-
公开(公告)号：CN116128946A
公开(公告)日：2023-05-16
申请号：CN202211588573.1
申请日：2022-12-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于边缘导向和注意力机制的双目红外深度估计方法，涉及计算机视觉中的双目视觉技术领域，解决了因红外图像具有纹理不清晰、边缘模糊、特征不明显等缺陷而导致的深度估计精度低的技术问题，其技术方案要点是引入基于伽马校正和中值滤波的图像预处理模块以增强图像边缘和细节信息，为卷积神经网络提供更多可被挖掘的深层次特征表示；在高维特征图中构建混合注意力模块以获取待匹配特征间不同通道和空间位置的深度关联，促进后续网络进行有效的深度推理；同时引入边缘导向模块，构造“边缘‑深度”联合损失函数以生成边缘清晰、深度平滑且不存在深度空洞的前景深度图，为智能体在低照度环境下维持正常运转提供可能。
-
公开(公告)号：CN116128946B
公开(公告)日：2024-02-09
申请号：CN202211588573.1
申请日：2022-12-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于边缘导向和注意力机制的双目红外深度估计方法，涉及计算机视觉中的双目视觉技术领域，解决了因红外图像具有纹理不清晰、边缘模糊、特征不明显等缺陷而导致的深度估计精度低的技术问题，其技术方案要点是引入基于伽马校正和中值滤波的图像预处理模块以增强图像边缘和细节信息，为卷积神经网络提供更多可被挖掘的深层次特征表示；在高维特征图中构建混合注意力模块以获取待匹配特征间不同通道和空间位置的深度关联，促进后续网络进行有效的深度推理；同时引入边缘导向模块，构造“边缘‑深度”联合损失函数以生成边缘清晰、深度平滑且不存在深度空洞的前景深度
-
公开(公告)号：CN116012620A
公开(公告)日：2023-04-25
申请号：CN202211578227.5
申请日：2022-12-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于代价群组注意力和边缘强化的红外立体匹配方法，涉及计算机视觉中的双目视觉技术领域，解决了低辨识度环境下红外立体匹配精度不高的技术问题，其技术方案要点是基于canny边缘检测算法和边缘特征提取网络提取原始图像的多尺度边缘特征；结合多尺度边缘特征及原始图像特征构建边缘强化模块以获取融合特征；利用融合特征构造代价群组注意力模块；经代价聚合和视差回归获取预测视差图。本发明创新采用边缘强化模块和代价群组注意力模块，分别能够补充和聚焦红外立体匹配过程中的有益特征，以获得更好的立体匹配精度。
-
公开(公告)号：CN115187737B
公开(公告)日：2025-04-18
申请号：CN202210744160.1
申请日：2022-06-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于激光与视觉融合的语义地图构建方法，涉及无人驾驶SLAM技术领域，解决了无人驾驶技术中大规模闭环检测鲁棒性差和构建点云地图缺失语义信息的技术问题，其技术方案要点是利用环视摄像头模组采集周围环境的图片数据，再将图片传入到DeepLabv3+网络进行语义分割，再利用相机和激光雷达之间的投影关系，将图片中的语义信息投影到点云上构建语义点云地图，运用语义信息改进LeGO‑LOAM算法达到优化定位建图的目的，还能够利用图片数据进行运用CALC无监督学习网络进行闭环检测来优化矫正位姿，提高SLAM系统的鲁棒性。该方法所构建的地图能够实现大规模建图，语义信息丰富，有较强的鲁棒性。
-
公开(公告)号：CN118836890A
公开(公告)日：2024-10-25
申请号：CN202410836705.0
申请日：2024-06-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于自适应体素分割地图的激光里程计，涉及智能驾驶技术领域，解决了使用固定下采样尺寸在尺度多变的场景中失效的技术问题，其技术方案要点利用点云的空间特性自适应体素分割；利用点云的分割结果双重注意力下采样得到关键点；再通过自适应阈值的混合迭代优化方法获得稳健位姿。该方法在满足实时性的要求下，能够根据环境的变化，自适应调节系统参数，以获得较好的点云分割结果和稳健的位姿，在自动驾驶、机器人领域有较好的应用前景。且该方法的结构简单，计算量小，自适应能力强，具有较高的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115187737A
公开(公告)日：2022-10-14
申请号：CN202210744160.1
申请日：2022-06-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于激光与视觉融合的语义地图构建方法，涉及无人驾驶SLAM技术领域，解决了无人驾驶技术中大规模闭环检测鲁棒性差和构建点云地图缺失语义信息的技术问题，其技术方案要点是利用环视摄像头模组采集周围环境的图片数据，再将图片传入到DeepLabv3+网络进行语义分割，再利用相机和激光雷达之间的投影关系，将图片中的语义信息投影到点云上构建语义点云地图，运用语义信息改进LeGO‑LOAM算法达到优化定位建图的目的，还能够利用图片数据进行运用CALC无监督学习网络进行闭环检测来优化矫正位姿，提高SLAM系统的鲁棒性。该方法所构建的地图能够实现大规模建图，语义信息丰富，有较强的鲁棒性。
-
公开(公告)号：CN115700808A
公开(公告)日：2023-02-07
申请号：CN202211324033.2
申请日：2022-10-27
Applicant: 东南大学
Abstract: 本发明公开了一种自适应融合可见光和红外图像的双模态无人机识别方法，涉及计算机视觉技术领域，解决了单独用可见光相机在复杂环境下对无人机检测效果较差的技术问题，其技术方案要点是利用可见光图像和红外图像的互补性；利用自适应融合模块根据图像特征质量对双模态输入分配权重，再通过轻型的双模态网络对无人机进行实时识别。该算法在满足实时性的要求下，能够在光照复杂环境下对微小目标进行识别，以应对复杂环境下的无人机检测任务，在军事领域有较好的应用前景。且该网络的结构简单，计算量小，对小目标有较好的检测效果，具有较强的鲁棒性。
-
公开(公告)号：CN114882182A
公开(公告)日：2022-08-09
申请号：CN202210428195.4
申请日：2022-04-22
Applicant: 东南大学
IPC: G06T17/05 , G06V10/26 , G06V10/46 , G06V10/762
Abstract: 本发明公开了一种基于车路协同感知系统的语义地图构建方法，涉及智能驾驶技术领域，解决了无人驾驶技术中单车感知范围较小语义地图误差较大的技术问题，其技术方案要点是利用车路协同感知的思想将车端和路侧感知设备检测的交通参与者数据进行匹配融合；利用RangeNet++网络对点云进行语义分割，再通过LeGO‑LOAM算法建立点云地图。对道路全量交通参与者进行检测识别，不仅能够为单车实时构建点云语义地图，还能够融合各车的点云语义地图形成大范围的语义地图，供区域内行驶的所有车辆使用，有较好的应用前景，且该方法所构建的地图算法结构简单，语义信息丰富，建图范围大，误差小，且具有较强的鲁棒性。
-
公开(公告)号：CN119068668A
公开(公告)日：2024-12-03
申请号：CN202411045451.7
申请日：2024-08-01
Applicant: 东南大学
Abstract: 本发明公开了分布式驱动电动汽车运动状态估计方法、系统及设备，涉及智能汽车主动安全技术领域。本发明包括：接收车辆的方向盘转角、侧向加速度、纵向加速度、横摆角速度、轮胎纵向力和轮胎侧向力参数信息；构建非线性车辆动力学模型和魔术公式轮胎模型。本发明设计了一种含有随机一阶量测时滞和数据丢包的车辆状态估计器，采用满足伯努利分布的独立随机变量来表征量测时滞和数据丢包的随机性，和传统估计算法相比，本发明所述方法不需要假设时滞是采样间隔的整数倍，不需要假设传感器数据只存在全部正常传输和完全失效两种情况，有效增强了量测时滞和数据丢包等非理想状况下质心侧偏角估计的鲁棒性。
-
公开(公告)号：CN114882182B
公开(公告)日：2024-11-05
申请号：CN202210428195.4
申请日：2022-04-22
Applicant: 东南大学
IPC: G06T17/05 , G06V10/26 , G06V10/46 , G06V10/762
Abstract: 本发明公开了一种基于车路协同感知系统的语义地图构建方法，涉及智能驾驶技术领域，解决了无人驾驶技术中单车感知范围较小语义地图误差较大的技术问题，其技术方案要点是利用车路协同感知的思想将车端和路侧感知设备检测的交通参与者数据进行匹配融合；利用RangeNet++网络对点云进行语义分割，再通过LeGO‑LOAM算法建立点云地图。对道路全量交通参与者进行检测识别，不仅能够为单车实时构建点云语义地图，还能够融合各车的点云语义地图形成大范围的语义地图，供区域内行驶的所有车辆使用，有较好的应用前景，且该方法所构建的地图算法结构简单，语义信息丰富，建图范围大，误差小，且具有较强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
