-
公开(公告)号：CN105149607B
公开(公告)日：2018-07-06
申请号：CN201510589628.4
申请日：2015-09-16
Applicant: 哈尔滨工业大学
IPC: B22F9/16
Abstract: 纳米多孔钛粉的制备方法，涉及一种纳米多孔粉体材料的制备方法。是要解决现有纳米多孔材料制备方法较复杂，而且制备的多孔材料比表面积较小，催化性能较差的问题。方法：一、制备前驱体：将TixAly或NixAly金属间化合物粉末放入丙酮中，利用超声振荡清洗，随后在无水乙醇中超声清洗，得到表面清洁的前驱体粉末；二、去合金化：将前驱体粉末放在腐蚀液中，分别进行化学去合金化处理；三、后续处理：将去合金化后的粉末取出，先用去离子水反复冲洗，再放入无水乙醇中超声波清洗，将湿润状态下的粉末放入真空干燥箱中干燥，即可得到纳米多孔钛粉或纳米多孔镍粉。本发明用于制备纳米多孔粉体材料。
-
公开(公告)号：CN105063400B
公开(公告)日：2017-10-03
申请号：CN201510590199.2
申请日：2015-09-16
Applicant: 哈尔滨工业大学
Abstract: 一种采用具有纳米多孔结构的Ti/TiO2复合材料制备超级电容器的方法，本发明涉及一种纳米多孔钛的制备方法。本发明是要解决现有制备方法较复杂且成本高，不利于工程应用的问题。方法：一、制备前驱体：将TixAly金属间化合物前驱体采用线切割和预磨机磨制进行处理，得到厚度为10μm～200μm的去合金试样；二、去合金化：将步骤一中得到的去合金试样进行去合金化处理，得到去合金化后的试样；三、后续处理：将去合金化后的试样取出，先用去离子水反复冲洗，然后再放入无水乙醇中，利用超声波清洗8min～10min，以移除残留的其它杂质附着物，将湿润状态下的试样放入真空干燥箱中，干燥5h～8h，即可得到纳米多孔钛。本发明用于制备纳米多孔钛。
-
公开(公告)号：CN118834038A
公开(公告)日：2024-10-25
申请号：CN202410846096.7
申请日：2024-06-27
Applicant: 昭通市宜昭高速公路投资开发有限公司 , 哈尔滨工业大学
Abstract: 一种基于磁力搅拌与振动研磨的低冰点填料的制备方法，本发明要解决沥青路面在冬季易结冰，抗滑性能大幅降低的问题。制备方法：一、将沸石粉和NaCl粉末混合放入反应器中，加入蒸馏水至饱和，收集得到基础填料；二、向憎水剂溶液中加入基础填料，磁力搅拌得到糊状物；三、向疏水改性溶液中加入憎水处理的糊状物，搅拌得到疏水改性的糊状物；四、对疏水改性处理后的糊状物烘干，初步粉碎后再加入到振动研磨仪中进行粉碎处理，得到低冰点填料。本发明通过振动研磨，使得填料粉末被充分的混合均匀，该低冰点填料的细度小，比表面积较大，能够吸附较多的沥青，使得沥青胶浆中结构沥青增加，保证沥青混合料的路用性能，达到良好的除冰化雪效果。
-
公开(公告)号：CN114201621B
公开(公告)日：2024-04-02
申请号：CN202111406136.9
申请日：2021-11-24
IPC: G06F16/43 , G06F16/583 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/044
Abstract: 本发明公开了一种基于图文协同注意力的跨模态检索模型构建及检索方法，所述方法包括：获取训练图像和训练文本，分别提取图像样本和文本样本的局部特征；将图像样本所有的局部图像特征和文本样本所有的局部文本特征分别映射为特征向量，并将图像样本和文本样本的特征向量分别表示成矩阵，再得到各自的Key矩阵、Query矩阵和Value矩阵；基于该多个矩阵，计算出图像样本和文本样本的跨模态注意力特征、模态内注意力特征；将跨模态注意力特征和模态内注意力特征进行融合，得到图像样本的全局特征表示和文本样本的全局特征表示；基于所述全局特征表示，训练得到跨模态检索模型。本发明可直接对不同模态的数据进行相似度匹配，具有较高的匹配准确性。
-
公开(公告)号：CN112164101B
公开(公告)日：2023-01-20
申请号：CN202011053718.9
申请日：2020-09-29
Abstract: 本发明提供的三维点云匹配方法和装置，首先构建针对目标物的三维坐标系，将两个待匹配三维点云分别进行去中心化处理，获得每一个待匹配三维点云对应的去中心化点云；再对每一个去中心化点云所在的坐标系进行转换，得到每一个去中心化点云对应的转换点云，其中，转换点云的坐标轴与三维坐标系的对应坐标轴相平行。从每一个转换点云中选取能够形成一个平面的至少三个角点，根据选取的各个所述角点，计算尺度因子，根据尺度因子，对转换点云中的重建点云的大小进行调节，得到调节点云；最后通过迭代最近点算法对调节点云和标准点云进行匹配，以完成三维点云的匹配过程。本发明能够减小重建点云和标准点云的匹配误差。
-
Patent Agency Ranking
公开(公告)号：CN112164101A
公开(公告)日：2021-01-01
申请号：CN202011053718.9
申请日：2020-09-29
Abstract: 本发明提供的三维点云匹配方法和装置，首先构建针对目标物的三维坐标系，将两个待匹配三维点云分别进行去中心化处理，获得每一个待匹配三维点云对应的去中心化点云；再对每一个去中心化点云所在的坐标系进行转换，得到每一个去中心化点云对应的转换点云，其中，转换点云的坐标轴与三维坐标系的对应坐标轴相平行。从每一个转换点云中选取能够形成一个平面的至少三个角点，根据选取的各个所述角点，计算尺度因子，根据尺度因子，对转换点云中的重建点云的大小进行调节，得到调节点云；最后通过迭代最近点算法对调节点云和标准点云进行匹配，以完成三维点云的匹配过程。本发明能够减小重建点云和标准点云的匹配误差。
-
公开(公告)号：CN106086981A
公开(公告)日：2016-11-09
申请号：CN201610546032.0
申请日：2016-07-12
Applicant: 哈尔滨工业大学
Abstract: 一种改善Ti‑Al系合金抗氧化性能的表面多孔阳极氧化层的制备方法，本发明涉及一种改善Ti‑Al系合金抗氧化性能的表面多孔阳极氧化层的制备方法。本发明是要解决现有Ti‑Al系合金抗氧化性能不足，不能有效阻止裂纹的萌生和扩展导致氧化层脱落的问题。方法：一、预处理；二、阳极氧化；三、后续处理。本发明通过阳极氧化法在Ti‑Al系合金表面生成的有序多孔阳极氧化层具有与基体结合强度高，高温下无元素内扩散现象。同时阳极氧化法具有工艺简单、操作简便、对设备要求低，成本低廉等优点，因此适合实际工程化应用。
-
公开(公告)号：CN105149607A
公开(公告)日：2015-12-16
申请号：CN201510589628.4
申请日：2015-09-16
Applicant: 哈尔滨工业大学
IPC: B22F9/16
Abstract: 纳米多孔钛粉或纳米多孔镍粉的制备方法，涉及一种纳米多孔粉体材料的制备方法。是要解决现有纳米多孔材料制备方法较复杂，而且制备的多孔材料比表面积较小，催化性能较差的问题。方法：一、制备前驱体：将TixAly或NixAly金属间化合物粉末放入丙酮中，利用超声振荡清洗，随后在无水乙醇中超声清洗，得到表面清洁的前驱体粉末；二、去合金化：将前驱体粉末放在腐蚀液中，分别进行化学去合金化处理；三、后续处理：将去合金化后的粉末取出，先用去离子水反复冲洗，再放入无水乙醇中超声波清洗，将湿润状态下的粉末放入真空干燥箱中干燥，即可得到纳米多孔钛粉或纳米多孔镍粉。本发明用于制备纳米多孔粉体材料。
-
公开(公告)号：CN116912818A
公开(公告)日：2023-10-20
申请号：CN202310894461.7
申请日：2023-07-20
Applicant: 哈尔滨工业大学
IPC: G06V20/64 , G06T17/00 , G06V10/762 , G06V10/75
Abstract: 本发明公开了一种基于三维点云匹配的空间失效卫星对接环识别方法及系统，涉及目标识别技术领域。本发明的技术要点包括：对空间失效卫星对应的三维重建点云进行局部特征描述，与对接环标准点云进行SAC‑IA粗匹配，获取包含对接环部件的区域点云；以粗匹配计算的位姿作为初值，与对接环标准点云进行ICP精匹配，准确识别对接环部件，使用最近邻搜索提取点云坐标；并利用主成分分析法投影计算对接环部件的圆心空间位置和直径。本发明可准确识别空间失效卫星的对接环部件，同时确定其特征部位尺寸和位置信息，为后续接近、抓捕等任务的实施提供技术支撑。
-
公开(公告)号：CN116645392A
公开(公告)日：2023-08-25
申请号：CN202310478444.5
申请日：2023-04-28
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于关键点权重的空间目标相对位姿迭代估计方法及系统，涉及计算机视觉导航技术领域，用以解决现有方法对于空间目标的相对位姿估计精度不高且稳定性不高的问题。本发明的技术要点包括：获取包含空间目标的图像序列；提取图像序列中的关键点像素坐标；根据关键点像素坐标计算空间目标的初始形心位置区域；根据初始形心位置和关键点像素坐标，计算获取每个关键点的权重值；根据关键点的权重值及其与三维关键点的对应关系，加权迭代计算获取空间目标的相对位姿追踪结果。本发明可以更好的利用时域信息，提升位姿估计的稳定性，提升相对位姿估计精度。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.028 seconds)
