-
Patent Agency Ranking
公开(公告)号：CN114708174A
公开(公告)日：2022-07-05
申请号：CN202210259804.8
申请日：2022-03-16
Applicant: 上海交通大学
IPC: G06T5/50 , G06K9/62 , G06V10/80 , G06V10/774
Abstract: 本发明提供了一种基于自监督结构的点云超频采样方法及系统，包括：点云嵌入步骤：根据激光雷达采集到的初始点云序列中相邻的两帧点云数据，得到对应的粗糙中间帧点云；特征聚合步骤：对粗糙中间帧点云的局部几何分布进行重构，得到预测中间帧点云；训练步骤：根据预测中间帧点云和自监督方法进行训练，得到点云超频采样模型。与现有技术相比，本发明以激光雷达获取的低帧率点云序列中的相邻两帧点云为输入，首先生成粗糙中间帧，然后恢复局部几何特征，并在自监督结构下进行不需要真值监督的训练，最终得到将低帧率点云序列插帧后的高帧率点云序列，提升了多传感器信息融合的效率。
-
公开(公告)号：CN114612619A
公开(公告)日：2022-06-10
申请号：CN202210259822.6
申请日：2022-03-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于点云补全技术的三维点云重建方法及系统，包括：多尺度特征提取步骤：对采集到的待重建点云信息进行多尺度特征提取，得到多尺度特征向量；多尺度特征重构步骤：将多尺度特征向量进行特征重构，得到预测缺失部分点云；训练步骤：根据预测缺失部分点云和联和损失函数进行训练，进行三维点云重建。与现有技术相比，本发明通过迭代最远点采样和卷积神经网络提取输入分布的多尺度特征信息，并通过自底向上的方式逐级预测不完整点云样本的缺失部分，最终实现对目标物体的高精度重建。
-
公开(公告)号：CN111179251A
公开(公告)日：2020-05-19
申请号：CN201911394231.4
申请日：2019-12-30
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于孪生神经网络利用模板比对的缺陷检测系统及方法，采用深度学习的检测方案，利用孪生神经网络，通过少量数据与先验知识在短时间内训练出优于人工检测漏检率的神经网络模型，所述模型为已训练完成基于孪生神经网络的深度学习模型，通过将待检产品图像与模板图像输入已训练网络得到缺陷的检测结果。本发明能够解决工业中有模板图像、少数据集、多目标类别的检测任务，同时网络亦可实现传统分类网络的功能，实现高精度的质量检测，有效满足带有模板图像的产品生产中对于视检缺陷的自动化检测的要求。
-
公开(公告)号：CN119125779A
公开(公告)日：2024-12-13
申请号：CN202411461786.7
申请日：2024-10-18
IPC: G01R31/08
Abstract: 一种配电网电缆故障测距方法及系统，包括：采集保护安装处的故障分量电压，当故障分量电压大于设定的门槛值时，启动故障测距；启动故障测距后先获取故障类型，再根据故障类型获取保护安装处的测量阻抗相量和故障线路的等效线路阻抗相量；利用保护安装处的测量阻抗相量和故障线路的等效线路阻抗相量分别构造第一距离模型和第二距离模型；利用第一距离模型、第二距离模型、保护安装处的测量阻抗相量以及故障线路的等效线路阻抗相量，建立不同故障类型对应的故障测距模型；基于故障测距模型，输出不同故障类型下故障点与保护安装处之间的距离。在考虑电缆线路拓扑的基础上，通过利用电缆故障时产生的特定电气参数变化来计算故障点的位置。
-
公开(公告)号：CN111179251B
公开(公告)日：2021-04-02
申请号：CN201911394231.4
申请日：2019-12-30
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于孪生神经网络利用模板比对的缺陷检测系统及方法，采用深度学习的检测方案，利用孪生神经网络，通过少量数据与先验知识在短时间内训练出优于人工检测漏检率的神经网络模型，所述模型为已训练完成基于孪生神经网络的深度学习模型，通过将待检产品图像与模板图像输入已训练网络得到缺陷的检测结果。本发明能够解决工业中有模板图像、少数据集、多目标类别的检测任务，同时网络亦可实现传统分类网络的功能，实现高精度的质量检测，有效满足带有模板图像的产品生产中对于视检缺陷的自动化检测的要求。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
