公开(公告)号：CN115267756A

公开(公告)日：2022-11-01

申请号：CN202210456355.6

申请日：2022-04-27

Applicant: 北京理工大学 ,  北京电子工程总体研究所

Inventor： 瓢正泉 ,  王俊波 ,  赵保军 ,  唐林波 ,  曲鑫 ,  林大泳 ,  韩煜祺 ,  王文正

IPC: G01S11/12 ,  G06V10/764 ,  G06V10/82 ,  G06V20/56 ,  G06T7/80

Abstract: 本发明公开了一种基于深度学习目标检测的单目实时测距方法，主要包括对目标底部所在地面位置的实时获取、相机内参数标定、相机安装参数估算和目标距离计算；针对传统单目测距模型测距精度低、实时性差的问题，本发明应用当前性能先进的轻量级深度学习实时目标检测技术以获取目标底部的图像坐标；并对现有损失函数进行优化，使其更适应于测距需求。针对手动测量摄像头安装参数的不便和极易引入测量误差的问题，本发明通过地面参照点的三维空间坐标与所对应的图像坐标的映射关系，自动估计摄像头的安装参数信息。该方法具有操作简便、精度高、实时性好的特点，可应用于智能驾驶、机器人等多种需求视觉测距场景。

公开(公告)号：CN108491559A

公开(公告)日：2018-09-04

申请号：CN201810052021.6

申请日：2018-01-19

Applicant: 北京理工大学

Inventor： 孙磊 ,  秦坤 ,  蒋志宏 ,  林大泳 ,  聂青

IPC: G06F17/50 ,  G06N99/00

Abstract: 本发明涉及一种基于归一化互信息估计的时间序列异常检测方法，属于时间序列异常检测、信息论以及数据挖掘技术领域。包括A.数据预处理，得到与时间序列采样片段对应的样本点集合；B.基于极限学习机对每两个相邻采样片段对应的样本点集合进行互信息估计；C.将得到的互信息利用最大熵进行归一化；D.循环步骤B和C，得到归一化互信息序列，通过和阈值比较确定序列突变发生的位置。本发明描述的是一种不需要参数寻优的、无需训练的算法，其使用极限学习机进行互信息的估计，使用随机产生的参数设置，缩减了执行时间，保证了算法模型的执行效率；同时对估计出的互信息使用最大熵进行归一化，保证了异常检测的准确率。