-
公开(公告)号：CN114219889B
公开(公告)日：2024-06-28
申请号：CN202111310240.8
申请日：2021-11-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于CT与超声融合的脊柱在体准静态三维测量方法，过程如下：对待测量人体进行一次CT扫查得到脊柱CT影像序列；记人体某一准静态为P1；通过对其脊柱进行超声扫查，得到超声影像序列；对每一个椎骨采用基于连续多帧骨面分割图像的椎骨配准方法得到超声椎骨和CT椎骨的最优刚体变换；根据最优刚体变换，对CT椎骨进行旋转和平移，将每一个CT椎骨变换于对应超声椎骨的位置和姿态，展示脊椎的三维形态；改变状态至另一准静态P2，重复上述步骤，得到准静态的人体脊柱三维成像。本发明能观测到脊柱的完整三维形态，克服超声对脊柱成像不完整不清晰以及对脊柱的腹面观重建的不足；同时克服CT无法进行准静态测量的不足。
-
公开(公告)号：CN118229747A
公开(公告)日：2024-06-21
申请号：CN202410406498.5
申请日：2024-04-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于语义信息的迭代最近点方法、装置、计算机设备和存储介质，该方法包括查找最近对应点和对齐点云两部分，改进迭代最近点(Iterative closest point,ICP)方法中查找最近对应点部分的实现方法，利用点云的语义信息分割后的子点云依次进行最近对应点查找，提高最近对应点查找准确率和效率，并在对齐点云部分利用语义信息分割后的最近对应点配准，解决配准过程陷入局部最优解的问题，在点云之间的旋转角度较大时提高配准的成功率。
-
公开(公告)号：CN116448100A
公开(公告)日：2023-07-18
申请号：CN202310234432.8
申请日：2023-03-10
Applicant: 华南理工大学
IPC: G01C21/16 , G06F16/51 , G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/084 , G01S17/86 , G01S17/89
Abstract: 本发明公开了一种多传感器融合的近岸无人船SLAM方法，将激光雷达惯性里程计(LIO)和视觉惯性里程计(VIO)紧密耦合，并利用水面和水岸线的语义信息联合处理数据；利用惯性测量单元前向传播获得无人船状态的先验分布。在LIO中利用点到面的ICP法获得无人船状态的后验分布，配合先验分布更新状态和点云地图。在VIO中利用非水面LiDAR关键点两步追踪法和基于水岸线信息的两步PnP法获得无人船状态的后验分布，配合先验分布更新状态；最终获得无人船的行驶轨迹和周围环境的点云地图。该多传感器融合的近岸无人船SLAM方法，不依赖灰度不变假设，能在强反光的水面环境上工作，不受水面倒影影响，提升了鲁棒性和精确性。
-
公开(公告)号：CN109657660B
公开(公告)日：2023-04-25
申请号：CN201910132143.0
申请日：2019-02-22
Applicant: 华南理工大学
IPC: G06F18/20
Abstract: 本发明公开一种基于经验模态分解和小波时频分析的胎心率提取方法。本发明对于经过超声探头采集到的多普勒胎心信号，首先利用经验模态分解与小波能量分布的方法对胎心信号进行去噪预处理，对于预处理后的胎心信号利用小波变换进行时频分析得到小波时频图，再利用帕斯瓦尔定理将小波时频图转化为时间能量图，通过时间能量图上峰值之间的时间间隔得到超声多普勒胎心信号的瞬时心率值。本发明对于采集到的超声多普勒胎心信号的胎心率计算，方法简单有效且稳定，灵活性好，准确度高。
-
公开(公告)号：CN106896157B
公开(公告)日：2023-04-21
申请号：CN201710155557.6
申请日：2017-03-16
Applicant: 华南理工大学
Abstract: 本发明提供了基于距离自适应的3D拼接可视化超声钢轨探伤方法及装置。本发明采用超声波发射与接收探头阵列探测轮搭载于运行列车底部，在列车运行过程中实时探测钢轨伤损；测速器实时跟踪列车运行速度，通过距离自适应脉冲探测算法控制超声脉冲发射频率，采集到的沿铁路运行方向的固定距离横截面信息相关性强，便于3D拼接成像；处理系统分析超声回波，结合全球定位装置和成像定位算法，可以对伤损位置实现精确定位，可视化程度高。具体实现时，需在车轮部位安装超声探轮与测速器，在列车上安装定位装置与处理系统，并保持四者之间稳定通信即可。
-
Patent Agency Ranking
公开(公告)号：CN111796259B
公开(公告)日：2023-04-07
申请号：CN202010512303.7
申请日：2020-06-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于LFM互相关模特性逼近的子样本时延估计方法，包括下列步骤：发射端发射宽频LFM信号；接收端对接收到的回波信号进行匹配滤波，得到回波信号和发射信号的实际互相关函数；根据实际互相关函数，计算粗时延估计值；根据粗时延估计值，建立理论互相关函数；根据得到的实际互相关函数与建立的理论互相关函数，构建代价函数，求解最优化问题，得到残留时延；计算子样本时延估计值。本发明提出的基于LFM互相关模特性逼近的子样本时延估计方法，可以改善探测或测量系统的采样率对时延估计精度的限制，有效地提高时延估计精度，并且该方法步骤简单，易于实现，不会引入过于复杂的计算，提出过高的计算能力要求。
-
公开(公告)号：CN114972561A
公开(公告)日：2022-08-30
申请号：CN202210533017.8
申请日：2022-05-16
Applicant: 华南理工大学
IPC: G06T11/00 , G06N3/04 , G06N3/08 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/82 , G06V40/16
Abstract: 本发明公开了一种基于信息复杂度分类的人脸超分辨率系统的人脸重建方法，过程如下：将高清人脸图像库作为训练集和测试集，构建基于信息复杂度分类的人脸超分辨率系统，将开关G拨到深度SR网络模块一侧连接，进行预训练；将开关拨到基于信息复杂度的分类网络模块一侧连接，进行训练，在训练过程中将图像通过基于信息复杂度的分类网络模块按照信息复杂度进行切割并分类，分类之后的子图像分别经过X个不同深度的卷积神经网络模块中训练；对训练数据进行数据扩充，扩充出的数据进行训练；将开关G拨到基于信息复杂度的分类网络模块一侧，将需要重建的低分辨率人脸图像输入，得到重建出的高分辨率人脸图像。
-
公开(公告)号：CN114219889A
公开(公告)日：2022-03-22
申请号：CN202111310240.8
申请日：2021-11-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于CT与超声融合的脊柱在体准静态三维测量方法，过程如下：对待测量人体进行一次CT扫查得到脊柱CT影像序列；记人体某一准静态为P1；通过对其脊柱进行超声扫查，得到超声影像序列；对每一个椎骨采用基于连续多帧骨面分割图像的椎骨配准方法得到超声椎骨和CT椎骨的最优刚体变换；根据最优刚体变换，对CT椎骨进行旋转和平移，将每一个CT椎骨变换于对应超声椎骨的位置和姿态，展示脊椎的三维形态；改变状态至另一准静态P2，重复上述步骤，得到准静态的人体脊柱三维成像。本发明能观测到脊柱的完整三维形态，克服超声对脊柱成像不完整不清晰以及对脊柱的腹面观重建的不足；同时克服CT无法进行准静态测量的不足。
-
公开(公告)号：CN111297399B
公开(公告)日：2021-11-23
申请号：CN201910231414.8
申请日：2019-03-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于超声视频的胎心定位和胎心率提取方法。该方法包括如下步骤：利用超声成像的方法采集超声视频数据，将超声视频数据输入图像分类模块进行分类和分割，得到属于心脏的关键帧，将心脏关键帧输入胎心率计算模块，提取各帧心室轮廓面积，得到面积曲线变化周期，即为胎心率。本发明采用卷积神经网络和循环神经网络相结合的方法，使用两个相互独立的当前图像帧分割网络、视频上下文特征提取网络对超声视频中图像帧进行特征提取和预测，最后再用全连接网络对两个网络的预测结果进行决策，提高图像帧的分类准确率。本发明提供的方法，提高了胎心率数据的准确性、实时性和实用性。
-
公开(公告)号：CN108417080B
公开(公告)日：2021-07-16
申请号：CN201810315287.5
申请日：2018-04-10
Applicant: 华南理工大学
Abstract: 本发明提供一种分时分位计价的共享停车位无人管理系统及方法。该系统包括车辆识别模块，超声检测器，高速道闸机，智能车位锁，智能设备，云服务器。车辆识别模块用来读取车辆信息；超声检测器用来检测停车位是否空置；高速道闸机控制车辆进出停车场；智能车位锁允许匹配成功的车辆停入停车位；智能设备是为用户提供查询预约停车位的人机交互设备；云服务器实现用户管理、车位查询预约、高速道闸机控制、智能车位锁的开关控制、停车场和车位位置管理、自动分时分位计费、支付和结算功能。本发明实现停车位信息有效共享，也实现了停车场分时分位计价和无人化管理，减少了停车场的运营成本，也能提高停车场的收入。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.059 seconds)
