一种特种车辆人机协同转向控制方法

    公开(公告)号:CN117227834A

    公开(公告)日:2023-12-15

    申请号:CN202311490977.1

    申请日:2023-11-10

    Abstract: 本发明公开一种特种车辆人机协同转向控制方法,包括实时获取驾驶员心率、皮肤电导率、驾驶员力矩的多源生理数据和车辆姿态数据,根据采集到的多源数据辨识驾驶员心理负荷水平、评估特种车辆行车风险程度,并以此设计强化学习的奖励函数,通过强化学习的双延迟深度确定性策略梯度算法决策出特种车辆人机协同转向的驾驶权重,基于驾驶权重融合驾驶员与自动系统控制器的方向盘转角,得到人机协同模式下实际的特种车辆方向盘转角,实现对特种车辆的人机协同转向控制,本发明根据驾驶员心理负荷水平和行车风险程度动态改变特种车辆人机协同转向权重,改善特种车辆安全性、稳定性和驾驶员负担。

    一种用于矿井巡检机器人的图像立体匹配方法及装置

    公开(公告)号:CN111768437B

    公开(公告)日:2023-09-05

    申请号:CN202010614124.4

    申请日:2020-06-30

    Abstract: 本发明涉及一种用于矿井巡检机器人的图像立体匹配方法及装置,属于立体匹配技术领域,解决了现有图像立体匹配方法对重复纹理区域与弱纹理区域的匹配精度较差的问题。获取物体的左视图和右视图分别作为参考图像和目标图像,对参考图像和目标图像分别进行逐像素邻域替换,得到参考图像和目标图像中每一像素点对应的灰度图;分别获取参考图像和目标图像灰度图对应的二进制码,并基于二进制码计算得到代价量;基于代价量对参考图像和目标图像分别进行匹配代价聚合,得到去除噪声的匹配代价;基于去除噪声的匹配代价,得到物体的视差图,提高了立体匹配的精度和质量。

    一种矿井增强现实无人开采工作面深度估计方法

    公开(公告)号:CN116664649A

    公开(公告)日:2023-08-29

    申请号:CN202310247388.4

    申请日:2023-03-15

    Abstract: 本发明公开了一种矿井增强现实无人开采工作面深度估计方法,属于图像处理技术领域,构建卷积层、池化层、残差层、下采样模块组成的深度编码器,在编码器网络浅层提取图像浅层高分辨率特征信息,在编码器网络深层通过卷积操作的堆叠,提取图像低分率特征信息,将浅层的高分辨率特征图通过层级特征调整模块融合到深层的低分率特征图中;构建由反卷积层、上采样模块以及跳跃连接组成的深度解码器网络,估计图像的深度;构建相机位姿预测网络,通过相机邻帧间运动位姿的估计重投影到目标图像的光度损失作为自监督信号约束;构建改进的颜色‑几何差异信息来预测共平面深度图模块,用向量梯度渐变作为约束信号,约束预测初始深度图和预测共平面深度图。

    目标与背景颜色相似下的运动目标自动跟踪方法及系统

    公开(公告)号:CN111667509B

    公开(公告)日:2023-05-26

    申请号:CN202010531057.X

    申请日:2020-06-11

    Abstract: 本发明涉及目标跟踪技术领域,尤其涉及一种目标与背景颜色相似下的运动目标自动跟踪方法及系统,解决了直接采用CAMshift算法进行目标跟踪时的缺陷。方法包括:步骤S1:处理视频流,得到去噪后的序列帧图像;步骤S2:处理序列帧图像,得到第一帧图像中的前景目标;去除前景目标中的阴影,得到第一帧图像的运动目标区域;步骤S3:读取下一帧图像,将其作为当前帧图像,获取并处理当前帧图像、前一帧图像的运动目标区域的颜色‑曲率概率分布图,得到当前帧图像的候选区域;步骤S4:若当前帧图像的候选区域与前一帧图像的运动目标区域之间的巴氏距离大于距离阈值,将候选区域作为其运动目标区域;重复执行步骤S3与步骤S4,实现所述运动目标的跟踪。

    基于超像素处理遮挡的单目深度估计方法

    公开(公告)号:CN115330874B

    公开(公告)日:2023-05-16

    申请号:CN202211070202.4

    申请日:2022-09-02

    Abstract: 本发明提供一种基于超像素处理遮挡的单目深度估计方法,属于计算机视觉领域,步骤一,图像预处理:对输入的双目图片进行图像去噪以及生成遮挡物体掩膜;步骤二,采用相机位姿估计进行位姿估计对图像进行重建:首先进行特征提取,相机位姿估计使用PoseCNN,之后将输入图像分为三个任务,分别为语义分割、三维旋转回归、三维平移估计;步骤三,采用深度估计网络进行深度估计对图像进行重建;步骤四,计算光度重建损失。使用光度重建损失来识别遮挡,可以有效去除影响网络训练的遮挡物体;图像输入网络之前,使用聚类分割,然后使用SSIM指标重新匹配双目图像对,网络预测的图像比较单一,提高了网络估计的准确率。

    一种用于AI视频分析的模糊图像超分辨率重建方法及装置

    公开(公告)号:CN114049251A

    公开(公告)日:2022-02-15

    申请号:CN202111022598.0

    申请日:2021-09-01

    Abstract: 一种用于AI视频分析的模糊图像超分辨率重建方法及装置,提出的多尺度特征提取及融合网络能够得到不同尺度下的浅层图像特征,增加图像特征的丰富度;采用多路径递归残差网络模型,可以很好地学习LR图像和HR图像之间的高频残差特征,首先,不同路径之间的信息可以相互共享,使得网络能够自适应地检测不同尺度的图像特征。其次,每一条路径可以从不同路径的梯度中受益,更加有助于图像特征信息的传播和梯度流动,以缓解训练过程中梯度的消失问题,提高训练效果和图像重建性能;采用的自门控Swish激活函数,有助于解决随着网络层数加深会出现过拟合问题,使得图像超分辨率重建有着较好的性能。

    一种用于全景智能安防的行人徘徊重识别方法

    公开(公告)号:CN113627383A

    公开(公告)日:2021-11-09

    申请号:CN202110978611.3

    申请日:2021-08-25

    Abstract: 本发明提出了一种用于全景智能安防的行人徘徊重识别方法,该方法主要包括视频图片采集,图片质量评估,行人检测和重识别,徘徊判断几个部分:第一部分是图片采集部分,该部分是实现实时预览安防视频按秒截取图片并收集在存储器中;第二部分是图片质量评估,截取到的图片可能存在模糊,遮挡物过多等问题,将这样一些图片筛选掉;第三部分是行人检测和行人重识别,在这部分,我们联合检测和行人特征识别,将截取到的全景图片送入一个单一的神经网络中联合处理行人检测和重识别这两个任务;第四部分是行人徘徊判断,我们通过对相机id是否相同以及图片间隔时长判断行人是否徘徊。

Patent Agency Ranking