-
公开(公告)号：CN105578183B
公开(公告)日：2019-10-11
申请号：CN201510944725.0
申请日：2015-12-16
Applicant: 西安交通大学
IPC: H04N19/127 , H04N19/14 , H04N19/147
Abstract: 本发明提出了一种基于高斯混合模型的压缩传感视频编解码方法，首先利用高斯混合模型对压缩传感视频进行建模，在此基础上设计了一种基于乘积量化器的GMM有损压缩方法，提出了压缩传感视频编码器与解码器。对于压缩传感视频的时域冗余，采用了DPCM差分编码技术进行消除，进一步采用算术编码去除数据冗余得到输出码流，用于存储和传输。本发明利用高斯混合模型针对具有随机特性的压缩传感视频进行建模，同时对压缩传感视频进行时域冗余消除，能够节省系统的能量和计算资源，并提高压缩效率。本发明可以满足对视频编码系统有能量、计算复杂度限制的应用环境，如无线多媒体传感网络、空间视频获取、移动终端视频获取等。
-
公开(公告)号：CN105578183A
公开(公告)日：2016-05-11
申请号：CN201510944725.0
申请日：2015-12-16
Applicant: 西安交通大学
IPC: H04N19/127 , H04N19/14 , H04N19/147
Abstract: 本发明提出了一种基于高斯混合模型的压缩传感视频编解码方法，首先利用高斯混合模型对压缩传感视频进行建模，在此基础上设计了一种基于乘积量化器的GMM有损压缩方法，提出了压缩传感视频编码器与解码器。对于压缩传感视频的时域冗余，采用了DPCM差分编码技术进行消除，进一步采用算术编码去除数据冗余得到输出码流，用于存储和传输。本发明利用高斯混合模型针对具有随机特性的压缩传感视频进行建模，同时对压缩传感视频进行时域冗余消除，能够节省系统的能量和计算资源，并提高压缩效率。本发明可以满足对视频编码系统有能量、计算复杂度限制的应用环境，如无线多媒体传感网络、空间视频获取、移动终端视频获取等。
-
Patent Agency Ranking
公开(公告)号：CN118570806A
公开(公告)日：2024-08-30
申请号：CN202410618299.0
申请日：2024-05-17
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向开放场景的弱监督3D目标检测方法及系统，分别使用单目相机和低线数激光雷达采集图像数据和点云数据；利用2D检测网络推理出当前帧的语义信息；然后通过相机坐标系与雷达坐标系之间的转换关系筛选出ROI区域的点云，再基于点云的几何密度特征使用DBSCAN聚类算法进行点云分割并得到物体的位置；将无监督3D目标提议模块的对象位置投影到单目图像上，采用跨模态的迁移学习方法，由教师网络预测物体朝向指导学生网络，在训练过程中学习从点云中预测物体的朝向并优化检测结果，得到3D检测结果。本方法不需要任何3D标签，且不需要复杂的深度学习方法处理点云数据，能适应真实应用场景中多样化的检测任务需求。
-
公开(公告)号：CN118068356A
公开(公告)日：2024-05-24
申请号：CN202410223049.7
申请日：2024-02-28
Applicant: 西安交通大学
IPC: G01S17/86 , G01S17/89 , G06V10/764 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于单线激光雷达和单目相机的三维目标检测方法及系统，依靠摄像头来检测三维物体，并利用单线激光雷达作为补充，首先，利用一个新型的双分支网络和一个新的全局‑局部法线梯度损失，从单目RGB图像和单线激光雷达预测高质量的深度图。其次，利用相机参数从深度图中重建出点云，将重建点云输入到成熟的基于激光雷达的三维目标检测器中得到三维检测结果；一方面降低了自动驾驶汽车的成本，另一方面移植到价格和功率受限的小型机器人。
-
公开(公告)号：CN115657676A
公开(公告)日：2023-01-31
申请号：CN202211321954.3
申请日：2022-10-26
Applicant: 西安交通大学
IPC: G05D1/02
Abstract: 一种基于优先级的集中式多AGV多径通道变道决策规划方法，包括如下步骤：S100：根据预先制定的多径通道通行规则进行路径资源的合理分配，确认多径通道下AGV是否需要变道的变道决策结果；S200：按照各AGV优先级顺序，接收所述变道决策结果，对当前AGV进行行为级规划，规划出变道的具体语义动作，并在云端生成时空通道给单机AGV。该方法能够让多AGV系统在宽阔路径上有更强大的适应性和高效性，能够让多AGV系统的宽阔路径下减少拥堵和解决突发情况。
-
公开(公告)号：CN111242855B
公开(公告)日：2022-06-07
申请号：CN202010007508.X
申请日：2020-01-04
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于RGB‑D的SSIM结构相似度的迭代深度图结构修复方法，首先检测输入深度图的边缘，并将边缘膨胀，将膨胀后的区域标记为潜在结构失真区域，然后对潜在结构失真区域中的每个像素点判断是否失真，产生结构失真度量指标，失真像素点采用彩色图高斯权重与结构失真度量指标的乘积构建恢复权重，通过加权中值滤波进行引导恢复，然后对失真区域进行引导滤波，完成后的结果图依照上述步骤继续迭代至满足设定终止迭代条件，输出深度图结束计算。本发明通过对深度图结构失真区域进行迭代探测与恢复，以此获得较为精准的结构信息，同时也对结构未失真区域进行去噪与保边，最终能够获得结构清晰、深度值平滑的深度图。
-
公开(公告)号：CN108805841A
公开(公告)日：2018-11-13
申请号：CN201810600927.7
申请日：2018-06-12
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于彩色图引导的深度图恢复及视点合成优化方法，首先对不一致区域进行探测，检测输入深度图的边沿，并将边沿进行膨胀处理，将膨胀后的边沿标记为潜在不一致区域，然后基于迭代重加权最小二乘算法构建权重，权重构建完成后进行整体求解并更新深度图，根据结果判断是否达到设定的迭代次数，如果达到则输出深度图结束计算，否则重新进行对不一致区域探测。本发明能够抑制强噪声，并且能够修复深度图和彩色图不一致区域，提高深度图和彩色图的一致性，恢复出正确的深度图边界，对提高合成视图的质量有重要的指导意义。同时对于一致区域的去噪和保边能力强，采用成熟的迭代加权最小二乘模型，对参数的适应性强，提高了模型的鲁棒性。
-
-
-
-
-
-
Search Results
37
records
(took 0.022 seconds)
