-
公开(公告)号：CN113095356A
公开(公告)日：2021-07-09
申请号：CN202110237244.1
申请日：2021-03-03
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种轻量型神经网络的图像处理方法及装置，涉及神经网络技术领域，该轻量型神经网络包括：特征提取网络和特征聚合网络，所述特征提取网络用于提取作为输入内容的目标图像的特征矩阵，所述特征聚合网络用于基于所述目标图像的特征矩阵，确定处理结果；所述特征提取网络包括多个提取子网络和融合子网络；其中，每一提取子网络对所述目标图像进行池化下采样，得到该提取子网络对应的特征矩阵；所述融合子网络将各个提取子网络对应的特征矩阵进行矩阵融合，得到所述目标图像的特征矩阵。本方案提供的轻量型神经网络模型可以部署于无法搭载高性能算力的设备内，以使该无法搭载高性能算力的设备可以进行图像处理。
-
公开(公告)号：CN109087351B
公开(公告)日：2021-04-16
申请号：CN201810832090.9
申请日：2018-07-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了基于深度信息对场景画面进行闭环检测的方法及装置，其中，方法包括：获取导航的场景画面的深度图像数据及彩色图像数据，所述深度图像数据包括：多张深度图像帧；对所述彩色图像数据进行特征提取，得到所述彩色图像数据中的特征；确定相邻深度图像帧中深度信息的波动幅值；基于所述相邻深度图像帧中深度信息的波动幅值，确定存在移动物；对所述彩色图像数据中的特征，所述移动物对导航的场景画面引入的错误特征进行剔除，得到剔除所述错误特征后彩色图像数据中的特征；基于剔除所述错误特征后彩色图像数据中的特征，进行闭环检测。
-
公开(公告)号：CN109029446B
公开(公告)日：2020-11-20
申请号：CN201810651020.3
申请日：2018-06-22
Applicant: 北京邮电大学
IPC: G01C21/20
Abstract: 本发明实施例提供了一种行人位置预测方法、装置及设备，其中，该方法包括：获取被预测行人的位置轨迹信息，位置轨迹信息包括被预测行人不同时刻的位置信息；根据位置轨迹信息，确定被预测行人的运动模式轨迹，其中，运动模式轨迹包括被预测行人在不同时段经过的兴趣点(Point of Interest，POI)区域，POI区域表示被访问频次达到预设条件的区域；从预先保存的多个历史模式轨迹中，查找与运动模式轨迹匹配的匹配历史模式轨迹，其中，历史模式轨迹包括历史行人在不同时段经过的POI区域；根据匹配历史模式轨迹，通过马尔科夫预测方式，预测被预测行人的位置。如此能够提高预测的准确性。
-
公开(公告)号：CN106455059B
公开(公告)日：2019-09-06
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：CN109345484A
公开(公告)日：2019-02-15
申请号：CN201811159223.7
申请日：2018-09-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种深度图修复方法及装置，该方法包括：获取待修复深度图；待修复深度图包括待修复区域；确定位于待修复区域中的待修复像素点；确定待修复深度图中以待修复像素点为中心的目标区域内的至少一个参考像素点，参考像素点位于待修复区域外；确定待修复像素点与每一参考像素点间的色彩距离；确定待修复像素点与每一参考像素点间的空间距离；根据每一参考像素点的深度信息，以及所确定的色彩距离和空间距离，确定待修复像素点的深度信息。从而能够实现对深度图中未知深度信息的像素点进行深度信息修复。
-
Patent Agency Ranking
公开(公告)号：CN108961184A
公开(公告)日：2018-12-07
申请号：CN201810689092.7
申请日：2018-06-28
Applicant: 北京邮电大学
IPC: G06T5/00
CPC classification number: G06T5/006 , G06T2207/10028 , G06T2207/20081 , G06T2207/20084
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：CN105792131B
公开(公告)日：2018-11-23
申请号：CN201610251609.5
申请日：2016-04-21
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种定位方法及系统，适用于终端，方法包括：在接收到定位指令后，基于时分码分正交频分复用TC‑OFDM技术获取关于终端的基站定位数据；获取基站定位数据所对应的定位范围的第一图像，其中，第一图像为预先构建的图像数据库的子集，其中，预先构建的图像数据库中任一图像均对应一个地址数据；调用终端中的图像采集模块采集第二图像；将第一图像与第二图像进行图像匹配处理；根据与第二图像相匹配的第一图像所对应的地址数据，获取图像定位数据；基于边缘粒子滤波算法，对基站定位数据和图像定位数据进行数据融合，得到目标定位数据。应用本发明实施例，充分利用现有的TC‑OFDM技术获取更精确的城市峡谷定位数据和室内定位数据。
-
公开(公告)号：CN108549049A
公开(公告)日：2018-09-18
申请号：CN201810326517.8
申请日：2018-04-12
Applicant: 北京邮电大学
Abstract: 本发明提供了一种射线追踪辅助的贝叶斯指纹定位方法及装置。方法包括：根据待定位区域中各无线访问接入点AP的发射功率和预设的射线追踪算法，计算各AP在各参考点处的参考信号强度；针对每一AP，根据预先获取到的该AP在预设采集点处的高斯混合模型的组成参数、该AP的参考信号强度和预设概率分布模型计算公式，计算该AP的信号强度概率分布模型；当接收到终端发送的携带有所述各AP在待定位点处的检测信号强度的定位请求时，根据各AP的信号强度概率分布模型与各AP的检测信号强度，通过贝叶斯算法，确定待定位点位置。采用本发明，可以减少定位所需的人力消耗与时间消耗。
-
公开(公告)号：CN108318854A
公开(公告)日：2018-07-24
申请号：CN201810045643.6
申请日：2018-01-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种定位方法、装置、电子设备及可读存储介质，应用于无线定位技术领域，所述方法包括：根据移动台接收的多个基站发射的信号的信号信息值，通过差分法得到多个基站对对应的信号特征向量；针对每个基站对，若该基站对对应的信号特征向量不在标记数据库中，将信号特征向量输入预先建立的非视距误差计算模型，得到非视距误差值；若信号特征向量在标记数据库中，对信号特征向量进行扩维，并根据标记数据库得到扩维后的信号特征向量对应的非视距误差；将信号特征向量中的信号特征值和非视距误差值之和作为修正后的信号特征值；根据得到的多个修正后的信号特征值和位置计算公式，得到移动台的位置坐标。本发明可提高定位精度。
-
公开(公告)号：CN105911539B
公开(公告)日：2018-04-13
申请号：CN201610245337.8
申请日：2016-04-19
Applicant: 北京邮电大学
IPC: G01S11/02
Abstract: 本发明实施例公开了一种到达时间差的误差补偿值确定方法及装置，该方法包括：根据尺度不变特征转换、信息熵和到达时间差，以及已训练好的支持向量机多类分类器，将尺度不变特征转换、信息熵和到达时间差划分到预设数量类中对应的确定类，确定确定类所对应的误差补偿值区间；根据所确定的误差补偿值区间，确定到达时间差的误差补偿值。该方法和针对该方法提出的装置的误差补偿值确定过程以及采用的分类器训练过程都考虑了实际的传播环境对信号传输的影响，能够准确地将误差补偿值接近的分为一类，使得最终确定的误差补偿值具有一定的准确性，利用该误差补偿值对到达时间差修正，可使其更接近视距到达时间差。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.063 seconds)
