-
公开(公告)号：CN115022377A
公开(公告)日：2022-09-06
申请号：CN202210870796.0
申请日：2022-07-22
Applicant: 国网浙江省电力有限公司电力科学研究院 , 浙江大学计算机创新技术研究院
Abstract: 本发明公开了一种高弹性电网数据传输方法，涉及电力系统技术领域，用于解决现有数据容易泄露的问题，该方法包括以下步骤：高弹性电网数据产生方将经过对称密钥加密后的电网数据发送至区块链智能合约存证；高弹性电网数据管理方从所述区块链上获取所述加密后的电网数据，并通过所述对称密钥进行解密，得到原始电网数据；所述高弹性电网数据管理方对所述原始电网数据进行脱敏处理，将脱敏后的电网数据发送至所述区块链智能合约存证；高弹性电网数据使用方从所述区块链上获取脱敏后的电网数据。本发明还公开了一种电网数据传输装置、电子设备和计算机存储介质。本发明通过对称密钥对数据进行加密，进而防止传输过程中数据泄露问题。
-
公开(公告)号：CN114663514B
公开(公告)日：2022-08-23
申请号：CN202210574035.0
申请日：2022-05-25
Applicant: 浙江大学计算机创新技术研究院
Abstract: 本发明公开了一种基于多模态稠密融合网络的物体6D姿态估计方法。将物体的RGB图像和点云输入物体6D姿态估计网络训练和预测获得旋转和平移变换结果；网络中用卷积神经网络提取物体表面特征，对物体表面特征截取后再与物体几何特征拼接融合成局部模态稠密融合特征，输入下一多层感知机获取物体几何特征，融合得全局多模态稠密融合特征，再输入到实例分割关键点处理模块得目标关键点，结合最远点采样得采样关键点，通过奇异值分解获得6D姿态信息。本发明方法能够充分利用物体的RGB信息和深度信息，两种模态信息的相互补充融合能有效提高网络对相似物体的姿态判别能力，对噪声、遮挡、低纹理等复杂环境具有较强的适应性。
-
公开(公告)号：CN114663514A
公开(公告)日：2022-06-24
申请号：CN202210574035.0
申请日：2022-05-25
Applicant: 浙江大学计算机创新技术研究院
Abstract: 本发明公开了一种基于多模态稠密融合网络的物体6D姿态估计方法。将物体的RGB图像和点云输入物体6D姿态估计网络训练和预测获得旋转和平移变换结果；网络中用卷积神经网络提取物体表面特征，对物体表面特征截取后再与物体几何特征拼接融合成局部模态稠密融合特征，输入下一多层感知机获取物体几何特征，融合得全局多模态稠密融合特征，再输入到实例分割关键点处理模块得目标关键点，结合最远点采样得采样关键点，通过奇异值分解获得6D姿态信息。本发明方法能够充分利用物体的RGB信息和深度信息，两种模态信息的相互补充融合能有效提高网络对相似物体的姿态判别能力，对噪声、遮挡、低纹理等复杂环境具有较强的适应性。
-
-
Search Results
3
records
(took 0.025 seconds)
