-
公开(公告)号：CN117765048B
公开(公告)日：2024-06-11
申请号：CN202410195664.1
申请日：2024-02-22
Applicant: 吉林大学
Abstract: 一种基于跨模态融合的水下目标三维配准方法，属于水下三维视觉技术领域，解决了现有技术无法有效地融合激光点云和深度图这两种数据源，在发挥各自的优势的同时，克服各自的局限性的问题。读取待配准的深度图，获得待配准的深度图投影图；读取待配准的激光点云，获得待配准的激光点云投影图；将待配准的深度图投影图与待配准的激光点云投影图进行匹配；根据匹配结果计算出配准角度差，根据配准角度差计算出粗配准旋转矩阵和粗配准平移矩阵；对粗配准旋转矩阵和粗配准平移矩阵进行精配准，获得精配准旋转矩阵和精配准平移矩阵，实现了深度图投影图与激光点云投影图的配准。
-
公开(公告)号：CN117746227B
公开(公告)日：2024-06-11
申请号：CN202410182760.2
申请日：2024-02-19
Applicant: 吉林大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/147 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明属于水下机器视觉技术领域，本发明公开了一种红外偏振成像数据的水下目标细粒度分类方法，包括以下步骤：基于偏振相机获取图像构建水下基准数据集；利用交叠的滑动窗口对所述水下基准数据集中的所述红外偏振图像进行划分并编码，得到编码结果，并输入预训练视觉变换器编码器的共L层变换器层中，得到多层级的视觉特征和多层级的注意力图；利用前L‑1层每一层级的所述注意力图对自注意动态加权得到多层级动态注意力权重，并进行特征选择，得到特征组1；利用前L‑1层每一层级的注意力图对每一层级的特征进行前k个选择，得到多层级优化特征组2；将特征组1和特征组2输入第L层变换器层中，利用类别序列通过全连接层计算最终的类别。
-
公开(公告)号：CN117671472B
公开(公告)日：2024-05-14
申请号：CN202410128788.8
申请日：2024-01-31
Applicant: 吉林大学
IPC: G06V20/05 , G06N3/0464 , G06N3/08 , G06V10/36 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 一种基于动态视觉传感器的水下多目标群体识别方法。所述方法包括如下步骤：S1、利用动态视觉传感器收集水下多目标群体RGB图像与水下多目标群体事件；S2、使用水下多目标群体事件图像与水下多目标群体RGB图像构建数据集，按照比例划分训练集与验证集；S3、所述多目标群体识别模型以目标检测模型为基础，在目标检测模型骨干网络前嵌入自适应图像增强模块，在目标检测模型骨干网络和颈部网络之间嵌入特征级模态融合模块；S4、将训练集的数据输入步骤S4所述的多目标群体识别模型进行训练，以此获得符合要求的模型参数，并通过验证集验证效果；S5、通过训练好的多目标群体识别模型进行水下多目标群体识别。
-
公开(公告)号：CN117647998A
公开(公告)日：2024-03-05
申请号：CN202410123538.5
申请日：2024-01-30
Applicant: 吉林大学
IPC: G05D1/485 , G05D101/10
Abstract: 一种基于动态视觉传感器的水下航行器接驳方法和系统，涉及水下导航的领域。解决传统光学相机驶向对接任务中的存在动作模糊问题。所述方法包括：S1：采用4个共面的圆形光源构建矩形约束的灯环作为接驳地标；S2：根据时空滤波器和SNN构建SNN模型；S3：根据异步霍夫圆变换和SNN模型，获取接驳地标的光源坐标；S4：根据透视4点算法计算水下航行器与接驳地标之间的相对姿态，根据相对姿态调整水下航行器的航向，完成接驳任务。本发明应用于水下自主接驳领域。
-
公开(公告)号：CN116935203A
公开(公告)日：2023-10-24
申请号：CN202311195467.1
申请日：2023-09-18
Applicant: 吉林大学
IPC: G06V20/05 , G06N3/042 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G01S15/86 , G01S7/539 , G01S15/88 , G01C21/00
Abstract: 一种基于声光融合的潜水员智能监控方法和系统，涉及水下声呐与图像融合技术领域。解决现有水下手势识别会损失一些手势动作的细节和空间信息的问题。所述系统包括：多模态基准数据集获取单元，采集潜水员在水下的视频和声呐模态数据；数据处理单元，对视频视频和声呐模态数据进行估计处理，获取潜水员的行为关键点数据、位置和运动状态；非自然依赖超图建立单元，建立超边和非自然依赖超图；动态跨时间点超图获取单元，采用时间特征生成方法处理非自然依赖超图，获取动态跨时间点超图；综合特征模型构建单元，根据时空特征建模方法和动态跨时间点超图，构建综合特征模型；输出单元，输出潜水员的动态监控识别结果。本发明应用于水下人机交互领域。
-
Patent Agency Ranking
公开(公告)号：CN116206196B
公开(公告)日：2023-08-08
申请号：CN202310466248.6
申请日：2023-04-27
Applicant: 吉林大学
Abstract: 本发明属于水下视觉检测的技术领域，具体涉及一种海洋低光环境多目标检测方法及其检测系统。建水下跨模态基准数据集；得到三层不同尺度的特征向量；进行特征排序和数据融合；通过深度特征提取模块，在全局和局部维度上进一步提取重要特征信息；将每个尺度进一步提取的特征向量分别送入检测头网络模块，最终输出海洋生物的在图像中的具体位置和类别信息。本发明用以实现水下生物多目标高精度的检测任务。
-
公开(公告)号：CN116295449A
公开(公告)日：2023-06-23
申请号：CN202310593764.5
申请日：2023-05-25
Applicant: 吉林大学
Abstract: 水下自主航行器路径指示方法及装置，涉及运动方向指示技术领域。为解决现有技术中存在的，水下自主航行器无法应对复杂的海洋环境的技术问题，本发明提供的技术方案为：水下自主航行器路径指示方法，包括：采集海洋环境对航行器的影响因素的步骤；采集航行器的可行动动作的步骤；建立奖励函数的步骤；根据奖励函数，建立强化网络的建模步骤；采集航行器的高不确定性动作策略和对应的航行器状态，得到经验元组集合的收集步骤；随机抽取集合中的经验元组对强化网络进行训练的训练步骤；重复收集步骤和训练步骤，至达到预设次数的步骤；根据训练后的强化网络确定航行器的最佳路径的步骤。适合应用于未知水下空间内的最优路径规划工作中。
-
公开(公告)号：CN116206196A
公开(公告)日：2023-06-02
申请号：CN202310466248.6
申请日：2023-04-27
Applicant: 吉林大学
Abstract: 本发明属于水下视觉检测的技术领域，具体涉及一种海洋低光环境多目标检测方法及其检测系统。建水下跨模态基准数据集；得到三层不同尺度的特征向量；进行特征排序和数据融合；通过深度特征提取模块，在全局和局部维度上进一步提取重要特征信息；将每个尺度进一步提取的特征向量分别送入检测头网络模块，最终输出海洋生物的在图像中的具体位置和类别信息。本发明用以实现水下生物多目标高精度的检测任务。
-
公开(公告)号：CN115862150B
公开(公告)日：2023-05-23
申请号：CN202310015851.2
申请日：2023-01-06
Applicant: 吉林大学
IPC: G06V40/20 , G06V40/10 , G06V20/05 , G06V20/40 , G06V20/70 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/049 , G06N3/09
Abstract: 本发明是一种基于三维人体蒙皮的潜水员动作识别方法。本发明涉及计算机视觉技术领域，本发明通过三维人体形状与姿态估计方法从潜水员视频中提取出人体形状、姿态、顶点数据；将人体形状、姿态、顶点数据经过数据融合模块得到高层次语义信息；利用高层次语义信息经过TCA‑GCN模块进行动作识别；利用高层次语义信息经过STGCN模块进行动作识别；将两个模块的识别结果进行线性融合。通过本发明中的技术方案，实现了对潜水员三维姿态的动作估计，提高了动作识别的准确率。
-
公开(公告)号：CN115797749B
公开(公告)日：2023-05-23
申请号：CN202310050830.4
申请日：2023-02-02
Applicant: 吉林大学
IPC: G06V10/82 , G06V10/764 , G06V10/80 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G07C5/08
Abstract: 一种水下自主航行器状态检测方法与系统，属于自主水下航行器状态检测技术领域，解决了现有的SVDD只能对目标数据集给出一个描述，而忽略了目标数据集中不同样本类之间的描述或差异的问题。包括以下步骤：步骤S1，分别获取水下自主航行器各系统分别对应的多个传感器数据，将多个传感器编号分别与其数据进行拼接作为时间步；步骤S2，根据时间步获取文本数据，并基于一个批量的多个传感器数据，组成序列数据；步骤S3，将序列数据输入到构建的网络模型中进行异常检测。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.027 seconds)
