-
公开(公告)号：CN118470175A
公开(公告)日：2024-08-09
申请号：CN202410915437.1
申请日：2024-07-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T15/04 , G06T3/4076 , G06T5/90 , G06T7/13 , G06N3/0475 , G06N3/045
Abstract: 本发明提出了一种面向倾斜摄影测量的建筑物纹理增强方法，实现自动化的纹理质量提升。首先，对倾斜影像数据进行校正，制备训练数据集。其次，采用L1损失和边缘检测损失训练生成对抗网络，实施逐步加权训练策略，先优化整体图像质量，再强化边缘细节。然后，利用训练好的网络对校正后的三维模型纹理进行超分辨率增强。最终，将增强纹理应用于模型，显著提升纹理清晰度与细节，增强视觉效果及应用价值。此方法有效改进了超分辨率网络性能，自动化处理复杂城市场景纹理，降低成本，适用于城市规划与设计。
-
Patent Agency Ranking
公开(公告)号：CN118778081B
公开(公告)日：2024-12-31
申请号：CN202411242372.5
申请日：2024-09-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广西科学院
Abstract: 本发明提出一种基于多核最大熵的GNSS自适应滤波定位方法，针对城市复杂环境设计，有效提升VT型GNSS接收机在非高斯噪声中的定位精度和鲁棒性。该方法中，首先收集并初步处理GNSS接收机的伪距和多普勒观测数据，随后初始化状态向量和协方差矩阵，进行量测噪声协方差矩阵的白化处理。核心在于应用MKMC‑KF算法，结合系统动态模型进行状态预测，并通过当前观测数据进行状态校正，实现精确的后验状态估计。MKMC‑KF算法利用核密度估计自适应确定核带宽，为不同观测值分配不同核函数，适应其分布特性。最终，利用滤波后的状态信息进行定位计算，得到接收机的精确位置和速度估计，显著增强了在多径和NLOS条件下的导航性能。
-
公开(公告)号：CN118778081A
公开(公告)日：2024-10-15
申请号：CN202411242372.5
申请日：2024-09-05
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 广西科学院
Abstract: 本发明提出一种基于多核最大熵的GNSS自适应滤波定位方法，针对城市复杂环境设计，有效提升VT型GNSS接收机在非高斯噪声中的定位精度和鲁棒性。该方法中，首先收集并初步处理GNSS接收机的伪距和多普勒观测数据，随后初始化状态向量和协方差矩阵，进行量测噪声协方差矩阵的白化处理。核心在于应用MKMC‑KF算法，结合系统动态模型进行状态预测，并通过当前观测数据进行状态校正，实现精确的后验状态估计。MKMC‑KF算法利用核密度估计自适应确定核带宽，为不同观测值分配不同核函数，适应其分布特性。最终，利用滤波后的状态信息进行定位计算，得到接收机的精确位置和速度估计，显著增强了在多径和NLOS条件下的导航性能。
-
公开(公告)号：CN118470175B
公开(公告)日：2024-10-18
申请号：CN202410915437.1
申请日：2024-07-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T15/04 , G06T3/4076 , G06T5/90 , G06T7/13 , G06N3/0475 , G06N3/045
Abstract: 本发明提出了一种面向倾斜摄影测量的建筑物纹理增强方法，实现自动化的纹理质量提升。首先，对倾斜影像数据进行校正，制备训练数据集。其次，采用L1损失和边缘检测损失训练生成对抗网络，实施逐步加权训练策略，先优化整体图像质量，再强化边缘细节。然后，利用训练好的网络对校正后的三维模型纹理进行超分辨率增强。最终，将增强纹理应用于模型，显著提升纹理清晰度与细节，增强视觉效果及应用价值。此方法有效改进了超分辨率网络性能，自动化处理复杂城市场景纹理，降低成本，适用于城市规划与设计。
-
公开(公告)号：CN118445599A
公开(公告)日：2024-08-06
申请号：CN202410930061.1
申请日：2024-07-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/213 , G06F17/18 , G06Q50/26
Abstract: 一种基于多源遥感数据的绿潮不适宜生长区提取方法，首先，在实验室条件下识别影响绿潮生长的关键环境因子；其次，选取能反映这些因子的多源遥感数据；接着，对目标海域的遥感数据进行预处理，重采样至特定分辨率；然后，利用预处理数据和生物培养模型计算绿潮生长速率；最后，基于计算结果识别不适宜生长区域。此方法摒弃了仅依赖数据相关性和统计分析的传统做法，通过将实际影响绿潮生长的环境因子与遥感数据直接关联，提高了生长速率计算的精确度。其不仅增强了监测的空间覆盖和效率，而且综合海洋环境因素，更真实地映射了绿潮在复杂海域的生长情况，为绿潮灾害的治理与监测提供了更为科学和有效的技术支持。
-
公开(公告)号：CN118038292A
公开(公告)日：2024-05-14
申请号：CN202410436312.0
申请日：2024-04-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/13 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/0495 , G06N3/082
Abstract: 一种面向卫星在轨计算的目标识别装置和方法，该装置具有RepSViT网络，其是基于脉冲神经网络的视觉Transformer，RepSViT网络包括脉冲分块SPS模块以及多个特征提取层级，其中，脉冲分块SPS模块和多个特征提取层级中至少有一者使用了动态空洞脉冲卷积D2SC，动态空洞脉冲卷积D2SC包括串联的多步LIF和动态空洞卷积，其中多步LIF对输入进行二进制编码以便后续计算均为脉冲计算，动态空洞卷积使用单核全维动态卷积SODC实现强力特征提取，同时通过控制其空洞率实现大感受野特征提取。所提RepSViT模型首次引入SNN到卫星在轨计算，在公开舰船细粒度识别数据集FGSC23上进行了消融实验以及与先进方法的对比实验，实验证明了所提模型的有效性和先进性，满足卫星在轨计算“轻、快、准”的要求。
-
-
-
-
-
Search Results
6
records
(took 0.048 seconds)
