-
公开(公告)号：CN119227759A
公开(公告)日：2024-12-31
申请号：CN202411286581.X
申请日：2024-09-13
Applicant: 北京理工大学
IPC: G06N3/063 , G06N3/0464
Abstract: 本发明属于神经网络加速设计技术领域，提出了一种三维循环展开的通用神经网络计算单元。所述计算单元包括中控模块、一级缓冲区、一级缓冲区控制器、零级缓冲区、零级缓冲区控制器和核心计算单元；一级缓冲区，包括输入数据一级缓冲区、权重数据一级缓冲区、量化权重数据缓冲区、部分和数据缓冲区和输出数据缓冲区；零级缓冲区，包括输入零级数据缓冲区和权重数据零级缓冲区；零级缓冲区控制器，包括输入及权重数据零级读写控制模块；一级缓冲区读写控制器的输入及权重数据一级读写控制模块经过输入及权重数据零级缓冲区分别与输入及权重数据零级读写控制模块相连再连入核心计算单元。所述计算单元同时在三循环维度上做并行计算，提高了计算速度。
-
公开(公告)号：CN114154630B
公开(公告)日：2024-10-29
申请号：CN202111393465.4
申请日：2021-11-23
Applicant: 北京理工大学
IPC: G06N3/063 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种量化MobileNet的硬件加速器及其应用方法，属于硬件加速及计算机视觉技术领域。包括顶层控制模块、存储器控制模块、逐点卷积模块、逐通道卷积模块及后处理模块；顶层控制模块与存储器控制模块、逐点卷积模块、逐通道卷积模块及后处理模块相连；存储器控制模块与逐点卷积模块、逐通道卷积模块及后处理模块相连。所述方法将输入数据与权重放入不同大小缓存，通过并行数可变的深度可分离卷积降低硬件使用并获得卷积结果，再通过后处理完成池化、跨层连接与地址生成，使得数据在连续地址上排布。所述方法解决了MobileNet缓存利用率低的问题、降低了耗时与资源消耗。
-
公开(公告)号：CN114283065B
公开(公告)日：2024-06-11
申请号：CN202111618882.4
申请日：2021-12-28
Applicant: 北京理工大学
IPC: G06T3/4038 , G06T1/20 , G06T7/33
Abstract: 本发明涉及一种基于硬件加速的ORB特征点匹配系统及匹配方法，属于硬件加速以及同时定位与建图以及图像拼接技术领域。所述系统包含摄像头模块、PS端和PL端；PS端包括图像存储模块、方向向量计算模块以及位姿计算模块；PL端包括FAST算法执行模块、地址计算模块、旋转不变性描述子及签名计算模块、汉明距离计算模块、旋转不变性描述子存储单元、签名存储单元、匹配结果存储单元；摄像头模块连接PS端，PS端和PL端相连，所述方法对特征点环境像素进行低复杂度降维，构建低位宽的签名值，在匹配时对待匹配的特征点进行粗筛选得到粗筛后的特征点，再计算及比较特征点BRIEF描述子的汉明距离。所述方法节约了存储器资源，提高了ORB特征点匹配精度和速度。
-
公开(公告)号：CN114283065A
公开(公告)日：2022-04-05
申请号：CN202111618882.4
申请日：2021-12-28
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于硬件加速的ORB特征点匹配系统及匹配方法，属于硬件加速以及同时定位与建图以及图像拼接技术领域。所述系统包含摄像头模块、PS端和PL端；PS端包括图像存储模块、方向向量计算模块以及位姿计算模块；PL端包括FAST算法执行模块、地址计算模块、旋转不变性描述子及签名计算模块、汉明距离计算模块、旋转不变性描述子存储单元、签名存储单元、匹配结果存储单元；摄像头模块连接PS端，PS端和PL端相连，所述方法对特征点环境像素进行低复杂度降维，构建低位宽的签名值，在匹配时对待匹配的特征点进行粗筛选得到粗筛后的特征点，再计算及比较特征点BRIEF描述子的汉明距离。所述方法节约了存储器资源，提高了ORB特征点匹配精度和速度。
-
公开(公告)号：CN114154630A
公开(公告)日：2022-03-08
申请号：CN202111393465.4
申请日：2021-11-23
Applicant: 北京理工大学
Abstract: 本发明涉及一种量化MobileNet的硬件加速器及其设计方法，属于硬件加速及计算机视觉技术领域。包括顶层控制模块、存储器控制模块、逐点卷积模块、逐通道卷积模块及后处理模块；顶层控制模块与存储器控制模块、逐点卷积模块、逐通道卷积模块及后处理模块相连；存储器控制模块与逐点卷积模块、逐通道卷积模块及后处理模块相连。所述方法将输入数据与权重放入不同大小缓存，通过并行数可变的深度可分离卷积降低硬件使用并获得卷积结果，再通过后处理完成池化、跨层连接与地址生成，使得数据在连续地址上排布。所述方法解决了MobileNet缓存利用率低的问题、降低了耗时与资源消耗。
-
Patent Agency Ranking
公开(公告)号：CN111476744A
公开(公告)日：2020-07-31
申请号：CN202010371279.X
申请日：2020-05-06
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于分类及大气成像模型的水下图像增强方法，属于水下图像增强技术领域。包括：1)将原始水下图像IRaw从RGB空间转换为HSV空间，并分别计算三个通道的平均值；2)将HSV通道的平均值与对应阈值进行比较，并根据比较结果对图像进行分类；3)根据图像分类结果对图像进行增强处理；4)根据大气成像模型对增强后的彩色图像进行还原，输出还原图像；5)若原始水下图像IRaw分类结果为低照度图像，则进行直方图均衡处理；6)对上一步骤输出的图像做自动白平衡处理。所述方法能对水下图像进行有效分类，并能准确恢复图像中物体的真实颜色，有效改善增强后图像的峰值信噪比，优化增强后图像的平均结构相似性。
-
公开(公告)号：CN106975617B
公开(公告)日：2018-10-23
申请号：CN201710234932.6
申请日：2017-04-12
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于色选机的物料分类方法，首先，向色选机中分别投入有价值的一类物料样本和无价值的二类物料样本，利用阈值法和中值滤波的方法，对色选机采集的图像进行预处理，即消除背景和噪声，有利于提高后续分类筛选的正确率；利用C4.5决策树和代价敏感学习相结合的优化算法，构建决策树模型，能够高效、实时地实现物料的分类，并且能够在保证分类正确率不受到较大影响的前提下，尽可能的提高有价值的一类物料的纯度，即其精确度，也可以在人工模式下根据个人需求进行不同纯度品级的产品筛选。
-
公开(公告)号：CN118348979A
公开(公告)日：2024-07-16
申请号：CN202410382143.7
申请日：2024-04-01
Applicant: 北京理工大学
Abstract: 本发明涉及一种避障跟随方法，属于路径规划、机器人运动控制技术领域。所述避障跟随方法，包括：根据传感器数据，构建机器人坐标系下的极坐标局部地图；根据极坐标局部地图以及机器人尺寸计算通道长度表；根据通道长度、通道角度和目标点信息计算各通道的综合评分；选择综合评分最高的通道，即为最佳通道，若最佳通道的综合评分低于给定阈值，则避障规划失败，否则继续；根据最佳通道的通道角度和通道长度，通过速度控制律计算机器人的运动速度；所述避障跟随方法实现了全向移动机器人在障碍环境中平滑、快速、安全的避障跟随功能。
-
公开(公告)号：CN109754437A
公开(公告)日：2019-05-14
申请号：CN201910032771.1
申请日：2019-01-14
Applicant: 北京理工大学
Abstract: 本发明涉及一种调整图形采样频率的方法，属于图像采集技术领域。通过线阵相机采集某一密度物体的下落图像，再通过特征提取识别出当前图像的特征点，依据相同特征点在不同图像对应的位置偏差计算出物体运动速度与传感器采样率的比值，再根据此比值计算当前物体的运动速度；由此来调整传感器的采样频率来消除因物体下落速度与传感器采样率不匹配而产生的形变。本方法改善了色选图像采集系统中图像的畸变和伸缩，对还原成像物体形状具有良好的效果；提高了色选的色选图像采集系统的灵活性；增加了色选图像采集系统对图像进行校正的准确度；对于材质、密度不同的成像物体有较好的区分度，广泛地应用于各种材料在色选图像采集系统中的识别和筛选。
-
公开(公告)号：CN106975617A
公开(公告)日：2017-07-25
申请号：CN201710234932.6
申请日：2017-04-12
Applicant: 北京理工大学
CPC classification number: B07C5/342 , G06K9/6256 , G06K9/6282
Abstract: 本发明公开了一种基于色选机的物料分类方法，首先，向色选机中分别投入有价值的一类物料样本和无价值的二类物料样本，利用阈值法和中值滤波的方法，对色选机采集的图像进行预处理，即消除背景和噪声，有利于提高后续分类筛选的正确率；利用C4.5决策树和代价敏感学习相结合的优化算法，构建决策树模型，能够高效、实时地实现物料的分类，并且能够在保证分类正确率不受到较大影响的前提下，尽可能的提高有价值的一类物料的纯度，即其精确度，也可以在人工模式下根据个人需求进行不同纯度品级的产品筛选。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.027 seconds)
