-
公开(公告)号：CN113916221B
公开(公告)日：2024-01-09
申请号：CN202111057042.5
申请日：2021-09-09
Applicant: 北京理工大学
Abstract: 本发明涉及一种融合视觉里程计和BP网络的自适应行人航迹推算方法，属于机器视觉以及行人导航技术领域。包括：提出了一种融合视觉里程计和BP网络的自适应行人航迹推算方法，该方法将在线学习反向传播神经网络的卡尔曼滤波相结合，以RGB‑D相机的VO测量数据和IMU数据作为样本集训练BP神经网络，在VO失效时充当其替身实现多源数据融合，从而使得VPO提高了不同使用者和使用环境下航迹追踪的鲁棒性和精度。所述方法提高了步伐检测的成功率和补偿估计；在视觉失效时，能较为精确的计算步长；具有成本低、能耗低且实时性好的优势；有效提升了行人导航系统的鲁棒性和对不同装备者的自适应性。
-
公开(公告)号：CN116958212A
公开(公告)日：2023-10-27
申请号：CN202211592752.2
申请日：2022-12-13
Applicant: 北京理工大学
Abstract: 本发明属于计算机视觉技术领域，涉及一种在结构化点云场景中基于平面基元的点云配准方法。所述方法依托的系统中的预处理模块进行滤波和下采样输出点云信息，平面提取模块提取出特征明显的平面，平面匹配模块搜索对应面；转换矩阵计算模块计算配成功的平面特征的转换矩阵，最优选择模块选出配准精度最高的转换矩阵。所述方法对待配准源点云及目标点云进行滤波、下采样及分割得到平面，计算平面特征描述子及角度特征描述子并据此进行几何匹配，获取匹配成功的平面集并计算转换矩阵，选取点云重合度最高的转换矩阵进行点云配准和量化，从而实现在结构化场景下的点云配准。所述方法提高了结构化场景中点云配准的精度，并降低点云配准的运行时间。
-
公开(公告)号：CN113674362A
公开(公告)日：2021-11-19
申请号：CN202110972401.3
申请日：2021-08-24
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于空间调制的室内成像定位方法及系统，属于室内定位及位置识别技术领域。所述系统，包括特征码、LED灯、定位终端和定位模块；特征码与LED灯相连，定位终端和定位模块相连；特征码包含特征和二维码，每个特征均为梯度渐变的扇形且特征间为角度差异；二维码使用黑白条纹进行行编码；所述方法包括：设定LED灯与后置相机的工作距离；确定最佳曝光时间和IOS值；确定特征码的最佳透明度；标定后置相机，确定内参矩阵及畸变系数；系统初始化；获取图像信息；对图像信息进行处理，解算后置相机的2D坐标。所述方法避免了对LED的修改，降低了成本；能提供大量ID，满足大环境的定位需求，解决人工特征易受光照条件影响。
-
公开(公告)号：CN109379132B
公开(公告)日：2020-06-05
申请号：CN201811477380.2
申请日：2018-12-05
Applicant: 北京理工大学
IPC: H04B10/079
Abstract: 本发明涉及一种低速相干探测和神经网络估计光纤色散的装置与方法，属于通信技术领域。包括：步骤1：用低速探测单元对经过光纤链路传输后的光信号进行低速探测，经过数据预处理单元产生数据集，并用数据集分类单元将数据集划分为训练集以及测试集；步骤2：构建神经网络单元，设置神经网络参数，并用步骤1中产生的训练集训练构建的神经网络；步骤3：将步骤2中训练好的神经网络单元，用于估计步骤1中划分好的测试集的色散，其估计方法为用神经网络单元的输出与参考色散进行加权平均。本发明能实现对低速率采样的信号进行色散估计，大大降低了接收端成本；还解决了需用周期性训练序列信号进行色散估计的缺陷且不需要改变发射端。
-
公开(公告)号：CN110943950A
公开(公告)日：2020-03-31
申请号：CN201911173245.3
申请日：2019-11-26
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于幅度放大和相位旋转的FFT频偏估计方法，属于光通信技术领域。包括步骤一：得到离线待测信号；步骤二：进行幅度均值归一化处理；步骤三：对归一化处理后数据进行四次方处理；步骤四：利用评价因子γ判断信号是否能直接进行频偏估计；步骤五：利用幅度放大和相位旋转提高评价因子γ的值。步骤六：利用FFT得到频偏值。所述方法通过幅度放大和相位旋转的方式，可以提高傅里叶变换后的峰值幅度，从而更容易找到峰值。使得在频偏测量过程中对自发辐射噪声和相位噪声都有更好的鲁棒性；提出评价因子γ可判断各种调制格式是否可以直接利用FFT进行频偏估计，在不能直接利用情况下，可通过幅度放大和相位旋转的方式提高γ值以满足条件。
-
Patent Agency Ranking
公开(公告)号：CN110933005A
公开(公告)日：2020-03-27
申请号：CN201911249791.0
申请日：2019-12-09
Applicant: 北京理工大学
Abstract: 本发明涉及一种密度聚类的调制格式识别与OSNR估计的联合方法，属于相干光通信中的调制识别技术领域。利用相干接收数据的两路信号构建时域星座图，基于DBSCAN的密度聚类方法识别出满足预设密度阈值的数据聚类簇，再利用聚类簇的个数作为调制格式识别的因子，划分判决阈值识别接收数据的调制格式；计算满足密度阈值的数据在总数据中的占比，利用该密度信息进行高阶多项式拟合，实现OSNR估计。无需大量训练数据能够对QPSK、8PSK、16QAM、32QAM以及64QAM进行准确识别与OSNR低误差估计。所述方法具有系统复杂度低以及对信号进行实时监测的潜力，还有应用在误码率计算、线性与非线性损伤监测上的应用前景。
-
公开(公告)号：CN109029464A
公开(公告)日：2018-12-18
申请号：CN201810952600.6
申请日：2018-08-21
Applicant: 北京理工大学
IPC: G01C21/20
CPC classification number: G01C21/206
Abstract: 本发明涉及一种自设特征图形的视觉二维码室内定位方法，属于室内定位技术领域。基于SIFT的特点设置特征图形，并使用经过设置的特征图形构建二维码，在已知位置粘贴二维码，使用摄像头接收二维码并解码，使用比例正交投影迭代变换算法确定摄像头与二维码之间的相对位置关系，二维码中的内容为二维码自身坐标，结合求得的摄像头与二维码之间的相对位置关系得到摄像头的位置，通过控制解方程时迭代误差来控制定位误差。本发明所提出的方法与现有室内定位方法相比，不需要部署基站，只需要贴二维码，免除了部署安装以及基站供电的问题，极大的节约了成本，且能够保证定位精度，有极大的应用潜力。
-
公开(公告)号：CN106100734B
公开(公告)日：2018-07-06
申请号：CN201610663244.7
申请日：2016-08-15
Applicant: 北京理工大学
IPC: H04B10/116 , G01S5/06 , H04W64/00
Abstract: 一种基于人工神经网络的高精度室内可见光定位方法，特征是包括训练模式和定位模式两部分，即首先根据选取测试点的位置坐标和接收信号强度建立人工神经网络并对其进行训练；之后利用训练完成的人工神经网络并结合接收端的接收信号强度，得到最终的定位结果。在训练模式中，该方法能够同时考虑光源的直射光信号以及来自墙面和其他物体表面的漫反射光信号，并能在训练完成后的定位过程中对其加以利用。本发明所提方法更符合实际的应用场景，定位结果更为准确；且相对于传统基于接收信号强度的定位方法，该算法的运算时间更短，效率更高。
-
公开(公告)号：CN106019226B
公开(公告)日：2017-11-28
申请号：CN201610044966.4
申请日：2016-01-22
Applicant: 北京理工大学
IPC: G01S5/16
Abstract: 一种基于双探测器的区域外可见光定位方法，包括以下步骤：1)发送端处理器驱动多个LED，每个LED发送经过调制的可见光信号；2)光探测器A和光探测器B同时接收并解调步骤一中LED发出的可见光信号，并提取相关信息；3)根据提取的相关信息，使用朗勃辐射模型列二次方程组；4)最后用最小二乘法实时解算位置坐标。本发明提出的方法与现有室内定位方法相比，不仅可在LED区域内实现定位，最主要的可以实现区域外定位；2.本发明提出的方法简单易行，便于实现；无论区域内外，只需要3个或3个以上LED能覆盖的地方就可以实现区域内外的定位；极大的减少了所需要的LED数目，节约了成本。
-
公开(公告)号：CN107104699A
公开(公告)日：2017-08-29
申请号：CN201710216867.4
申请日：2017-04-05
Applicant: 北京理工大学
IPC: H04B1/69 , H04B10/079
CPC classification number: H04B1/69 , H04B10/07951 , H04B2001/6912
Abstract: 一种分数域中低运算复杂度的最优阶数搜索的装置和方法，属于通信技术领域。包括一种分数域中低运算复杂度的最优阶数搜索的装置，简称本装置，以及一种分数域中低运算复杂度的最优阶数搜索的方法。具体为：步骤1初始化单元初始化测量精度值，设置k＝1时刻的采样点数和步进；步骤2：计算单元计算k时刻采样点数时不同阶数下的能量集中度；步骤3：搜索单元搜索步骤2输出的能量集中度的极值得到最优阶数；步骤4：转换单元转换k+1时刻采样点数下的最优阶数；步骤5：确定单元确定k+1时刻采样点数下的阶数搜索区间；步骤6：判断k时刻采样点数的测量精度值是否达到要求，并决定是否完成本方法。本发明可用于啁啾信号的啁啾系数和光纤传输系统中色散的精准测量。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.05 seconds)
