-
公开(公告)号：CN119205921A
公开(公告)日：2024-12-27
申请号：CN202411311685.1
申请日：2024-09-20
Applicant: 电子科技大学
Abstract: 本发明涉及同时定位与地图构建技术领域，公开了一种基于图神经网络的SLAM后端位姿优化方法，包括以下步骤：提取连续输入SLAM系统的图像流的关键特征点，记录特征描述符；将关键特征点投射到三维空间，通过立体匹配获取左右相机图像的对应点并三角化，得到关键特征点的三维坐标；选取关键帧，记录关键帧中关键特征点及特征描述符，判断关键帧数量是否大于预设阈值；通过关键特征点匹配，确定关键帧之间的共视关系，得到关键帧的图拓扑结构并输入图神经网络中进行位姿优化；将关键帧数据库中的关键帧按时间戳大小正序排序，保留正序排序的关键帧中的后半部分关键帧进行下一轮的数据收集与优化；该方法提高了关键帧位姿优化精度，且提高了SLAM系统的性能。
-
公开(公告)号：CN116955930A
公开(公告)日：2023-10-27
申请号：CN202310952849.8
申请日：2023-07-31
Applicant: 电子科技大学
IPC: G06F18/10 , G06F18/214 , G06F18/2411 , G06F18/213
Abstract: 本发明公开了一种针对雷达脉冲描述字序列的增量式机器学习识别系统，包括预处理模块、雷达信号预分选模块、后处理模块以及增量式雷达信号分类模块；本发明所提出的一种针对雷达脉冲描述字序列的增量式机器学习识别系统，利用预处理模块采集多目标混叠的雷达脉冲描述字序列，并对采集的多目标混叠的雷达脉冲描述字序列进行数据筛选，能够更好的识别调制或截变过的雷达脉冲描述字序列中包含的参数信息；同时，在增量式雷达信号分类模块利用增量式雷达信号识别网络进行监督训练和无监督推理，不仅能够识别已知类别的雷达脉冲描述字，还能够拒绝识别未知类的雷达脉冲描述字和增量式识别已经见过的未知类的雷达脉冲描述字。
-
公开(公告)号：CN115983350A
公开(公告)日：2023-04-18
申请号：CN202310104975.8
申请日：2023-02-13
Applicant: 电子科技大学
IPC: G06N3/0464 , G06N3/063 , G06N3/08 , G06F15/78
Abstract: 本发明公开了一种二值权重卷积神经网络加速器及RISC‑V片上系统；其中二值权重卷积神经网络加速器包括指令解析模块、地址生成模块、有限状态机、移位滑窗模块、特征图存储模块、权重存储模块、多通道共享计算阵列、累加模块和批归一化和池化模块；RISC‑V片上系统包括FLASH模块，DDR模块，E203RISC‑V软核模块，AXIInterconnect模块，AXI数据传输通路，跨时钟域模块和二值权重卷积神经网络加速器。本发明能够显著提升数据复用性和存储取数效率，减少资源消耗，进而提升加速器的整体工作效率。
-
公开(公告)号：CN110533724B
公开(公告)日：2021-10-22
申请号：CN201910839780.1
申请日：2019-09-06
Applicant: 电子科技大学
IPC: G06T7/73
Abstract: 本发明公开了一种基于深度学习和注意力机制的单目视觉里程计算方法，具体步骤包括：先采集原始单目彩色图像，并将图像尺寸裁剪为统一大小；将裁剪过后的第i张图像和第i+1张图片输入PWCnet光流计算模块，获取光流向量场，并将光流向量场按照4个象限等分为4个光流子向量场；将4个光流子向量场输入卷积神经网络，分别获取4个子特征向量；将4个子特征向量合并为一个总特征向量，然后将总特征向量输入全连接网络，获取估计位姿向量；实时采集图片，并依次送入卷积神经网络，得到若干连续的估计位姿向量，通过若干连续的估计位姿向量获取估计里程。本发明拥有很好的视觉里程计算精度和计算速度。
-
公开(公告)号：CN112873163A
公开(公告)日：2021-06-01
申请号：CN202110048875.9
申请日：2021-01-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种自动化物料搬运机器人系统及其控制方法，包括陀螺仪模块，用于获取搬运机器人初始角度，构建场地直角坐标系，并设定搬运机器人初始位置为坐标原点；二维码扫描模块，用于扫描二维码读取目标物料任务信息，并将目标物料任务信息上传至控制模块；视觉识别模块，用于根据颜色和形状识别目标物料，并将识别后的目标物料信息上传至控制模块；控制模块，用于根据接收的目标物料任务信息和识别后的目标物料信息，向驱动模块发送控制指令，并完成物料抓取作业；驱动模块，用于接收控制模块动作指令，将搬运机器人移动至目标物料处，驱动机械爪和机械臂配合抓取和放置目标物料。
-
Patent Agency Ranking
公开(公告)号：CN112146660A
公开(公告)日：2020-12-29
申请号：CN202011021069.4
申请日：2020-09-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于动态词向量的室内地图定位方法，根据惯性传感器数据与地图信息，设计并搭建了基于动态词向量的深度学习框架，完成地图信息的智能提取，实现室内地图匹配定位技术，具有能充分利用地图信息、场景泛化性强的优点，尤其适用于室内空间较为复杂的场景。
-
公开(公告)号：CN110595466B
公开(公告)日：2020-11-03
申请号：CN201910878954.5
申请日：2019-09-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种轻量级的基于深度学习的惯性辅助视觉里程计实现方法，涉及移动机器人自主导航定位技术领域，其采用快速光流提取网络学习连续视频帧数据，并得到光流特征；将光流特征输入密集卷积网络中进行处理，处理输出结果连接至全连接层网络，得到初步位姿数据；对加速度数据和角速度数据进行预处理；通过扩展卡尔曼滤波器将初步位姿数据和预处理得到的数据融合。该方法将密集卷积网络应用于视觉里程计中，对旋转姿态的更加敏感，减小角度累积估计误差，提高地图重建精度；使用扩展卡尔曼滤波器将惯性测量单元数据与相机数据融合，减小了位姿数据误差，取得了更好的效果；视觉里程计实现的整个过程计算量小，且速度快，对相机的要求低。
-
公开(公告)号：CN111174791A
公开(公告)日：2020-05-19
申请号：CN202010020211.7
申请日：2020-01-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双向长短期记忆网络的定位修正方法，包括以下步骤：采集原始数据，并对原始数据进行预处理，得到处理数据；构建双向长短期记忆网络，并对其进行训练；将原始数据输入训练完成的双向长短期记忆网络，获取零速判断结果；当零速判断结果为零速时，根据处理数据，利用卡尔曼滤波器对导航坐标系下的速度和位置信息进行修正。本发明能够精准的进行零速判断，实施的复杂度低，具有高的计算效率和拥有良好的鲁棒性。
-
公开(公告)号：CN110674875A
公开(公告)日：2020-01-10
申请号：CN201910910345.3
申请日：2019-09-25
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于深度混合模型的行人运动模式识别方法。利用智能手机中内置的加速度传感器、陀螺仪和磁力计采集四种手机放置位置、七种日常行人运动模式的数据；采用由卷积神经网络CNN自动提取特征，后经主成分分析法对提取的特征进行降维处理，并将处理后的结果输入至XGBoost学习模式进行识别的混合模型。本发明将CNN作为可以从输入中自动获取特征的可训练特征提取器，利用PCA将高维特征数据降维以减小计算量，将XGBoost作为网络顶层的识别器来输出结果，有效地保证了特征提取和分类的高可靠性。
-
公开(公告)号：CN119785020A
公开(公告)日：2025-04-08
申请号：CN202411755485.5
申请日：2024-12-03
Applicant: 电子科技大学
IPC: G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/09 , G06T7/80 , G06T7/73 , G06T17/05
Abstract: 本发明涉及同时定位与建图技术领域，公开了一种基于视觉SLAM的增量式语义分割系统，包括：数据准备模块，用于存储传感器采集图像生成的高精度深度信息、RGB信息以及相机内参信息；稠密建图模块，用于对图像生成的高精度深度信息、RGB信息以及相机内参信息进行关键帧位姿估计，生成关键帧位姿信息与三维稀疏点云坐标信息，并进行稠密建图线程计算，生成稠密三维点云建图；增量式语义分割模块，用于根据关键帧位姿信息，利用训练好的增量式语义分割模型，计算图像的物体类别与概率，生成RGB‑D分割图；融合模块，用于根据稠密三维点云建图，进行点云重投影、概率融合以及点云更新，生成全局语义地图；本发明提高了语义SLAM系统的灵活性、精度以及实时性。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.023 seconds)
