-
公开(公告)号：CN109798896B
公开(公告)日：2023-01-03
申请号：CN201910052711.6
申请日：2019-01-21
Applicant: 东南大学
IPC: G01C21/20
Abstract: 本发明公开了一种室内机器人定位与建图方法及装置，包括：进行粒子采样，获取k时刻每个粒子的位姿，并且根据粒子个数平均分配各粒子的权值；获取k时刻的实际观测值，结合每个粒子的位姿对每个粒子的权值进行更新并归一化处理；根据更新后的每个粒子权值，计算得到有效粒子数；判断有效粒子数小于设定的阈值时，对粒子进行重采样及计算更新重采样粒子权值，否则大于时保持原采样粒子和其权值；根据更新后重采样或原采样粒子权值，利用当前状态的期望值对k时刻的机器人的实际位姿更新；利用卡尔曼滤波算法更新地图的均值和方差，以得全部粒子的地图信息，根据实际位姿建立机器人地图。本发明可在保证地图精度的同时大大提高了建图的实时性。
-
公开(公告)号：CN108764466B
公开(公告)日：2022-02-11
申请号：CN201810187619.6
申请日：2018-03-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于现场可编程门阵列的卷积神经网络硬件及其加速方法，现场可编程门阵列平台包括软件部分以及硬件部分。其中软件部分负责Off‑Chip memory的读写以及bit stream的加载控制，硬件部分负责卷积神经网络的加速处理，包括以下步骤：根据卷积神经网络的各层配置数据的不同，由软件部分控制加载不同的配置数据对现场可编程门阵列进行实时重构；根据卷积神经网络计算中的内存的读写需求，搭建软硬件协作系统；根据卷积神经网络的特点，对数据进行并行分批次处理，加速计算进行。该发明能够在现场可编程门阵列的硬件资源基础上搭建出符合卷积神经网络结构特点的硬件处理单元，相比于通用处理器具有低功耗、高性能的特点。
-
公开(公告)号：CN107729774B
公开(公告)日：2021-02-19
申请号：CN201710953022.3
申请日：2017-10-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于反馈延时差调整的高稳定APUF电路，包括：PUF延时链模块、正跳变信号加载模块、反馈控制模块、计数器模块、仲裁器，通过将PUF延时链模块输出的正跳变信号反馈重新施加给PUF延时链模块，扩大上下两条路径中的正跳变信号到达仲裁器的时序差别，以克服仲裁器的亚稳态，使仲裁器稳定地输出0或1，从而提高APUF的稳定性。本发明提出的高稳定APUF电路具有高稳定性、实现简单、资源消耗少等特点。
-
公开(公告)号：CN107682311B
公开(公告)日：2020-03-31
申请号：CN201710733565.4
申请日：2017-08-24
Applicant: 东南大学
IPC: H04L29/06 , G06F16/953
Abstract: 本发明公开了一种硬件实现的多链接TCP数据重组系统，包括TCP报头载荷分离模块，用于提取数据包中相关信息，并完成数据报头与载荷的分开存储；HASH链表模块，根据相关的报头信息完成HASH链表的添加、查找、删除操作，生成链接号，对数据包进行多链接管理；TCP数据重组管理模块，根据报头信息和链接号通过通道缓存技术和通道移位技术完成乱序数据包的重组管理；大容量外部存储器控制模块，用于完成载荷数据的顺序的拼接存储。本发明采用硬件方式实现多链接环境下TCP数据重组，能够获得比现有软件实现方式更高的网络传输速率和带宽利用率。
-
公开(公告)号：CN110084739A
公开(公告)日：2019-08-02
申请号：CN201910241645.7
申请日：2019-03-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于CNN的画质增强算法的FPGA并行加速系统，包括：中央处理器、DMA控制器、总线模块、加速器IP核模块、片上存储器BRAM、片外存储器SDRAM；所述中央处理器对训练完成的卷积神经网络模型的权值数据进行定点量化，得到量化完成的权值数据并存储在片外的SRDAM中；DMA控制器将预先存储在片外SDRAM的权值数据和待处理的视频图像数据搬运至片上存储器BRAM进行分块存储；加速器IP核模块采用乘法器并行优化和维度变换、流水线化的行缓存和共享padding设计优化操作，由中央处理器进行启动并从BRAM中取得数据进行网络的正向计算，计算得到的图片搬运至片外SDRAM。本发明功耗大幅降低，实现了FPGA资源利用和运算效率的平衡，能够满足实际嵌入式场景下的视频图像应用需求。
-
Patent Agency Ranking
公开(公告)号：CN110077495A
公开(公告)日：2019-08-02
申请号：CN201910328762.7
申请日：2019-04-23
Applicant: 东南大学
Abstract: 本发明公开了一种单车解锁方法、电子锁及解锁控制系统，涉及共享交通工具技术领域，一种单车解锁方法，包括步骤：用户在移动终端设备录入个人身份信息；带有电子锁的单车端采集用户信息，用户身份有效的情况下执行解锁操作；后台服务器负责移动终端和单车端间通信，用以存储和验证用户身份信息。利用本发明，能够实现单车的智能解锁，操作方便快捷且安全，从而提升了用户体验。
-
公开(公告)号：CN109945873A
公开(公告)日：2019-06-28
申请号：CN201910270314.6
申请日：2019-04-04
Applicant: 东南大学
IPC: G01C21/20
Abstract: 本发明公开一种用于室内移动机器人运动控制的混合路径规划方法，属于机器人技术领域，其结合了静态环境的全局路径规划方法和动态环境的局部路径规划方法。本发明通过外部传感器为系统提供外部环境信息输入，由此建立栅格模型；本发明提出并行Bi-directional A-star算法与改进人工势场Artificial Potential Field算法融合的混合路径规划方法，通过并行Bi-directional A-star算法进行全局、静态路径搜索，通过改进APF算法进行局部、动态路径搜索。最后由以上混合方法得到的路径数据控制机器人的运动。本发明采用的混合路径规划方法对室内环境具有更强的适应能力，并且本发明所采用的一系列措施和优化方法所得到的路径具有很强的完备性和较好的最优性。
-
公开(公告)号：CN109299622A
公开(公告)日：2019-02-01
申请号：CN201811009811.2
申请日：2018-08-31
Applicant: 东南大学
IPC: G06F21/73
Abstract: 本发明公开了一种基于Raspberry Pi B+的DRAM PUF测试系统，包括DRAM、CPU端和GPU端，CPU端包括UART数据获取模块和Mailbox数据发送模块，GPU端包括Mailbox数据接收模块、DRAM初始化模块、DRAM刷新控制模块、CPU代码手动刷新模块和DRAM内容读取模块；本发明还公开了一种基于Raspberry Pi B+的DRAM PUF测试系统的DRAM PUF提取方法，本发明可以用于在任意Raspberry Pi B+设备上测试DRAM PUF数据，并且用户能够通过串口打印数据，生成文件便于分析；在启动阶段以及运行阶段均可以进行DRAM PUF的提取，尤其在运行阶段，在DRAM停止刷新的情况下，能够通过手动刷新保证原有运行代码的不丢失，进行正常的DRAM PUF测试流程，通过串口打印最终结果。
-
公开(公告)号：CN108681669A
公开(公告)日：2018-10-19
申请号：CN201810366166.3
申请日：2018-04-23
Applicant: 东南大学
CPC classification number: G06F21/554 , G06F21/71
Abstract: 本发明公开一种基于多参数侧信道分析的硬件木马检测系统，包括获取模块及检测模块。本发明还公开一种基于多参数侧信道分析的硬件木马检测方法，分别对原始芯片群和待测芯片群进行延时测试，得到正常工作时的最大工作频率fmax，并进行分模块后施加测试向量组，获得所有模块的瞬态电流，得到每块芯片的平均瞬态电流IDDT，据此绘制出IDDT‑fmax图；将待测芯片与原始芯片在相同fmax时的IDDT值作比较，查看待测芯片的IDDT的值是否超出阈值线，以此判断待测芯片是否含有木马。此种技术方案通过使用诸如最大工作频率和瞬态电流等多种参数，提高硬件木马检测的分辨率。
-
公开(公告)号：CN108366232A
公开(公告)日：2018-08-03
申请号：CN201810295612.6
申请日：2018-03-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于虚拟现实技术的智能视频监控系统，属于视频监控技术领域和虚拟现实技术领域。本发明所述智能视频监控系统包括本地监控终端、流媒体服务器和远程监控终端；本地监控终端用于对全景监控视频进行采集和管理，同时实现智能监测与告警功能；流媒体服务器用于接收本地监控终端的视频，接受远程监控终端的调用；远程监控终端用于调用、解码全景监控视频，并且构建模型、进行渲染，实现利用虚拟现实设备进行监测。本发明不仅实现了对监控区域移动目标的智能检测和告警，还可以通过VR设备实现屏幕与监控视频的直接互动，并且本发明的本地监控终端和远程监控终端都采用Android设备，系统安装方便，实施成本较低。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.038 seconds)
