-
公开(公告)号：CN108680939A
公开(公告)日：2018-10-19
申请号：CN201810468050.0
申请日：2018-05-16
Applicant: 北京邮电大学
CPC classification number: G01S19/42 , G01S19/428 , G01S19/49
Abstract: 本发明实施例提供了一种辅助卫星定位方法、装置及电子设备，方法包括：获得至少三颗卫星各自对应的卫星信息；获得待定位设备的当前高度以及预设位置的参考位置信息；获得待定位设备前一时刻对应的第一位置信息；基于当前高度以及预设的坐标转换关系，将第一位置信息转化为第二位置信息；基于每一卫星信息中所对应卫星与待定位设备之间的伪距和所对应卫星的位置信息，构建每一卫星对应的距离观测方程；基于第二位置信息以及参考位置信息，构建距离参照方程；基于所构建的每一卫星对应的距离观测方程，以及所构建的距离参照方程，确定待定位设备的定位位置信息。以实现在接收到至少3颗卫星发射的信号的情况下，提高对待定位设备的定位的准确性。
-
公开(公告)号：CN105869175A
公开(公告)日：2016-08-17
申请号：CN201610250328.8
申请日：2016-04-21
Applicant: 北京邮电大学
IPC: G06T7/00
Abstract: 本发明实施例提供了一种图像分割方法及系统，方法包括：获得待处理的目标图像；计算目标图像的灰度直方图；基于灰度直方图，计算目标图像中像素点所涵盖的各个像素值出现的概率；基于目标图像所包含的像素点的数目和各个像素值出现的概率，利用预设的复杂度计算公式，计算目标图像的复杂度；基于目标图像的复杂度，利用预设的超像素分割数计算公式，计算超像素分割数；基于超像素分割数，对目标图像进行分割。应用本发明实施例，可以根据图像的具体情况自动确定图像分割所需要的超像素数量，从而在降低图像处理复杂度的同时避免出现欠分割的问题。
-
公开(公告)号：CN108961184B
公开(公告)日：2021-04-20
申请号：CN201810689092.7
申请日：2018-06-28
Applicant: 北京邮电大学
IPC: G06T5/00
Abstract: 本发明实施例提供了一种深度图像的校正方法、装置及设备，其中，该方法包括；获取原始深度图像；根据原始深度图像中像素点的像素值，确定原始深度图像对应的像素向量；将原始深度图像对应的像素向量输入至预先训练的人工神经网络ANN模型，对原始深度图像进行校正，得到校正后的校正深度图像；其中，ANN模型是根据具有不同参数的样本图像对应的像素向量、以及样本数据真值训练得到的。通过本发明实施例提供的深度图像的校正方法、装置及设备，能够提高对深度图像校正的准确度，进而提高三维场景重建的效果。
-
公开(公告)号：CN112583748A
公开(公告)日：2021-03-30
申请号：CN202011353360.1
申请日：2020-11-26
Applicant: 北京邮电大学
IPC: H04L25/02
Abstract: 本发明实施例提供了一种信道估计方法、装置及电子设备，涉及通信传输技术领域。该方法包括：确定多个初始导频图样，基于每个初始导频图样的相干性参数值确定食物源导频图样；基于食物源导频图样确定领导导频图样，基于领导导频图样更新各个追随导频图样；将领导导频图样和更新后的各个追随导频图样作为当前的初始导频图样，计算当前的每个初始导频图样的相干性参数值；判断是否满足预设的迭代终止条件；如果是，将相干性参数值最小的当前的初始导频图样确定为目标导频图样；利用目标导频图样，确定信号发送端和信号接收端之间的信道信息。与现有技术相比，应用本发明实施例提供的方案，能够在保证信道估计精度的前提下，提高信道估计的效率。
-
公开(公告)号：CN110880018A
公开(公告)日：2020-03-13
申请号：CN201911040260.0
申请日：2019-10-29
Applicant: 北京邮电大学
Abstract: 本申请实施例提供了一种基于新型损失函数的卷积神经网络目标分类方法，通过在模型训练过程中引入一个随目标类特征中心向量与各子类特征中心向量变化的动态加角余量，实现了通过计算样本图像的特征向量与目标类特征中心向量夹角的第一余弦值向量后，根据动态加角余量以及目标类特征中心向量间的夹角，通过第二预设公式得到第二夹角，通过对第二夹角求余弦，得到第二余弦值，并利用第二余弦值替换第一余弦值向量中特征向量与目标类特征中心向量间的夹角的余弦值，得到第二余弦值向量，根据第二余弦值向量计算模型的损失对模型训练过程进行指导，从而有效降低训练数据集子类特征中心均匀分布的程度。
-
Patent Agency Ranking
公开(公告)号：CN106093853B
公开(公告)日：2019-02-19
申请号：CN201610395942.3
申请日：2016-06-07
Applicant: 北京邮电大学
IPC: G01S5/02
Abstract: 本发明实施例提供了一种移动台位置的测量方法及装置，所述方法包括：获取N种定位技术当前时刻满足该定位技术的相应分布情况的移动台位置的观测值；根据移动台位置的预测方程和观测方程，计算该种定位技术当前时刻移动台位置的第一概率密度；根据相应定位技术当前时刻移动台位置的第一概率密度比率和第一概率密度，计算当前时刻移动台位置的第二概率密度；根据当前时刻移动台位置的第二概率密度计算当前时刻移动台位置的权值，并根据当前时刻移动台位置的权值和当前时刻移动台位置的待估计值，计算当前时刻移动台的位置。本实施例适用于多种定位技术融合的方式下，得到的解算结果满足多个高斯分布叠加的情况，提高了定位精度。
-
公开(公告)号：CN106455059A
公开(公告)日：2017-02-22
申请号：CN201611127437.7
申请日：2016-12-09
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种室内定位的方法及装置，其中，该方法包括：通过从预先建立的非视距误差分布模型中获取待定位点相对于室内空间中的第一发射源的第一非视距误差、第二发射源的第二非视距误差、第三发射源的第三非视距误差，再通过待定位点相对于第一发射源的第一到达时间、第二发射源的第二到达时间、第三发射源的第三到达时间，消除该第一非视距误差、第二非视距误差、第三非视距误差，得到第一视距传播值、第二视距传播值、第三视距传播值，再根据第一视距传播值、第二视距传播值、第三视距传播值进行定位，在定位时，能够直接从预先建立的非视距误差分布模型中获取待定位点对应的非视距误差，并消除该非视距误差，以实现缩短定位时间。
-
公开(公告)号：CN105717485A
公开(公告)日：2016-06-29
申请号：CN201610108572.0
申请日：2016-02-26
Applicant: 北京邮电大学
CPC classification number: G01S5/0268 , G01S5/021 , G01S5/06
Abstract: 本发明实施例公开了一种室内定位方法及装置，方法包括：在预设时间段内，利用接收信号强度RSSI定位技术，对待定位的目标对象进行至少一次定位，获得至少一个初步RSSI定位结果；对所述至少一个初步RSSI定位结果进行预设的结果校正操作，获得目标RSSI定位结果；将所述目标RSSI定位结果作为到达时间差TDOA定位技术中的初始估计位置，利用TDOA定位技术对所述目标对象进行定位，获得目标TDOA定位结果；利用预设的定位结果模型，对所述目标RSSI定位结果和所述目标TDOA定位结果进行加权融合，获得所述目标对象的最终定位结果。应用本发明实施例，可以提高室内定位精确度。
-
公开(公告)号：CN114859968A
公开(公告)日：2022-08-05
申请号：CN202210449457.5
申请日：2022-04-26
Applicant: 北京邮电大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于多波段伪装特征数据采集的航线规划方法，属于无人机航线规划技术领域。首先根据无人机和搭载相机的类型分别进行航线规划，搭载可见光或红外相机的多旋翼无人机考虑不同天气情况对无人机采集照片分辨率的影响，调整无人机的飞行高度，并对所有目标进行绕飞，并得到最优绕飞顺序。搭载合成孔径雷达的固定翼无人机分别对目标区域进行多视角航线规划和全覆盖航线规划。对上述两种无人机的航线分别进行坐标的转化，得到无人机航点的经纬度坐标，最终得到航线文件，规划出无人机的飞行航线。本发明考虑了多种天气因素，使得无人机在复杂天气环境下能够采集到质量更好的伪装特征数据。
-
公开(公告)号：CN108229583B
公开(公告)日：2022-04-29
申请号：CN201810104808.2
申请日：2018-02-02
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于主方向差分特征的快速模板匹配的方法及装置，属于图像处理技术领域。所述方法包括：通过图像采集部件获取第一检测图像，对第一检测图像进行灰度化处理，得到第一检测图像对应的灰度图像，根据预设的边缘检测算法，在第一检测图像对应的灰度图像中预设的模板图像区域中，确定第一模板图像，根据预设的图像特征提取算法，确定第一模板图像的图像特征，当通过图像采集部件获取到第二检测图像时，根据第一模板图像的图像特征，在第二检测图像中识别第一模板图像的位置。采用本发明，可以提高模板匹配效率。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.056 seconds)
