-
Patent Agency Ranking
公开(公告)号：CN116295360A
公开(公告)日：2023-06-23
申请号：CN202211092953.6
申请日：2022-09-08
Applicant: 中北大学 , 中国电子科技集团公司第五十三研究所
IPC: G01C21/02 , G01C21/06 , G06V20/00 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/82
Abstract: 本发明公开了一种基于大气偏振模式反对称性的偏振定向方法，首先通过UNet卷积神经网络对偏振相机获取的天空偏振图像进行二值分割，得到去遮挡后的天空偏振图像；接着以天顶点为圆心将分离出的天空分为多段圆环，分别求取环内对应的正负特征点；利用大气偏振模式的反对称性进行太阳子午线拟合，最终完成航向角解算。本发明解决了复杂天气尤其是大片遮挡导致的传统偏振定向方法失效的问题，有效提高了偏振定向方法在复杂天气条件下的鲁棒性。
-
公开(公告)号：CN115014313B
公开(公告)日：2023-08-22
申请号：CN202210603373.2
申请日：2022-05-30
Applicant: 中北大学
IPC: G01C17/38 , G06F18/241 , G06N3/0442
Abstract: 本发明公开了一种基于并行多尺度的偏振光罗盘航向误差处理方法，采用OVMD分解法将原始航向角数据分解为多个数据本征模态分量，再利用每个本征模态分量对应的自相关矩阵的最大相似特征值作为分类方法，将多个数据本征模态分量分为高频噪声分量和低频真实信号分量；对于不同类型的分量分别采用不同处理方法，采用GRU深度学习神经网络对低频真实信号分量进行航向误差建模与补偿，同时并行采用AM‑SSA去噪方法对高频噪声分量进行去噪，最终重组两部分分量得到航向误差数据。本发明解决了现有偏振光罗盘同时受其姿态角变化和噪声影响导致定向误差较大的问题，使得航向角精度进一步提高。
-
公开(公告)号：CN115014313A
公开(公告)日：2022-09-06
申请号：CN202210603373.2
申请日：2022-05-30
Applicant: 中北大学
Abstract: 本发明公开了一种基于并行多尺度的偏振光罗盘航向误差处理方法，采用OVMD分解法将原始航向角数据分解为多个数据本征模态分量，再利用每个本征模态分量对应的自相关矩阵的最大相似特征值作为分类方法，将多个数据本征模态分量分为高频噪声分量和低频真实信号分量；对于不同类型的分量分别采用不同处理方法，采用GRU深度学习神经网络对低频真实信号分量进行航向误差建模与补偿，同时并行采用AM‑SSA去噪方法对高频噪声分量进行去噪，最终重组两部分分量得到航向误差数据。本发明解决了现有偏振光罗盘同时受其姿态角变化和噪声影响导致定向误差较大的问题，使得航向角精度进一步提高。
-
公开(公告)号：CN116342660A
公开(公告)日：2023-06-27
申请号：CN202211092954.0
申请日：2022-09-08
Applicant: 中北大学 , 中国电子科技集团公司第五十三研究所
IPC: G06T7/269
Abstract: 本发明公开了一种多尺度分析融合加权滤波的仿生复眼光流场估计方法，用于仿生复眼在成像过程中光流场估计和异常值的去除，该方法包括构建广义变分光流场模型；利用非下采样轮廓波变换（NSCT）实现了多孔径光流场多频段分解和信息分离；采用引导滤波（GF）和贝叶斯阈值自适应策略，在保留重要运动细节和剔除异常点的同时兼顾算法复杂度和运算效率；在引导滤波中引入光流场梯度权重，实现了移动不连续区域的权值支持和孔径边缘约束。本方法通过剔除异常值，有效地提高了光流场估计的精度，并具有良好的鲁棒性。
-
公开(公告)号：CN116342660B
公开(公告)日：2023-12-08
申请号：CN202211092954.0
申请日：2022-09-08
Applicant: 中北大学 , 中国电子科技集团公司第五十三研究所
IPC: G06T7/269
Abstract: 本发明公开了一种多尺度分析融合加权滤波的仿生复眼光流场估计方法，用于仿生复眼在成像过程中光流场估计和异常值的去除，该方法包括构建广义变分光流场模型；利用非下采样轮廓波变换（NSCT）实现了多孔径光流场多频段分解和信息分离；采用引导滤波（GF）和贝叶斯阈值自适应策略，在保留重要运动细节和剔除异常点的同时兼顾算法复杂度和运算效率；在引导滤波中引入光流场梯度权重，实现了移动不连续区域的权值支持和孔径边缘约束。本方法通过剔除异常值，有效地提高了光流场估计的精度，并具有良好的鲁棒性。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
