking
公开(公告)号：CN119722796A
公开(公告)日：2025-03-28
申请号：CN202411812742.4
申请日：2024-12-10
Applicant: 哈尔滨理工大学
Abstract: 针对无人机吊运任务中，载荷的摆动特性及运动过程中产生的模糊效应导致摆角测量精度下降的技术问题，本发明提出了一种解决视觉运动模糊的无人机吊运系统摆角测量方法。所述方法包括：首先建立相机与载荷之间的几何关系模型，利用相机获取载荷标识物的特征；其次，通过分析标识物在相邻帧之间的高阶状态信息，结合卡尔曼滤波器来预测下一帧位置并设定感兴趣区域的边界约束，降低数据处理量；然后，引入自适应模板学习率并利用灰度相乘来增强边缘信息，提升算法在模糊条件下的跟踪鲁棒性；最后，利用吊绳长度的先验知识，结合三角函数关系实现载荷摆角精确计算。本发明有效克服了运动模糊问题，不仅成本低、实现简单，还具备较强的实时性。
-
公开(公告)号：CN119312155A
公开(公告)日：2025-01-14
申请号：CN202411310183.7
申请日：2024-09-19
Applicant: 哈尔滨理工大学
IPC: G06F18/241 , G06F18/214 , G06F18/211 , G06N3/0464 , G06N3/094 , G06N3/098 , G06F11/3668
Abstract: 本发明属于联邦学习与软件缺陷预测技术领域，具体涉及一种基于联邦学习的高鲁棒性异构软件缺陷预测算法。该算法首先利用Tomek links和单边选择(One‑Side Selection,OSS)算法对参与方本地数据进行预处理，缓解类不平衡问题；通过卡方检验选出代表性特征子集，统一各参与方数据的特征数量。各参与方构建本地卷积神经网络，将数据划分为训练集和测试集。通过引入客户端置信度重新加权(Client Confidence Reweighting，CCR)和改进的Bootstrap Loss损失函数，增强模型在标签噪声条件下的鲁棒性，并通过KL散度进行知识交换，降低通信开销，提高模型性能。最终，模型经过训练和验证，实现了高效精准的软件缺陷预测，有效应对数据异构性和标签噪声问题，提升了预测精度和效率。
-
公开(公告)号：CN119295804A
公开(公告)日：2025-01-10
申请号：CN202411310186.0
申请日：2024-09-19
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V20/10
Abstract: 本发明一种结合噪声启发和注意力机制改进的NAS高光谱图像农作物分类方法涉及遥感图像分类领域；该方法依次执行以下步骤：步骤a、获取高光谱图像数据集，并人为地向图像数据中注入随机噪声；步骤b、构建一个用于高光谱图像农作物分类的神经网络架构搜索模型，集成通道注意力机制和位置尺度感知机制，以提高计算效率和模型的适应能力，并使用焦点损失函数增强对困难样本的处理和抗噪性能；步骤c、搜索架构并进行架构评估；步骤d、利用最终输出的架构进行模型训练；步骤e、使用完整的测试集进行测试，并输出分类结果。本发明通过引入基于通道的注意力机制、位置和尺度感知机制，以及焦点损失函数，显著增强了对混有噪音的高光谱农作物图像的处理能力，从而在分类精度和模型的鲁棒性方面取得了显著提升。
-
公开(公告)号：CN118091415A
公开(公告)日：2024-05-28
申请号：CN202311707638.4
申请日：2023-12-12
Applicant: 哈尔滨理工大学
IPC: G01R31/367 , G01R31/382 , G01R31/392
Abstract: 本发明公开了一种基于AUKF‑IMM的退役动力电池SOC和SOH联合估计方法及系统，涉及退役动力电池的SOC和SOH估计领域。本发明的输入交互步骤根据k‑1时刻的状态变量更新k时刻的各个AUKF模块的输入；AUKF滤波步骤由若干并行AUKF滤波模块实现，每一个AUKF滤波模块依据系统的输入和测量信息对目标的SOC值进行估计得到一个SOC估计值，同时会产生一个观测方程系数矩阵ckj和残差rkj；概率更新步骤根据ckj和rkj确定电池的实际状态与每个电路模型的匹配概率；每个AUKF滤波模块的匹配概率与该模型输出的SOC估计值进行融合输出，实现SOC和SOH估计。本发明提高了电池的SOC和SOH估计的准确性。
-
公开(公告)号：CN117872147A
公开(公告)日：2024-04-12
申请号：CN202311707650.5
申请日：2023-12-12
Applicant: 哈尔滨理工大学
IPC: G01R31/367 , G01R31/392 , G01R31/396
Abstract: 本发明公开了一种基于SOA‑FCM的退役电池分选方法，涉及退役动力电池分选重组领域。本发明构建SOA‑FCM，以电压、内阻、SOC、SOH、电压变化率ΔU、SOC变化率ΔSOC和SOH变化率ΔSOH为输入参数，对海鸥位置进行更新，通过对优化目标进行循环判断，更新海鸥进行迁徙行为后的新位置；更新最终位置；再次比较当前种群个体之间的适应度，找出全局最优值；达到终止条件时输出SOA算法的全体最优位置和适应度值。本发明提高了电池的SOC和SOH估计的准确性。本发明解决了传统的无监督聚类FCM算法易陷入局部最优的问题，抑制了单体电池组合成为动力电池系统后的寿命衰减速度。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.032 seconds)
