行人检测方法
    41.
    发明公开

    公开(公告)号:CN110852272A

    公开(公告)日:2020-02-28

    申请号:CN201911099358.3

    申请日:2019-11-11

    Abstract: 本发明提供了一种行人检测方法,本发明用以解决现有用以解决现有技术中实时性低、多尺度问题检测性能相对较差的问题。特征融合模块的应用使特征图在语义上具有较强的鲁棒性;预测模块中空间注意力机制的应用增强了模型对行人目标的位置检测能力。本发明提供的基于自上而下语义聚合注意力机制的行人检测方法,能在在提高检测准确度的同时提高模型对多尺度目标的检测能力。

    道路表面裂纹检测方法
    42.
    发明公开

    公开(公告)号:CN110751644A

    公开(公告)日:2020-02-04

    申请号:CN201911008828.0

    申请日:2019-10-23

    Abstract: 本发明提供了一种道路表面裂纹检测方法。本发明在确保高水平的像素精确度的同时还提高了检测的速度。本发明克服一现有技术对道路裂纹检测的缺点,提供一种基于图像处理和卷积神经网络相结合的道路道路裂纹检测和分类的方法,通过监督学习,将人工标注好的分割结果作为训练目标,可以从人工标注好的分割结果中学习到更好的代表性特征。

    一种水下机器人实用定位系统及方法

    公开(公告)号:CN110058199A

    公开(公告)日:2019-07-26

    申请号:CN201910420146.4

    申请日:2019-05-20

    Abstract: 本发明提供了一种水下机器人实用定位系统及方法,系统包括设置于水下机器人壳体上的打标器,同时,水下机器人的软件系统加载有打标器控制模块,定位方法包括:S1:水下机器人的控制端控制所述水下机器人游走,同时采集视频信息并回传到所述控制端;S2:在所述控制端处通过所述视频信息判断所述水下机器人是否在目标物附近预设范围内;S3:如否,返回步骤S1;如是则所述控制端发送打标器控制信号至所述水下机器人;S4:所述打标器控制模块控制所述打标器对目标物进行标识。

    一种水下机器人供电电池故障解决方法

    公开(公告)号:CN109450056A

    公开(公告)日:2019-03-08

    申请号:CN201910019879.7

    申请日:2019-01-09

    Abstract: 本发明公开了一种水下机器人供电电池故障解决方法,具体包括设定锂电池容许压差为ΔV,对于全新的锂电池,采集一组电池内的每节锂电池单体的电压,当组内压差大于或等于设定压差时,替换锂电池,并将替换掉的锂电池进行归类,保证每一组电池压差都小于ΔV;对于已经投入使用的锂电池,设定容许压差ΔV,采集一组电池内的每节锂电池放电电压,如果组内压差大于等于ΔV,对其进行均衡电路加权优先放电控制。本发明可以解决水下机器人供电电池放电不均衡的故障状况,减少了由于电芯放电不均衡造成的电池总压低、机器续航短等常见故障,提高了产品性能。

    一种起重机制动下滑量检测方法及装置

    公开(公告)号:CN108050970A

    公开(公告)日:2018-05-18

    申请号:CN201810084669.1

    申请日:2018-01-29

    CPC classification number: G01B21/02

    Abstract: 本发明公开了一种起重机制动下滑量检测装置,包括可吸附在起重机吊钩上的磁力座,设置在磁力座上的检测仪,检测仪内设置有加速度传感器和与之连接的数据采集卡,用于获取加速度信息;磁力座与检测仪之间通过一转轴连接,转轴在一陀螺仪控制下可进行转动,以调节检测仪的水平角;本发明还公开了一种起重机制动下滑量检测方法,包括:将检测仪水平固定在起重机吊钩滑轮上,远程启动检测仪,操作起重机,使其从静止开始匀速下降,中途执行制动操作,待重物停止后再静置5秒钟,远程发出检测结束指令;测量全过程的加速度数据,并提取吊钩从开始停止到完全停止之间的加速度数据;对提取的数据进行积分处理,得到下滑位移量。

    基于Transformer机制的点提示道路违停区域分割方法及系统

    公开(公告)号:CN119942485A

    公开(公告)日:2025-05-06

    申请号:CN202510022973.3

    申请日:2025-01-07

    Abstract: 本申请提供一种基于Transformer机制的点提示道路违停区域分割方法及系统,应用于道路违停区域分割技术领域,其中,将检测到的点信息与嵌入向量进行整合,使所有特征图在语义上变得更强大准确,提高后续违停区域分割的准确性,使用基于Transformer机制的变换操作来处理复杂的违停区域分割任务,并能够根据用户提供的提示灵活地调整分割结果,使得违停区域分割模型在提高检测准确性的同时也提高了效率。本申请实现了对违停区域的自动化分割同时兼顾违停区域分割精度和检测速度,能够适应大部分道路场景,具有较高的鲁棒性和实用性。

    基于RBF神经网络反演的悬臂式起重机防摆控制方法

    公开(公告)号:CN118313241A

    公开(公告)日:2024-07-09

    申请号:CN202410317800.X

    申请日:2024-03-20

    Abstract: 本发明提供一种悬臂式起重机防摆控制方法,包括:建立悬臂式起重机系统的动力学模型;基于所述动力学模型,构建悬臂式起重机系统的动态误差;采用RBF神经网络对悬臂式起重机系统的不确定项进行估计;基于所述动态误差及估计的不确定项,采用RBF神经网络设计控制器,以通过所述控制器对所述悬臂式起重机进行控制。本发明基于RBF神经网络非线性性质,用于逼近悬臂式起重机未建模动态,提高悬臂式起重机的建模精度,以减少模型参数不确定性对防摇控制性能的影响。

    一种基于AdaLAM算法的视觉SLAM方法

    公开(公告)号:CN112652020B

    公开(公告)日:2024-01-30

    申请号:CN202011538205.7

    申请日:2020-12-23

    Abstract: 本发明公开了一种基于AdaLAM算法的视觉SLAM方法,包括步骤A:通过相机采集视频或图像;步骤B:计算机对图像进行读取,并对图像的大小和分辨率预处理以满足后期的图像处理;步骤C:利用AdaLAM算法对图像中的特征进行提取并进行匹配;步骤D:利用PnP算法对相机运动位姿进行求解;步骤E:将计算结果交给g2o进行非线性优化;步骤F:根据优化结果建立环境稀疏地图;步骤G:回环检测贯穿于整个过程中。本发明将改进后的AdaLAM算法与视觉SLAM相结合,将其用于前端的特征提取和匹配,该算法能够作为一种快速而又准确的外点过滤器,有效提高系统在纹理稀疏、光照变化、物体移动等场景跟踪定位的实时性、准确性与鲁棒性。

    一种基于生成对抗网络和yolov5的非机动车头盔检测方法

    公开(公告)号:CN114120366B

    公开(公告)日:2023-08-25

    申请号:CN202111427950.9

    申请日:2021-11-29

    Inventor: 王浩 马向华 郭栋

    Abstract: 本发明公开了一种基于生成对抗网络和yolov5的非机动车头盔检测方法,包括采用清晰度高的仪器设备采集到非机动车在行驶时,驾驶者佩戴头盔和未佩戴头盔的图片;将采集到的图片对头盔部分打上标签,并用上述相同图片且未做标签的图片一起作为数据集;在StyleGAN网络上引入注意力机制,对未做标签的数据集进行映射,生成特征明显的生成对抗网络数据集;在yolov5网络结构的batch normal层旁边增加一条辅助batch normal层,将做好标签的原图片输入到改进后的yolov5网络结构中,训练得到最优的网络模型参数;运用迁移学习训练获得精度较高的权重文件,从而得到头盔佩戴检测模型,能实现在人流密集的路口进行既快速又准确的检测。

Patent Agency Ranking