-
公开(公告)号：CN118534453A
公开(公告)日：2024-08-23
申请号：CN202410447571.3
申请日：2024-04-15
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于单目多视角的无人机集群目标关联匹配的方法，包括：通过我方无人机携带高分辨率单目视觉相机采集图像信息，由雷达系统提供目标无人机集群的空间范围，我方无人机以三机协同方式分组执行视觉目标关联匹配任务，根据各组关联匹配结果，为成功匹配的目标分配全局编号，最终实现对目标无人机集群的有效感知与定位的目的。本发明针对现有基于规则的集群目标打击方法中虚警率和漏警率较高的问题，采用了基于单目多视角的无人机集群目标关联匹配方法，实现了对目标无人机集群的全局关联匹配。
-
公开(公告)号：CN117152198A
公开(公告)日：2023-12-01
申请号：CN202311111825.6
申请日：2023-08-31
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于光照变化量分离的无监督单目内窥镜图像深度估计方法，属于计算机视觉三维重建技术领域。本发明利用一个基于本征图像分解理论设计的分解网络，将图像分解到两个子空间：反射率和阴影。通过这种方式，将图像中光照变化的部分分离到阴影图中，然后对两个子空间进行合成与调整，利用合成图像与目标图像的相似性，约束网络训练。本发明使用深度估计网络、姿态估计网络、图像分解网络、光照调整网络四个神经网络以及重建损失、反射率损失、结构一致性损失、平滑性损失四项损失函数，有效提升了单目内窥镜深度估计方法的鲁棒性。
-
公开(公告)号：CN116045970B
公开(公告)日：2023-06-16
申请号：CN202310203746.1
申请日：2023-03-06
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于外部条件约束的多平台信息协同导航增强方法，包括以下步骤：将海面上长期观测得到的气象状况等，作为外部环境参数，输入到自适应导航单元选择模块中；自适应导航单元模块包括惯性、视觉、卫星、辅助导航单元，接收到外部环境参数后，对导航单元进行校正，并输出采用外部约束校正后的组合导航单元参数；基于外部环境约束参数和内部组合导航参数建立混合评估模型，利用混合评估模型计算各导航单元的自适应权重；采用增量式因子图架构，根据多平台组合导航因子的权重，在线选择最佳因子参与融合；利用卡尔曼滤波，通过多平台信息协同对惯性导航进行增强，实现基于外部条件约束的多平台信息协同导航增强。
-
公开(公告)号：CN116185376A
公开(公告)日：2023-05-30
申请号：CN202310237193.1
申请日：2023-03-13
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种基于上下文相关错误模型的编程提示生成方法，属于计算机技术领域。本发明方法包括：(1)采用根节点路径描述抽象语法树中节点的上下文信息，设计上下文相关错误模型的设计；(2)利用已有错误‑正确程序对自动构造上下文相关错误模型；(3)利用上下文相关错误模型修复目标错误程序并生成编程提示，通过路径约束和计算平均语义分数，减少错误重写规则的发生。本发明方法通过数据驱动的方式自动学习已有程序中的错误以及相应的解决方案，并以重写规则的方式表现出来，通过匹配错误的上下文环境自动选择相应的重写规则进行修复，从而生成编程提示，具有较强的抗干扰能力和准确定位错误的优点。
-
公开(公告)号：CN115760943A
公开(公告)日：2023-03-07
申请号：CN202211422806.0
申请日：2022-11-14
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于边缘特征学习的无监督单目深度估计方法，包括深度估计网络，位姿估计网络和边缘提取网络三个网络模型以及图像的扭曲变换损失，边缘特征图的扭曲变换损失，对比度损失和平滑损失四个损失函数。利用深度网络估计的深度图和姿态网络估计的相机姿态变换重建边缘图，利用重建图和原图的相似性来约束网络的训练；利用边缘图的对比度损失进一步约束边缘提取网络以提升深度估计效果。本发明方案结合了深度学习自监督和边缘特征一致性的策略，利用相邻帧图像之间的边缘特征一致性，解决了在光照变化条件下，现有的基于光照一致性假设的技术失效的问题。
-
Patent Agency Ranking
公开(公告)号：CN107665498B
公开(公告)日：2021-07-20
申请号：CN201710754636.9
申请日：2017-08-29
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种基于典型示例挖掘的全卷积网络飞机检测方法，方法包括以下步骤：获取遥感图像的训练样本；对训练样本进行预处理，获得扩充后的飞机标注真值框的尺度与长宽比；飞机典型示例的自动挖掘；构建典型飞机示例与飞机标注真值框的对应关系；基于飞机典型示例挖掘的全卷积网络训练；利用全卷积网络实现飞机的检测。本发明将全卷积神经网络引入到遥感图像飞机检测，根据飞机外形特征对飞机样本进行聚类，挖掘训练数据中典型飞机示例，由此训练针对不同典型飞机示例的候选目标提取网络，有效提高候选区域提取网络的性能，进而提升飞机检测的查全率，同时达到了抑制虚警的效果。
-
公开(公告)号：CN111582069B
公开(公告)日：2021-05-28
申请号：CN202010322354.3
申请日：2020-04-22
Applicant: 北京航空航天大学
Abstract: 本发明是一种空基监视平台的轨道障碍物零样本分类方法及装置，涉及航空监视和轨道障碍物检测技术领域。本发明装置包括图片采集器、障碍物目标提取器、目标映射网络、语义向量生成器、语义向量映射网络、基于余弦度量的最近邻分类器和警报器。本发明方法通过无人机采集铁轨图片，提取障碍物目标区域，映射为固定维度的向量，作为视觉特征；对障碍物的类别名称使用Word2vec技术生成语义向量，再映射为同视觉特征相同维度的语义特征向量；建立基于余弦度量的最近邻分类器对障碍物分类；在训练阶段，利用可见类别障碍物样本训练映射网络。本发明实现了对铁轨上未知障碍物的检测，提高了轨道障碍物的分类准确率，降低了误检虚警率。
-
公开(公告)号：CN107993281B
公开(公告)日：2021-03-05
申请号：CN201810017794.0
申请日：2018-01-09
Applicant: 北京航空航天大学
IPC: G06T17/00
Abstract: 本发明涉及一种空间目标光学特性仿真方法,包括设置初始参数、STK解析、3DMAX目标建模、导出obj文件和mtl文件、太阳光光谱分段、设置光源亮度参数、构建OpenGL场景、可见光成像等主要步骤。本发明利用STK得到真实场景的轨道姿态信息以及某时刻下太阳光方向，保证了光源方向的真实性，利用3DMAX进行卫星建模，对卫星各部分反射率进行单独设置，同时根据太阳光光谱曲线及OpenGL光源特点设置平行光源，并根据真实的太阳光光谱曲线对各组光源参数进行设置，在克服了传统方法对于复杂几何形体的空间目标的可见光成像难以计算的同时，也比利用双向反射分布函数计算更加快捷，同时达到了效果和速度的双重优势。
-
公开(公告)号：CN112381788A
公开(公告)日：2021-02-19
申请号：CN202011264991.6
申请日：2020-11-13
Abstract: 本发明公开了一种基于双分支匹配网络的零部件表面缺陷增量检测方法，能够在摄像机采集图像和其中的零部件缺陷区域之间进行相似度测量并匹配，通过本发明的技术方案，能够通过深度双分支匹配网络的相似度计算能力对零部件图像表面缺陷进行检测，可以避免现有深度学习方法导致的模型泛化能力不佳以及输出信息不充分的问题。通过增量学习机制自动扩充缺陷模板库，突破了数据更新时模型能力难以提升的瓶颈，利用图像分类模型对新增模板进行类别预测，降低了系统检测错误的可能，提升了系统鲁棒性。
-
公开(公告)号：CN111191626B
公开(公告)日：2021-01-01
申请号：CN202010007923.5
申请日：2020-01-02
Abstract: 本发明公开了一种多类别交通工具的精细识别方法，属于航空监视领域。首先针对某张待分类的目标图像输入VGG19网络中，输出包含网络浅层信息的特征图X，并将其加入级联注意力机制，得到重要区域的高亮显示特征图然后从纵向和切向两个角度嵌入核函数，提取高亮显示特征图的高维非线性特征，得到两个不同方向的高维非线性特征图X′和Y′。用平均池化将X′和Y′分别进行特征降维，得到长度为C的两个特征向量，拼接后得到长度为2C的特征向量A。最后对特征向量A使用全连接进行融合，得到特征向量B；使用softmax机制对特征向量B中各类别的置信度分数进行归一化，取分数最大值，得到对应的分类的结果。本发明达到多类别交通工具的精细识别。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.029 seconds)
