电子技术综合实验平台
    1.
    发明授权

    公开(公告)号:CN103390364B

    公开(公告)日:2017-04-12

    申请号:CN201310346743.X

    申请日:2013-08-09

    Abstract: 本发明涉及一种电子技术综合实验平台。现有的实验平台实验板上器件基本都是固定的,基本无需学生连接电路,电路板集成度太高,不利于扩展,不利于学生能力的训练提高。本发明组成包括:实验台(10),所述的实验台(10)上安装有操作面板(9),所述的操作面板(9)左侧安装有模拟电子技术实验组合模块,所述的操作面板(9)右侧安装有数字电子技术实验组合模块,所述的操作面板中间安装有示波器(13)、交流电源插座(4),所述的交流电源插座(4)与交流电源模块相连,所述的实验台上数字电子技术模块后面安装有平板电脑。本发明用于电子技术的实验教学。

    一种基于分形维数的图像特征提取系统及方法

    公开(公告)号:CN113378860A

    公开(公告)日:2021-09-10

    申请号:CN202110732432.1

    申请日:2021-06-30

    Inventor: 何召兰 陈志佳

    Abstract: 一种基于分形维数的图像特征提取系统及方法,属于机器人路径规划领域。现有用于机器人路径规划技术的视觉SLAM方法存在计算量大、对环境假设性强、易受干扰等缺点。一种基于分形维数的图像特征提取系统及方法,通过图像采集、计算采集的图像中每个像素点的分形维数,通过分形维数表征自然形态的特征、提取图像边缘特征,进行图像分割、在每个分割区域中通过均匀化方法提取特征点并进行特征匹配、若判断回到原位,则进行回环检测,之后进行位姿优化以校正整个轨迹形状;若判断未回到原位,则进行位姿估计,之后进行位姿优化以校正整个轨迹形状;数据关联、构建地图。本发明使视觉SLAM可以在动态环境下具有更好的图像特征提取性能。

    一种移动网络支付中的国密算法

    公开(公告)号:CN107612680A

    公开(公告)日:2018-01-19

    申请号:CN201710826679.3

    申请日:2017-09-14

    Inventor: 何召兰 毛宇

    Abstract: 一种移动网络支付中的国密算法,其技术要点是,包括以下步骤:一、加密流程;二、结算流程。本发明的算法包括三部分内容,数字签名验签算法、密钥交换协议和公钥加解密算法。密钥交换协议可满足通信双方经过两次或可选3次信息传递过程,计算获取一个由双方共同决定的共享秘密密钥;公钥加密算法适用于国家商用密码应用中的消息加解密,消息发送者可利用接收者的公钥对消息进行加密,接收者用对应的私钥进行解密,获取消息。数字签名算法、密钥交换协议以及公钥加密算法都使用了国家密管理局批准的SM3密码杂凑算法和随机数发生器。本发明的算法适用于商用应用中的数字签名和验证,可满足多种密码应用中的身份认证和数据完整性、真实性的安全需求。

    基于狼群算法的医学图像分割算法

    公开(公告)号:CN111968131A

    公开(公告)日:2020-11-20

    申请号:CN202010725993.4

    申请日:2020-07-24

    Abstract: 本发明涉及一种基于狼群算法的医学图像分割算法。医学图像分割是医学图像处理与分析领域的复杂而关键的步骤,由于医学图像的成像原理和人体组织本身的特性差异,并且图像的形成受到诸如噪声、场偏移效应、局部体效应和组织运动等影响,医学图像与普通图像相比,不可避免地具有模糊和不均匀性等特点。本发明包括如下步骤:获取待分割图像的灰度直方图;初步分割待分割图像的灰度直方图;拟合灰度直方图;归一化处理将新的分布函数和原直方图分别进行归一化处理;利用狼群算法对新的拟合函数和原直方图的差值进行优化,得到最小的误差所对应的那组阈值,采用最优阈值组对图像进行分割。本发明用于基于狼群算法的医学图像分割算法。

    基于实例分割的视觉SLAM方法

    公开(公告)号:CN110738673A

    公开(公告)日:2020-01-31

    申请号:CN201910999570.9

    申请日:2019-10-21

    Abstract: 本发明提供一种基于实例分割的视觉SLAM算法,首先在对输入图像提取特征点的同时,使用卷积神经网络对图像进行实例分割;其次利用实例分割信息辅助定位,剔除容易造成误匹配的特征点,缩小特征匹配的区域;最后使用实例分割的语义信息构建语义地图,实现机器人对已建地图的复用与人机交互。本发明使用TUM数据集分别对图像实例分割、视觉定位以及语义地图构建进行了实验验证。实验结果表明,将图像实例分割与视觉SLAM相结合可以增加图像特征匹配的鲁棒性,加快特征匹配速度,提高移动机器人定位的准确性;并且该算法可以生成精确的语义地图,满足机器人执行高级任务的需求。

    一种双轴伺服转台运动控制系统

    公开(公告)号:CN115657606A

    公开(公告)日:2023-01-31

    申请号:CN202211331231.1

    申请日:2022-10-28

    Inventor: 何召兰 李佳星

    Abstract: 一种双轴伺服转台运动控制系统,属于运动控制系统领域。精密位置系统设计为 III 型系统,在实际系统中总会存在饱和现象,导致III型系统为条件稳定系统,仅系统偏差小于某一值时才能保证系统的稳定和精度要求。一种双轴伺服转台运动控制系统,设计转台控制系统的包括电流环、速率环以及位置环三个回路;设计精密位置控制回路;设计粗位置控制回路;在前向环节加入超前校正;同时,在位置环中引入饱和非线性的环节。控制系统总体上采用主从分布式的控制方法,由上位机发送指令对转台进行操纵并显示转台的状态信息,下位机主控系统基于DSP和EPLD,完成对各种信号的处理和整个转台控制系统的控制策略,实现对转台的实时控制。

    电子技术综合实验平台
    7.
    发明公开

    公开(公告)号:CN103390364A

    公开(公告)日:2013-11-13

    申请号:CN201310346743.X

    申请日:2013-08-09

    Abstract: 本发明涉及一种电子技术综合实验平台。现有的实验平台实验板上器件基本都是固定的,基本无需学生连接电路,电路板集成度太高,不利于扩展,不利于学生能力的训练提高。本发明组成包括:实验台(10),所述的实验台(10)上安装有操作面板(9),所述的操作面板(9)左侧安装有模拟电子技术实验组合模块,所述的操作面板(9)右侧安装有数字电子技术实验组合模块,所述的操作面板中间安装有示波器(13)、交流电源插座(4),所述的交流电源插座(4)与交流电源模块相连,所述的实验台上数字电子技术模块后面安装有平板电脑。本发明用于电子技术的实验教学。

    一种基于深度学习的单目视觉SLAM算法

    公开(公告)号:CN116481540A

    公开(公告)日:2023-07-25

    申请号:CN202310459569.3

    申请日:2023-04-26

    Inventor: 何召兰 韩勤松

    Abstract: 一种基于深度学习的单目视觉SLAM算法,属于单目视觉领域。现有的视觉SLAM技术存在相机拍摄精度不高、数据处理计算量大、不同SLAM相机在不同的环境下有各自优缺点的问题。一种基于深度学习的单目视觉SLAM算法,基于光流的定位算法设计前端视觉里程计,提取图像序列的光流数据过程,提取特征点,衡量两图像帧间特征点的相似程度,以进行图像对的特征点匹配;通过图像中配对点间的对应关系估计运动目标在相邻图像间的相对位姿;通过对比不同时刻采集的图像对,识别判断运动目标是否回到之前到达过的位置;基于前一时刻相机的运动状态以及之前所有时刻的运动情况,设计基于图优化方法的后端非线性优化(Optimization)过程。

    一种基于暗通道先验的图像去雾算法的移植方法

    公开(公告)号:CN113538284A

    公开(公告)日:2021-10-22

    申请号:CN202110832548.2

    申请日:2021-07-22

    Inventor: 何召兰 王帅

    Abstract: 一种基于暗通道先验的图像去雾算法的移植方法,属于图像的去雾处理领域。现有的基于暗通道先验的图像去雾算法中,细化光线传播图时使用的导向滤波过于复杂以及算法过于复杂。本发明包括:获取具有R、G、B三个通道的彩色雾气图像作为输入图像,采用CameraLink输入至FPGA;进行归一化的步骤;计算大气光值和透射率,通过简化后的雾天图像成像模型中进行反演操作,恢复得到去雾后的图像R、G、B三个通道,使用t0来限制这些点的光线传播图的下限;进一步的细化透射率,恢复无雾图像;上述中间结果采用DDRSDRAM进行缓存;并且采用CH7301C产生的DVI信号输出去雾视频。本发明方法在FPGA中实现了改进的基于暗通道先验图像去雾算法的移植,且具有计算过程简单的优点。

    基于深度卷积神经网络医学图像融合算法

    公开(公告)号:CN112150564A

    公开(公告)日:2020-12-29

    申请号:CN202010852509.4

    申请日:2020-08-21

    Abstract: 本发明涉及一种基于深度卷积神经网络医学图像融合算法。目前医学图像的融合方法很多,但在临床应用中还存在着许多尚未解决的技术难题。首先由于各种成像系统的成像原理不同,其图像采集方式、格式以及图像的大小、质量、空间与时间特性都有很大差别。本发明包括如下步骤:输入CT图像和MRI图像,进行图像预处理操作;将两张图像进行归一化处理,将不同源的图像整合在同一像素级下;采用最佳的配准方法对图像进行配准处理,使用搜索算法,在搜索空间中找到使得相似性度量最优的解;将配准之后的子带图像进行像素级图像融合处理,将融合之后的子带图像通过多尺度Retinex算法进行特征提取增强。本发明用于基于深度卷积神经网络医学图像融合算法。

Patent Agency Ranking