一种光强采集与位姿自动标注方法及装置

    公开(公告)号:CN115146706B

    公开(公告)日:2025-02-28

    申请号:CN202210623325.X

    申请日:2022-06-01

    Abstract: 本发明提出了一种光强采集与位姿自动标注方法及装置,涉及光强数据采集技术领域,包括以下步骤:S1、通过光强接收器采集并获取光强数据以及相应采集时刻;S2、基于光强数据计算每个相应采集时刻的光强接收器的位置;S3、将每个相应采集时刻的光强接收器的位置与光强数据相对应以形成该位置的匹配数据库;S4、基于匹配数据库进行深度学习以建立神经网络模型;S5、将光强数据输入神经网络模型以实时获得光强的位置与姿态;本发明在记录光强采集装置上各个光电二极管(PD)所采集到的光强数据的同时,通过坐标系的转换获取PD的三维坐标,形成坐标和光强的匹配数据对,省去人工标注位置的工作,在改变光强接收位置后可自动进行记录。

    一种基于深度学习图像检测的水下节点定位装置及方法

    公开(公告)号:CN114998714A

    公开(公告)日:2022-09-02

    申请号:CN202210651833.9

    申请日:2022-06-09

    Abstract: 本发明公开了一种基于深度学习图像检测的水下节点定位装置及方法,属于水下定位技术领域。本发明设计了一种十四面体的立体节点结构,通过节点上安装的LED灯带特征,可以用于深度学习模型的训练。同时提出了一种基于曲线拟合和相似三角形的定方法来求解以相机为原点的坐标系中的节点的位置、距离和节点对准所需的旋转角。相比于传统的集中式部署导致的安装及维护上的问题,分布式的水下节点部署方案节点可以独立采集数据并运行定位算法;引入了检测性能普遍优越,精度高,且检测速度快的深度学习神经网络用于接收节点的检测;曲线拟合和相似三角形结合的定位方法使得单目相机就能完成接收节点的测距和方位估计。

    一种光强数据自动采集标注装置及方法

    公开(公告)号:CN113095131B

    公开(公告)日:2022-06-21

    申请号:CN202110234688.X

    申请日:2021-03-03

    Abstract: 本发明公开了一种光强数据自动采集标注装置及方法,其装置包括X轴塔尺、Y轴塔尺、Z轴塔尺、激光发射器、光强接收器、第一CCD相机和第二CCD相机;X轴塔尺、Y轴塔尺和Z轴塔尺互相垂直,形成三维坐标;激光发射器和第一CCD相机均滑动设置于Z轴塔尺上;光强接收器和第二CCD相机均滑动设置于Y轴塔尺上;Y轴塔尺滑动设置在X轴塔尺上。与传统方案相比,本发明的光强数据自动采集标注装置可省去人工标注位置的工作,在改变光强接收位置后可自动进行记录。同时,由于塔尺的限制,可以仅改变一维坐标来快速获取大量数据。

    一种基于监控视频和PDR在线融合定位方法

    公开(公告)号:CN113114850B

    公开(公告)日:2021-09-21

    申请号:CN202110290805.4

    申请日:2021-03-18

    Abstract: 本发明公开了一种基于监控视频和PDR在线融合定位方法。该方法包括采集用户手机运动传感器数据,根据PDR算法得到用户的PDR轨迹;采集实时监控摄像头视频流数据,采用深度学习行人检测框架和特征加权算法获得视频行人轨迹;利用双重轨迹匹配算法进行PDR轨迹和视频行人轨迹匹配;根据匹配结果确定用户当前位置及追踪轨迹。本发明为了解决现有定位技术中系统部署成本和定位精度之间难以平衡、系统成本高和实际应用可行性低等问题,综合运用视频行人追踪技术和PDR技术,充分利用了室内环境已广泛部署的监控摄像头设备以及用户随身携带的智能手机,不需要额外部署定位设备,降低了定位系统的成本,同时还相互弥补了两种技术各自的缺点,提高了定位精度。

    一种光强数据自动采集标注装置及方法

    公开(公告)号:CN113095131A

    公开(公告)日:2021-07-09

    申请号:CN202110234688.X

    申请日:2021-03-03

    Abstract: 本发明公开了一种光强数据自动采集标注装置及方法,其装置包括X轴塔尺、Y轴塔尺、Z轴塔尺、激光发射器、光强接收器、第一CCD相机和第二CCD相机;X轴塔尺、Y轴塔尺和Z轴塔尺互相垂直,形成三维坐标;激光发射器和第一CCD相机均滑动设置于Z轴塔尺上;光强接收器和第二CCD相机均滑动设置于Y轴塔尺上;Y轴塔尺滑动设置在X轴塔尺上。与传统方案相比,本发明的光强数据自动采集标注装置可省去人工标注位置的工作,在改变光强接收位置后可自动进行记录。同时,由于塔尺的限制,可以仅改变一维坐标来快速获取大量数据。

    一种基于深度学习图像检测的水下节点定位装置及方法

    公开(公告)号:CN114998714B

    公开(公告)日:2024-05-10

    申请号:CN202210651833.9

    申请日:2022-06-09

    Abstract: 本发明公开了一种基于深度学习图像检测的水下节点定位装置及方法,属于水下定位技术领域。本发明设计了一种十四面体的立体节点结构,通过节点上安装的LED灯带特征,可以用于深度学习模型的训练。同时提出了一种基于曲线拟合和相似三角形的定方法来求解以相机为原点的坐标系中的节点的位置、距离和节点对准所需的旋转角。相比于传统的集中式部署导致的安装及维护上的问题,分布式的水下节点部署方案节点可以独立采集数据并运行定位算法;引入了检测性能普遍优越,精度高,且检测速度快的深度学习神经网络用于接收节点的检测;曲线拟合和相似三角形结合的定位方法使得单目相机就能完成接收节点的测距和方位估计。

    一种基于监控视频和PDR在线融合定位方法

    公开(公告)号:CN113114850A

    公开(公告)日:2021-07-13

    申请号:CN202110290805.4

    申请日:2021-03-18

    Abstract: 本发明公开了一种基于监控视频和PDR在线融合定位方法。该方法包括采集用户手机运动传感器数据,根据PDR算法得到用户的PDR轨迹;采集实时监控摄像头视频流数据,采用深度学习行人检测框架和特征加权算法获得视频行人轨迹;利用双重轨迹匹配算法进行PDR轨迹和视频行人轨迹匹配;根据匹配结果确定用户当前位置及追踪轨迹。本发明为了解决现有定位技术中系统部署成本和定位精度之间难以平衡、系统成本高和实际应用可行性低等问题,综合运用视频行人追踪技术和PDR技术,充分利用了室内环境已广泛部署的监控摄像头设备以及用户随身携带的智能手机,不需要额外部署定位设备,降低了定位系统的成本,同时还相互弥补了两种技术各自的缺点,提高了定位精度。

    一种基于深度学习的AUV光学引导与测向方法

    公开(公告)号:CN111982117A

    公开(公告)日:2020-11-24

    申请号:CN202010826664.9

    申请日:2020-08-17

    Abstract: 本发明公开了一种基于深度学习的AUV光学引导与测向方法,S1、当AUV与回坞口之间的直线距离大于L时,采用超短基线定位系统定位、导航,引导AUV朝回坞口方向移动;S2、当AUV与回坞口之间的直线距离小于L且位于导流罩张角Φ内时,回坞口采用激光源旋转扫描,直至AUV上的接收器接收到的光强达到预设值时,读取接收到的n个光强数值;S3、根据接收的n个光强数值,并基于深度学习神经网络,判断当前接收器与激光源之间的斜角与方位角,并计算出AUV与回坞口的相对位置;S4、根据相对位置信息引导AUV朝回坞口移动靠近,重复S2和S3,直至AUV回坞。

    一种光强采集与位姿自动标注方法及装置

    公开(公告)号:CN115146706A

    公开(公告)日:2022-10-04

    申请号:CN202210623325.X

    申请日:2022-06-01

    Abstract: 本发明提出了一种光强采集与位姿自动标注方法及装置,涉及光强数据采集技术领域,包括以下步骤:S1、通过光强接收器采集并获取光强数据以及相应采集时刻;S2、基于光强数据计算每个相应采集时刻的光强接收器的位置;S3、将每个相应采集时刻的光强接收器的位置与光强数据相对应以形成该位置的匹配数据库;S4、基于匹配数据库进行深度学习以建立神经网络模型;S5、将光强数据输入神经网络模型以实时获得光强的位置与姿态;本发明在记录光强采集装置上各个光电二极管(PD)所采集到的光强数据的同时,通过坐标系的转换获取PD的三维坐标,形成坐标和光强的匹配数据对,省去人工标注位置的工作,在改变光强接收位置后可自动进行记录。

    一种基于深度学习的AUV光学引导与测向方法

    公开(公告)号:CN111982117B

    公开(公告)日:2022-05-10

    申请号:CN202010826664.9

    申请日:2020-08-17

    Abstract: 本发明公开了一种基于深度学习的AUV光学引导与测向方法,S1、当AUV与回坞口之间的直线距离大于L时,采用超短基线定位系统定位、导航,引导AUV朝回坞口方向移动;S2、当AUV与回坞口之间的直线距离小于L且位于导流罩张角Φ内时,回坞口采用激光源旋转扫描,直至AUV上的接收器接收到的光强达到预设值时,读取接收到的n个光强数值;S3、根据接收的n个光强数值,并基于深度学习神经网络,判断当前接收器与激光源之间的斜角与方位角,并计算出AUV与回坞口的相对位置;S4、根据相对位置信息引导AUV朝回坞口移动靠近,重复S2和S3,直至AUV回坞。

Patent Agency Ranking