公开(公告)号：CN100576893C

公开(公告)日：2009-12-30

申请号：CN200710018552.5

申请日：2007-08-28

Applicant: 西安交通大学

Inventor： 郑南宁 ,  孙宏滨 ,  杨小露 ,  葛晨阳 ,  王东 ,  任鹏举 ,  刘伟 ,  李珺珂 ,  李仁男

IPC: H04N5/445

Abstract: 本发明公开了一种集成于视频处理芯片的图形OSD控制器，由位图数据解压缩模块、存储操作控制模块、可编程色彩映射模块、OSD图像缩放模块、图像显示管理模块、寄存器操作管理模块及MCU接口模块组成；通过MCU接口模块提供的串行I2C和并行两种工作模式之一，设置寄存器操作管理模块的各种显示参数、操作参数，从而控制OSD数据的存储、显示并读取OSD控制器的状态；OSD图像显示管理模块，可根据OSD控制器的设置参数，控制多层图形OSD数据的叠加方式、OSD图像与原始视频信号的混合模式、OSD图像显示窗口大小以及显示特性等；使用片外SDRAM作为图像数据的显示存储，使用片内双端口RAM作为图像操作的控制存储，便于与视频处理系统的集成和资源共享。

公开(公告)号：CN100352261C

公开(公告)日：2007-11-28

申请号：CN200510042778.X

申请日：2005-06-09

Applicant: 西安交通大学

Inventor： 郑南宁 ,  杨敏 ,  施建安 ,  葛晨阳 ,  肖瑞洁 ,  李永 ,  孙宏滨 ,  尹擎

IPC: H04N5/14 ,  H04N7/01

Abstract: 一种3∶2下拉电影源视频的检测方法，通过包含场差度量模块、场差修正模块、场标号生成模块、场标号预测模块、场标号匹配模块和模式判断模块，对接收到的视频进行计算、修正、匹配以及判断，来检测其是否为3∶2下拉电影源视频。该方法能有效检测出混合编辑的视频中的电影源视频，在视频类型发生变化时能迅速正确地切换去隔行模式，在镜头切换处仍能进行可靠的检测，对静态和动态画面的识别准确率都很高，硬件实现简单、成本低。

公开(公告)号：CN1761312A

公开(公告)日：2006-04-19

申请号：CN200510096292.4

申请日：2005-11-03

Applicant: 西安交通大学

Inventor： 郑南宁 ,  尹擎 ,  葛晨阳 ,  孙宏滨 ,  王东 ,  杨敏 ,  施建安 ,  褚智慧

IPC: H04N7/01

Abstract: 本发明公开了一种基于双三次插值的数字视频图像缩放的方法及其电路，将24位的YUV格式或RGB格式的数字视频数据在输入行场信号作用下写入数据存储器，再由输入行场信号产生模块调制产生输出行场信号，数据读出存储器的读地址通过在输出行场信号作用下的缩放比例因子的累加映射运算产生，读出的数据通过加权运算得出插值后的数据。该方法的实现电路简单，在同一电路中，可实现图像的放大和缩小。通过输出行场信号产生方法和缩放比例因子地累加映射运算，以较少的硬件资源、简单的数据存储器的读写控制逻辑实现数字视频图像缩放的双三次插值算法。同时，本发明的方法和电路也可以作为独立的IP核使用，应用于各种需要视频图像缩放的场合。

公开(公告)号：CN117094459B

公开(公告)日：2025-03-11

申请号：CN202311081487.6

申请日：2023-08-25

Applicant: 西安交通大学

Inventor： 孙宏滨 ,  陈黎明 ,  陈炜煌 ,  冀皓煊 ,  杨彦龙 ,  张敬敏

IPC: G06Q10/047 ,  B60W60/00 ,  G06Q50/40 ,  G06N3/09 ,  G06N3/045 ,  G06N3/0499

Abstract: 本发明公开了一种基于安全轨迹树网络的运动规划方法，包括：通过TTNET网络生成能够表示所有交通参与者的离散化可行空间的轨迹树；通过多层感知器MLP编码得到深度特征编码，自动驾驶汽车及其周围交通参与者的边界框特征和局部参考线的深度特征编码；这些深度特征编码之间经过级联后被送入空间Transformer编码器中，经过充分的特征融合，输出整体交互编码；将整体交互编码输入轨迹预测辅助与安全轨迹树网络模型，输出最终的运动规划轨迹。相较于现有方法，TTNET网络在CARLA Town05闭环测试基准上的驾驶分数提高了8.3％，路线完成度上提高了39.2％；在CARLA Longest6基准上，TTNET网络的遵守交通规则的分数提高了10.6％。同时，TTNET网络还具有至少28赫兹的推理速度，比最好的方法快了1.5倍。

公开(公告)号：CN119559409A

公开(公告)日：2025-03-04

申请号：CN202411602488.5

申请日：2024-11-11

Applicant: 西安交通大学

Inventor： 王智平 ,  张旭翀 ,  牛众品 ,  孙宏滨

IPC: G06V10/74 ,  G06V10/75 ,  G06V10/24 ,  G06T7/246 ,  G06T7/277 ,  G06T7/262 ,  G06T5/40 ,  G06T5/70 ,  G06T5/60 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种结合轨迹预测的抗遮挡单目标长时跟踪方法及系统，该方法包括：首先手动指定目标的位置和大小，确定需要跟踪的区域，对目标区域进行特征提取并将特征向量映射到高维特征空间，得到初始目标模板；根据初始目标模型的特征信息，在跟踪区域内定位目标，计算目标候选区域与初始目标模板之间的相似度，选择最可能的目标位置，结合遮挡判定算法，在目标被遮挡时进入搜索状态，利用目标的历史轨迹数据进行预测；根据得到的目标位置，结合目标当前的状态和运动情况，动态更新目标的模板信息。该系统包括目标初始化模块、目标定位模块和目标模板更新模块。本发明能够实时更新目标搜索范围，以实现准确稳定的长时目标跟踪。

公开(公告)号：CN119206542A

公开(公告)日：2024-12-27

申请号：CN202411107011.X

申请日：2024-08-13

Applicant: 西安交通大学

Inventor： 孙宏滨 ,  喻彭 ,  张旭翀 ,  汪航

IPC: G06V20/17 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种面向无人机高空航拍的红外小目标检测方法及装置，该方法包括：制作真实场景数据集；构建针对红外小目标检测的深度学习模型，所述深度学习模型包括红外小目标特征提取主干网络、特征聚焦金字塔颈部网络和检测头；利用所述真实场景数据集对所述深度学习模型进行迭代训练，得到训练后的深度学习模型，将训练后的深度学习模型部署到嵌入平台上，得到目标检测模型；通过所述目标检测模型对待识别的红外小目标图像进行检测，获得检测结果。本发明有效提高了模型的红外小目标检测性能，降低了模型的参数量。

公开(公告)号：CN116862795A

公开(公告)日：2023-10-10

申请号：CN202310814308.9

申请日：2023-07-04

Applicant: 西安交通大学

Inventor： 汪航 ,  孙宏滨 ,  郝泽宇 ,  张旭翀

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于逐像素退化预测网络的多级去运动模糊方法，能够高效地去除图像中的运动模糊。本发明对模糊图像下采样两倍及四倍得到中、低分辨率模糊图像，并使用逐像素退化预测模块生成低分辨率复原图像，以及有效信息。接着将低分辨率复原图像经过上采样与中分辨率模糊图像融合输入空间通道补偿模块，同时使用空间通道补偿模块对低分辨率有效信息进行优化和补充，生成中分辨率复原图像。随后在高分辨率层次重复此步骤，生成复原图像。相比于已有方法，本发明采用多级的网络结构，在低分辨率使用稠密结构，中、高分辨率使用稀疏结构，大幅降低了计算量。使用逐像素卷积以及逐层优化，在有效提升网络模型计算效率的同时保持较好的图像质量。

公开(公告)号：CN111292357B

公开(公告)日：2023-04-14

申请号：CN202010136402.X

申请日：2020-03-02

Applicant: 西安交通大学

Inventor： 孙宏滨 ,  米云琪 ,  汪航 ,  张旭翀 ,  郑南宁

IPC: G06T7/246 ,  G06T7/262

Abstract: 本发明公开了一种基于相关滤波的视频帧间快速运动估计方法。该方法首先对基准帧和参考帧进行预处理，通过进行对数变换提高图像对比度，其次将基准帧划分成大小相等的网格，依次提取基准块Bcur，在参考帧中依据基准块的对应位置提取参考区域，并从中依次提取参考块，通过相关滤波计算运动矢量。本发明能显著提高传统运动估计方法的鲁棒性，可以克服传统运动估计方法对于非刚性运动无法准确获取运动矢量的缺陷，并通过改进搜索策略降低运算复杂度。

公开(公告)号：CN112964271B

公开(公告)日：2023-03-31

申请号：CN202110276175.5

申请日：2021-03-15

Applicant: 西安交通大学

Inventor： 孙宏滨 ,  陈炜煌 ,  王玉学 ,  章浩飞 ,  李煊 ,  吴彝丹

IPC: G01C21/34

Abstract: 本发明公开了一种面向多场景的自动驾驶规划方法及系统，方法包括：S1，获取全局参考路线；S2，根据是否已有最优轨迹、自车位置以及全局参考路线生成局部参考路线：若无最优轨迹，根据自车位置和全局参考路线进行路径点采样得到第一局部参考路线，同时利用混合A*算法搜索生成对应交通路段的参考路线并拼接整合到第一局部参考路线中；在考虑车辆运动学约束和障碍物约束条件下对参考路线进行平滑处理；若已有最优轨迹，根据自车位置和全局参考路线进行路径点采样得到第一局部参考路线，并进行平滑处理；S3，根据自车位置、障碍物信息和最终的局部参考路线获取最优轨迹；S4，循环进行S2‑S3。本发明使得自动驾驶车辆能够更鲁棒的应对多样化的交通场景。

公开(公告)号：CN112435282A

公开(公告)日：2021-03-02

申请号：CN202011176728.1

申请日：2020-10-28

Applicant: 西安交通大学

Inventor： 张旭翀 ,  孙宏滨 ,  戴赫 ,  赵永利 ,  郑南宁

IPC: G06T7/33 ,  G06T7/593 ,  G06N3/04

Abstract: 本发明公开了一种基于自适应候选视差预测网络的实时双目立体匹配方法。该方法首先利用二维卷积神经网络对立体图像对进行多尺度特征提取，得到高、低分辨率的特征图。然后，第一阶段视差估计利用低分辨率特征图进行视差粗估计。在利用粗估计结果和左图信息预测得到自适应候选视差以后，第二阶段视差估计则利用预测结果和高分辨率特征图进行精细视差估计。最后，对视差图进行层次化精修得到全尺寸视差图。与现有的由粗到精立体匹配神经网络相比，本发明可以为精细视差估计阶段预测更准确的动态偏移量，以满足图像中各种目标不同的视差校正需求。由于动态预测的有效性，本发明设计了两级处理结构以大幅提高实时双目立体匹配网络的计算精度和速度。