-
公开(公告)号：CN111539879B
公开(公告)日：2023-04-14
申请号：CN202010294520.3
申请日：2020-04-15
申请人： 清华大学深圳国际研究生院 , 清华大学
IPC分类号： G06T5/00 , G06N3/08 , G06N3/0464
摘要： 本发明提供一种基于深度学习的视频盲去噪方法及装置，该方法包括：从待去噪视频中取包含预设数量帧的视频序列，将该视频序列的中间帧作为带噪参考帧，对带噪参考帧和视频序列中的其他每一帧图像进行光流估计，获得多个两帧图像之间的光流场；根据光流场将视频序列中的其他每一帧图像分别转换到带噪参考帧进行配准，获得多帧带噪配准图像；基于卷积神经网络构建去噪网络，以多帧带噪配准图像作为网络输入，以带噪参考帧作为网络的参考图像，利用nose2noise方法进行逐帧迭代训练和去噪，获得带噪参考帧对应的去噪图像。该方案即可仅利用单个视频而无需获得大量的噪声数据、干净的数据、准确的噪声分布模型，就能实现对视频的盲去噪。
-
公开(公告)号：CN111539879A
公开(公告)日：2020-08-14
申请号：CN202010294520.3
申请日：2020-04-15
申请人： 清华大学深圳国际研究生院 , 清华大学
摘要： 本发明提供一种基于深度学习的视频盲去噪方法及装置，该方法包括：从待去噪视频中取包含预设数量帧的视频序列，将该视频序列的中间帧作为带噪参考帧，对带噪参考帧和视频序列中的其他每一帧图像进行光流估计，获得多个两帧图像之间的光流场；根据光流场将视频序列中的其他每一帧图像分别转换到带噪参考帧进行配准，获得多帧带噪配准图像；基于卷积神经网络构建去噪网络，以多帧带噪配准图像作为网络输入，以带噪参考帧作为网络的参考图像，利用nose2noise方法进行逐帧迭代训练和去噪，获得带噪参考帧对应的去噪图像。该方案即可仅利用单个视频而无需获得大量的噪声数据、干净的数据、准确的噪声分布模型，就能实现对视频的盲去噪。
-
公开(公告)号：CN111582310A
公开(公告)日：2020-08-25
申请号：CN202010268291.8
申请日：2020-04-08
申请人： 清华大学深圳国际研究生院 , 清华大学
摘要： 本发明提供一种隐含结构光的解码方法及装置，该方法包括：对摄像头拍摄的图像进行遍历，获取每个像素点的灰度值和理想邻域灰度分布；根据像素点的灰度值和理想邻域灰度分布，结合预设的输出图像完成条纹提取并输出更新完成的输出图像；对更新完成的输出图像中的条纹中心点进行分类，获得条纹分类结果；根据条纹分类结果确定更新完成的输出图像中的条纹和结构光图像中的条纹的对应关系；利用极线约束法，结合所述更新完成的输出图像中的条纹和结构光图像中条纹的对应关系，对所有条纹中心点进行解码。该方案能在保证精度的基础上，高效且鲁棒的实现对隐含结构光图像解码。
-
公开(公告)号：CN111582310B
公开(公告)日：2022-05-06
申请号：CN202010268291.8
申请日：2020-04-08
申请人： 清华大学深圳国际研究生院 , 清华大学
IPC分类号： G06K9/62 , G06V10/764 , G06V10/40
摘要： 本发明提供一种隐含结构光的解码方法及装置，该方法包括：对摄像头拍摄的图像进行遍历，获取每个像素点的灰度值和理想邻域灰度分布；根据像素点的灰度值和理想邻域灰度分布，结合预设的输出图像完成条纹提取并输出更新完成的输出图像；对更新完成的输出图像中的条纹中心点进行分类，获得条纹分类结果；根据条纹分类结果确定更新完成的输出图像中的条纹和结构光图像中的条纹的对应关系；利用极线约束法，结合所述更新完成的输出图像中的条纹和结构光图像中条纹的对应关系，对所有条纹中心点进行解码。该方案能在保证精度的基础上，高效且鲁棒的实现对隐含结构光图像解码。
-
公开(公告)号：CN118157519A
公开(公告)日：2024-06-07
申请号：CN202410346319.3
申请日：2024-03-26
申请人： 清华大学深圳国际研究生院
摘要： 一种基于滑模控制的多电机同步控制速度补偿方法，包括如下步骤：S1、构建每个电机的机械模型；S2、利用滑模干扰观测器对每个电机的转矩进行估计，获取每个电机负载转矩的估计值；S3、利用滑模速度补偿器求取每个电机的速度控制器输出的补偿值；其中，滑模速度补偿器根据电机的实时转速和负载转矩估计值，通过将不同电机的转速进行耦合，计算出每个电机转速与其他电机转速的差值，根据差值以及电机的负载转矩估计值，计算出相应的速度控制器输出补偿值；S4、根据求取的速度控制器输出的补偿值分别调节每个电机的转速，实现电机之间的转速同步。本发明在保证收敛速度的同时提高了控制鲁棒性，能够适应复杂工况。
-
公开(公告)号：CN117592628A
公开(公告)日：2024-02-23
申请号：CN202311498775.1
申请日：2023-11-13
申请人： 清华大学深圳国际研究生院
IPC分类号： G06Q10/047 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/0475
摘要： 一种近优的端对端路径规划方法，包括如下步骤：S1、将具有初始点和目标点标记的地图输入路径规划网络PPNet，由PPNet中的图像分割模型SegNet分割出包含近优解且满足间隔约束的子空间；S2、PPNet中的生成模型GenNet根据分割出的所述子空间的几何形状生成关于路径点的概率图，根据所述概率图提取路径点，并根据所提取的路径点得到近优路径；其中所述概率图中每一点的数值表示该点为路径点的概率。使用本发明的方法可以在短时间内找到近最优路径。
-
公开(公告)号：CN113276119B
公开(公告)日：2022-06-28
申请号：CN202110571993.8
申请日：2021-05-25
申请人： 清华大学深圳国际研究生院
IPC分类号： B25J9/16
摘要： 本发明公开了一种基于图Wasserstein自编码网络的机器人运动规划方法及系统，包括如下步骤：S1、构建图Wasserstein自编码网络(GraphWAE)；S2、进行基于GraphWAE的非均匀采样分布表征学习；S3、进行基于GraphWAE的机器人运动规划。本发明与现有技术对比的有益效果包括：本发明通过GraphWAE表征学习机器人构型空间中的非障碍物区域，作为主流采样规划算法的样本生成器，引导规划探索过程在非障碍物区域展开，减少规划时间，提高规划路径质量和成功率。
-
公开(公告)号：CN113276119A
公开(公告)日：2021-08-20
申请号：CN202110571993.8
申请日：2021-05-25
申请人： 清华大学深圳国际研究生院
IPC分类号： B25J9/16
摘要： 本发明公开了一种基于图Wasserstein自编码网络的机器人运动规划方法及系统，包括如下步骤：S1、构建图Wasserstein自编码网络(GraphWAE)；S2、进行基于GraphWAE的非均匀采样分布表征学习；S3、进行基于GraphWAE的机器人运动规划。本发明与现有技术对比的有益效果包括：本发明通过GraphWAE表征学习机器人构型空间中的非障碍物区域，作为主流采样规划算法的样本生成器，引导规划探索过程在非障碍物区域展开，减少规划时间，提高规划路径质量和成功率。
-
公开(公告)号：CN117830431A
公开(公告)日：2024-04-05
申请号：CN202410001178.1
申请日：2024-01-02
申请人： 清华大学深圳国际研究生院
IPC分类号： G06T7/80 , A61B5/11 , A61B5/113 , A61B5/00 , G06T3/08 , G06V10/75 , G06V10/764 , G06T7/70 , G06T7/90 , G06F17/16
摘要： 一种基于空间编码的三维测量方法，包括：S1.设计三维蜂窝结构网格式的空间编码投影图案，并保存交点编码结果集；S2.标定结构光系统中相机与投影仪的内外参，使用投影仪投影空间编码投影图案，并使用相机实现同步采集图像；S3.对采集的图像提取图像骨架，根据图像骨架提取交点并对交点二分类获得两类交点集；S4.基于采集的图像与交点集，利用连接线遍历算法绘制二分图，根据二分图计算交点邻域解码结果集；S5.利用匹配算法，根据交点邻域解码结果集与交点编码结果集计算获得交点配对集合；利用三角测量方法，结合相机与投影仪的内外参，对交点配对集合进行三维测量，生成点云。由此解决了传统网格编码上畸变导致交点不为一的问题，加速了解码速度。
-
公开(公告)号：CN116610179A
公开(公告)日：2023-08-18
申请号：CN202310544120.7
申请日：2023-05-15
申请人： 清华大学深圳国际研究生院
IPC分类号： G05F1/56
摘要： 本发明提供一种基于翻转电压跟随器差分结构的高摆率电压缓冲器，包括输出级和两个不同类型的偏置互补的DFVF对，其中，每个所述偏置互补的DFVF对一端与输入电压连接，一端与所述输出级连接，所述输出级包括两个不同类型的输出管，与输出电压连接；两个所述偏置互补的DFVF对分别能为两个所述不同类型的输出管提供互补的偏置电压，保证总有DFVF处于工作状态，使得进行大信号转换时，所述输出级的动态电流总能大于静态电流。本发明能够保证buffer在各种大信号输入下均有较高的摆率，减小输入到输出的延时。
-
-
-
-
-
-
-
-
-
搜索结果
82 条记录 (耗时 0.048 秒)
