-
公开(公告)号：CN119850526A
公开(公告)日：2025-04-18
申请号：CN202411818460.5
申请日：2024-12-11
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司 , 成都绿土智途科技有限公司
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本公开提供了一种发电站光伏组件缺陷检测方法及装置、设备、介质，本公开利用包括轻量化解码器的光伏分割模型检测可见光图像和热成像图像中光伏组件所在的区域，精确的分割出了可见光光伏组件图像和热成像光伏组件图像；之后本公开利用对FasterNet模型进行改进所得到的多任务缺陷检测模型对热成像光伏组件图像、可见光光伏组件图像中光伏缺陷的检测，不仅能检测温度敏感的光伏缺陷，还能够同时检测温度不敏感的光伏缺陷，并且在保证优秀的检测精度的同时，做到了参数量少，拥有近乎实时的检测速度。
-
公开(公告)号：CN119360037A
公开(公告)日：2025-01-24
申请号：CN202411600326.8
申请日：2024-11-11
Applicant: 成都绿土智途科技有限公司 , 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V10/40 , G06V10/25 , G06V10/22 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06T7/80
Abstract: 本公开提供了一种基于零样本深度学习的设施提取以及地图构建方法、装置，本公开首先获取预先训练完成的道路设施深度学习模型以及需要进行道路设施提取的二维图像；之后利用道路设施深度学习模型对二维图像进行处理，得到道路设施对应的检测框的二维位置信息以及各检测框的类别；之后，对检测框进行冗余处理，得到目标检测框；最后根据拍摄二维图像的相机的内参矩阵、外参矩阵、以及各目标检测框的二维位置信息，将各目标检测框映射到雷达坐标系的三维点云中。上述道路设施深度学习模型增加了对小目标具有优良检测效果的检测头和浅层特征提取支路，同时本公开通过预制道路设施模版生成了训练道路设施深度学习模型所用的数据集，避免了人工标注。
-
公开(公告)号：CN117292127A
公开(公告)日：2023-12-26
申请号：CN202311189939.2
申请日：2023-09-15
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于关键点的旋钮式开关状态识别方法，利用深度学习目标检测算法，定位所述旋钮式开关在采集的原始图像中的区域，并基于所述区域与原始图像进行图像分割得到目标旋钮式开关图像；利用CenterNet模型，预测旋钮式开关在所述目标旋钮式开关图像的关键点的概率，并得到输出关键点概率热力图；通过输出关键点概率热力图确定识别当前旋钮式开关的目标关键点，基于所述目标关键点实现关键点坐标提取，最终实施计算目标旋钮式开关图像中的当前旋钮式开关的指向状态；上述处理方法提高了检测效率和精度。
-
公开(公告)号：CN119648647A
公开(公告)日：2025-03-18
申请号：CN202411695064.8
申请日：2024-11-25
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司 , 成都绿土智途科技有限公司
IPC: G06T7/00 , G06T7/11 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/096 , G06N3/088 , G06N3/0464
Abstract: 本公开提供了一种基于无监督学习的发电站光伏组件缺陷检测方法及装置，本公开首先采集设置有光伏组件的目标区域内待检测的热成像图像以及可见光图像；之后从热成像图像中裁剪出热成像光伏组件图像，从可见光图像中剪出可见光光伏组件图像；之后，利用光伏缺陷检测模型中的教师网络模型和可见光光伏学生网络模型对可见光光伏组件图像进行处理，确定并返回可见光异常光伏组件的位置信息；利用光伏缺陷检测模型中的教师网络模型和热成像光伏学生网络模型对热成像光伏组件图像进行处理，确定并返回热成像异常光伏组件的位置信息。其中，光伏缺陷检测模型是通过无标签监督的方式训练得到的。
-
公开(公告)号：CN119360051A
公开(公告)日：2025-01-24
申请号：CN202411600138.5
申请日：2024-11-11
Applicant: 成都绿土智途科技有限公司 , 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V10/46 , G06V10/82 , G06N3/0464 , G06V10/77 , G06T3/067 , G06V10/774 , G06V10/24
Abstract: 本公开提供了一种基于零样本深度学习的要素提取以及地图生成方法、装置，本公开将需要进行道路要素提取的三维点云图像进行强度投影，得到二维强度投影图像；将二维强度投影图像输入道路要素深度学习模型，得到道路要素深度学习模型输出的道路要素的关键点二维坐标信息；道路要素深度学习模型包括依次包括YOLOv8‑OBB旋转框模型、包含PCA算法的计算模块、多头centernet关键点检测模型；之后根据道路要素深度学习模型的处理逻辑的反向逻辑，确定关键点二维坐标信息在所述二维强度投影图像上的二维坐标信息；最后根据强度投影的处理逻辑的反向逻辑以及关键点二维坐标信息在二维强度投影图像上的二维坐标信息，确定道路要素在所述三维点云图像上的三维坐标。
-
Patent Agency Ranking
公开(公告)号：CN117789173A
公开(公告)日：2024-03-29
申请号：CN202410003612.X
申请日：2024-01-02
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V20/58 , G06V10/764 , G06V10/82 , G06V20/56 , G06N3/0464 , G06N3/084 , G06T7/70
Abstract: 本发明公开了一种基于多任务神经网络的公路隧道异物入侵检测方法，包括如下操作步骤：将隧道机器人采集获取的隧道视频帧待检测的输入图像输入到多任务模型中，多任务模型包括检测任务头；检测任务头包括异物目标检测任务头和车道线检测任务头；异物目标检测任务头识别待检测的输入图像得到输出包含预测边界框的目标异物图像，预测边界框用于框选目标异物；车道线检测任务头对当前待检测的输入图像的车道线检测得到多条车道线；多任务模型判断通过目标异物所在的预测边界框与多条车道线的位置关系进行识别处理，判断得到的预测边界框的目标异物是否在车道线内，根据判断结果实现目标异物入侵的风险警告。
-
公开(公告)号：CN117173384A
公开(公告)日：2023-12-05
申请号：CN202311151406.5
申请日：2023-09-07
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V10/10 , G06V10/774 , G06V20/70 , G06V30/10 , G06V10/40 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进SAR的智能巡检LED数字仪表读数方法，通过使用超快速轻量目标检测模型对巡检机器人采集获取的目标仪表图像进行识别分析，从而从目标仪表图像中剪切得到数字表盘图像；进而利用改进的SAR算法建立得到的训练好的LED数字仪表识别SAR模型对数字表盘图像进行识别获取字符序列，最终利用字符序列得到目标仪表的仪表读数；使模型轻量化，能够部署到边缘端，拥有实时识别的速度，解决数字式仪表进行快速定位和智能读数问题，并解决了人工监测仪表效率低的问题，规避了因为人工操作产生的不良因素，提高仪表监测效率，提高仪表在光照不均匀、仪表倾斜等条件下仪表读数识别精度，不仅自动化程度高，且易于实现。
-
公开(公告)号：CN116662930A
公开(公告)日：2023-08-29
申请号：CN202310649376.4
申请日：2023-06-02
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06F18/25 , G01C21/00 , G01S17/89 , G06N3/0464 , G06N3/08 , G06F18/241
Abstract: 本申请提供了一种基于地面移动激光雷达的道路标识生成方法和系统，其中，道路标识生成方法包括：根据形态学滤波算法采样和分割地面移动激光雷达的原始点云数据，得到地面点的三维点云；使用卷积神经网络编码地面点的三维点云，得到地面点特征图；使用注意力特征提取网络提取地面点特征图的高维特征；将地面点特征图的高维特征输入至分类头进行融合和分类，得到地面点中的道路标识点；根据半径判别法生成道路标识点对应的轮廓信息，得到道路标识的矢量表示。本申请的技术方案能解决现有技术中点云数据计算量较大，计算效率低、过于依赖相机提供的RGB信息、采集时容易受到天气和时段影响的问题。
-
公开(公告)号：CN116403223A
公开(公告)日：2023-07-07
申请号：CN202310346530.0
申请日：2023-04-03
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
IPC: G06V30/19 , G06V30/148 , G06V30/18
Abstract: 本发明提供了一种基于机器学习的指针式仪表读数识别方法和系统，其中，指针式仪表读数识别方法包括：根据定位导航算法控制巡检机器人采集指针式仪表的目标图像和点位仪表参数；根据深度学习目标检测算法确定指针式仪表在目标图像中的仪表区域；根据深度学习语义分割算法从仪表区域中分割得到仪表指针蒙版和仪表刻度蒙版；建立指针式仪表的极坐标系，根据极坐标系将仪表指针蒙版映射为指针矩形图像，以及将仪表刻度蒙版映射为刻度矩形图像；根据指针矩形图像和刻度矩形图像计算得到指针刻度相对值；根据点位仪表参数以及指针刻度相对值计算得到指针式仪表的仪表读数。本发明的技术方案能解决现有技术中仪表读数精度差的问题。
-
公开(公告)号：CN117031481B
公开(公告)日：2024-09-03
申请号：CN202311017158.5
申请日：2023-08-14
Applicant: 北京数字绿土科技股份有限公司 , 武汉绿土图景科技有限公司
Abstract: 本发明公开了一种基于投影3D激光点云的移动机器人重定位方法及系统，实现机器人在上电初始化或者发生“劫持”需要进行定位时，仅依靠自身搭载的3D激光雷达传感器，在预先建立的环境点云地图中，不需要人工干预，全自动快速地完成机器人的重定位；通过激光SLAM预先建立环境的3D点云地图，对其进行投影处理得到多分辨率栅格地图；在机器人需要进行重定位时，获取的当前激光雷达数据进行投影，对2D投影图和多分辨率栅格地图进行线特征匹配和分支定界搜索，以较高的效率完成机器人的初始位姿搜索；然后将该位姿作为ICP点云配准的初始值，提高配准的精度和速度，获取最终的机器人重定位结果。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.075 seconds)
