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

Inventor： 肖卓凌 ,  陈卓航 ,  孙文杰 ,  梁思地 ,  胡信为

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。

公开(公告)号：CN118070099A

公开(公告)日：2024-05-24

申请号：CN202410221490.1

申请日：2024-02-28

Applicant: 电子科技大学

Inventor： 肖卓凌 ,  孙文杰 ,  张新辰 ,  胡信为 ,  宋濡君

IPC: G06F18/24 ,  G06F18/23 ,  G06F18/214 ,  G06N3/09 ,  G06N3/0455

Abstract: 本发明公开了一种针对已分选雷达脉冲序列的零样本增量识别方法，包括以下步骤：S1、获取已分选的雷达脉冲描述字序列并进行数据预处理，得到预处理后的已知类雷达脉冲描述字序列与未知类雷达脉冲描述字序列；S2、将步骤S1中已知类雷达脉冲描述字序列输入增量式识别网络中进行监督训练，得到训练好的增量式识别网络；S3、将待识别的已分选雷达脉冲描述字序列输入步骤S2中训练好的增量式识别网络进行增量式识别，得到带标签的已知类信号数据与未知类信号数据；S4、将步骤S3中带标签的已知类信号数据与未知类信号数据输入零样本增量式识别网络中进行训练，得到所有未知类信号数据的增量识别结果；该方法对未知类信号数据以零样本的方式进行拒识聚类，不仅可以进行增量式学习，而且具有良好的精度；同时在增量过程中能够对已知类信号数据进行高精度识别。

公开(公告)号：CN117934831A

公开(公告)日：2024-04-26

申请号：CN202311872786.1

申请日：2023-12-29

Applicant: 电子科技大学

Inventor： 肖卓凌 ,  王天越 ,  胡信为 ,  向禹骄 ,  张新辰

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G01S17/89 ,  G06T7/10

Abstract: 本发明公开了一种基于相机和激光融合的三维语义分割方法，包括以下步骤：将相机图像与激光点云数据分别输入相机模块与激光模块提取图像与激光点云数据特征，得到相机图像特征图与激光点云数据特征图，输入融合模块进行特征融合，得到融合后的相机图像特征和激光点云数据特征，并分别输入相机模块与激光模块，得到相机图像特征图和激光点云数据特征图，然后输入监督模块计算损失函数，更新三维语义分割网络的参数权重，得到训练好的三维语义分割网络；获取相机图像和激光点云数据，输入训练好的三维语义分割网络，得到激光点云数据与相机图像的语义分割结果；该方法有效结合图像的纹理信息与激光的距离信息，提高了语义分割的准确率。