-
公开(公告)号：CN104615642B
公开(公告)日：2017-09-29
申请号：CN201410778037.7
申请日：2014-12-17
Applicant: 吉林大学
Abstract: 一种基于局部邻域约束的空间验证的错误匹配检测方法，属于图像识别领域。本发明的目的是通过局部区域内匹配特征对的数量，定义该匹配特征的局部权重，进而过滤不相关的匹配特征对，最后计算相关匹配特征是否满足一致几何变换的基于局部邻域约束的空间验证的错误匹配检测方法。本发明的步骤是：服务器中图像库图像预先处理，用尺度不变特征变换计算查询图像的SIFT特征，然后使用该词袋模型同样生成一个全局直方图，再使用基于局部区域加权空间约束的错误匹配检测方法，去除错误的匹配特征，获得最终几何得分，最后对初始检索结果重新排序，得到最终的检索结果。本发明减少了几何验证阶段特征的数量，降低了几何验证阶段的计算时间；同时也提高了检索的准确度。
-
公开(公告)号：CN104391987B
公开(公告)日：2017-06-30
申请号：CN201410763573.X
申请日：2014-12-13
Applicant: 吉林大学
Abstract: 一种基于移动平台下大规模目标识别的方法，属于图像识别领域。本发明的目的是用哈希算法快速有效地将SIFT特征点编码为具有保持局部敏感性的二进制编码，为移动平台检索提供一种快速有效的基于移动平台下大规模目标识别的方法。本发明的步骤是：数据库图像SIFT特征X的标签信息‘0’‘1’构成，归一化距离相似性以及量化误差，寻找使得NS+MD值最小的数据点的二进制标签，得到弱哈希函数，组合弱哈希函数，得到强哈希函数。本发明是一种快速有效的移动平台检索方法，移动设备还可根据网络状况调整检索方案，使得在不同的网络状况下均能及时给出响应。
-
Patent Agency Ranking
公开(公告)号：CN104391987A
公开(公告)日：2015-03-04
申请号：CN201410763573.X
申请日：2014-12-13
Applicant: 吉林大学
CPC classification number: G06F17/30247 , G06K9/4671
Abstract: 一种基于移动平台下大规模目标识别的方法，属于图像识别领域。本发明的目的是用哈希算法快速有效地将SIFT特征点编码为具有保持局部敏感性的二进制编码，为移动平台检索提供一种快速有效的基于移动平台下大规模目标识别的方法。本发明的步骤是：数据库图像SIFT特征X的标签信息‘0’‘1’构成，归一化距离相似性以及量化误差，寻找使得NS+MD值最小的数据点的二进制标签，得到弱哈希函数，组合弱哈希函数，得到强哈希函数。本发明是一种快速有效的移动平台检索方法，移动设备还可根据网络状况调整检索方案，使得在不同的网络状况下均能及时给出响应。
-
公开(公告)号：CN105809651B
公开(公告)日：2019-02-22
申请号：CN201410771507.7
申请日：2014-12-16
Applicant: 吉林大学
Abstract: 一种基于边缘非相似性对比的图像显著性检测方法，属于图像识别领域。本发明的目的是提供一种能够很好地突出显著目标，使显著目标有很好的完整性和一致性的基于边缘非相似性对比的图像显著性检测方法。本发明的步骤是：对被检测图像进行预分割，提取预分割之后的这些超像素块的一系列特征值，计算每个超像素值的边缘非相似性和超像素对之间的最短路径，计算出每个超像素属于背景区域的概率，显著性概率值进行优化，得到最终的超像素显著值；将超像素的值赋予相应的像素点，得到最终的显著图。本发明对噪声的鲁棒性强，结果的误差小，有助于后续图像分割等应用的显著目标提取处理。
-
公开(公告)号：CN105809651A
公开(公告)日：2016-07-27
申请号：CN201410771507.7
申请日：2014-12-16
Applicant: 吉林大学
IPC: G06T7/00
Abstract: 一种基于边缘非相似性对比的图像显著性检测方法，属于图像识别领域。本发明的目的是提供一种能够很好地突出显著目标，使显著目标有很好的完整性和一致性的基于边缘非相似性对比的图像显著性检测方法。本发明的步骤是：对被检测图像进行预分割，提取预分割之后的这些超像素块的一系列特征值，计算每个超像素值的边缘非相似性和超像素对之间的最短路径，计算出每个超像素属于背景区域的概率，显著性概率值进行优化，得到最终的超像素显著值；将超像素的值赋予相应的像素点，得到最终的显著图。本发明对噪声的鲁棒性强，结果的误差小，有助于后续图像分割等应用的显著目标提取处理。
-
公开(公告)号：CN104615642A
公开(公告)日：2015-05-13
申请号：CN201410778037.7
申请日：2014-12-17
Applicant: 吉林大学
CPC classification number: G06F17/30256
Abstract: 一种基于局部邻域约束的空间验证的错误匹配检测方法，属于图像识别领域。本发明的目的是通过局部区域内匹配特征对的数量，定义该匹配特征的局部权重，进而过滤不相关的匹配特征对，最后计算相关匹配特征是否满足一致几何变换的基于局部邻域约束的空间验证的错误匹配检测方法。本发明的步骤是：服务器中图像库图像预先处理，用尺度不变特征变换计算查询图像的SIFT特征，然后使用该词袋模型同样生成一个全局直方图，再使用基于局部区域加权空间约束的错误匹配检测方法，去除错误的匹配特征，获得最终几何得分，最后对初始检索结果重新排序，得到最终的检索结果。本发明减少了几何验证阶段特征的数量，降低了几何验证阶段的计算时间；同时也提高了检索的准确度。
-
公开(公告)号：CN207281497U
公开(公告)日：2018-04-27
申请号：CN201721248405.2
申请日：2017-09-27
Applicant: 吉林大学
IPC: G05B19/04
CPC classification number: Y02T90/168 , Y04S30/12
Abstract: 本实用新型涉及一种四轴无人机电池自动更换系统，包括嵌入式控制器、改进的电池插槽与接驳机构，控制器经由光电译码器获取转动角度信息，以实现对伺服步进电机转动角度的感知。改进的电池插槽与接驳机构在保证电池能够安装固定的前提下，简化了取下以及安装电池的步骤。地面更换电池装置的控制器可由ssh协议与ROS系统与工作站远程连接并接受人工控制。控制器经由光电编码器与译码器获取转动角度信息，以实现对伺服步进电机转动角度的精准控制。实现本实用新型所描述的系统在实际更换电池的过程中，将整个电池更换过程耗费的时间压缩至15秒以内，相较于传统的机械臂方式极大地加速了更换/充电过程，且拥有更高的机械可靠性与全天候工作的能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
