-
公开(公告)号：CN110355765B
公开(公告)日：2020-12-25
申请号：CN201910757661.1
申请日：2019-08-16
Applicant: 西安交通大学
IPC: B25J9/16
Abstract: 本公开揭示了一种基于视觉识别的自动跟随避障方法，包括：采集目标图像，根据目标的衣服颜色对目标进行识别和定位；根据所述目标的方位和距离信息规划跟随路径；在跟随过程中实时扫描周边环境信息并在必要时调整跟随路径。本公开还揭示了一种基于视觉识别的自动跟随避障机器人，包括：机器人本体、动力模块、视觉定位模块、控制模块和避障模块。本公开通过采集目标的衣服颜色对目标进行识别并进行定位，不需要被跟随者携带发射源或接收源，并且能够减小电磁波干扰提高跟随精度；以目标的衣服颜色信息为对象，能够降低视觉识别的计算量，提高响应速度；能够根据色块区域大小筛选目标降低跟错概率。
-
公开(公告)号：CN111462013A
公开(公告)日：2020-07-28
申请号：CN202010260462.2
申请日：2020-04-03
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于结构化残差学习的单图去雨方法，通过多分支并行的编译码网络模块很好地提取多尺度残差雨层。首先，对图像数据预处理得到雨图和对应的干净无雨图；然后，根据雨图的生成机制，建立单图去雨模型；接着，根据雨条的先验特性，建立多尺度编译码网络(MSEDNet)；之后，将预处理后的雨图传入MSEDNet，根据训练损失函数，通过反向优化算法迭代更新MSEDNet，使得网络的输出结果逐渐逼近预处理后的干净无雨图，当达到设定的迭代次数时，保存此时的网络参数，即为训练模型；最后进入网络测试阶段，准备待测试的雨图，加载训练模型，将该雨图输入MSEDNet进行前向计算，网络的输出结果即测试雨图对应的去雨图像。本发明具有较强的去雨性能和较好的泛化能力。
-
公开(公告)号：CN111462014B
公开(公告)日：2022-12-09
申请号：CN202010260550.2
申请日：2020-04-03
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度学习和模型驱动的单图去雨方法，首先预处理图像数据得到雨图和对应的干净无雨图；然后建立单图雨卷积字典模型和相应优化问题；接着利用近端梯度方法设计只包含简单运算的迭代求解算法，将迭代更新过程分解成若干个子迭代步骤并一一对应展开成网络模块，建立单图雨卷积字典网络(RCDNet)；将预处理后的雨图传入RCDNet进行迭代训练，通过反向优化算法迭代更新RCDNet，使得网络的输出结果逐渐逼近预处理后的干净无雨图，得到训练模型；准备待测试的雨图，加载训练好的模型，将该雨图输入RCDNet进行前向计算，网络的输出结果就是该测试雨图对应的去雨图像。本发明不仅大幅度提高了当前单图去雨技术的去雨性能并且具有明显的可解释性和泛化性。
-
公开(公告)号：CN112034979B
公开(公告)日：2022-03-08
申请号：CN202010762829.0
申请日：2020-07-31
Applicant: 西安交通大学
IPC: G06F3/01
Abstract: 本发明公开了一种基于力反馈的可穿戴飞行感觉反馈系统，包括用于模拟显示无人机飞行状态及虚拟飞行场景界面的计算机设备、用于获取用户脑电信号的脑电信号采集设备以及用于对脑电信号采集设备获取的用户动作进行反馈的可穿戴设备，其中，脑电信号采集设备获取用户的脑电信息，再将用户的脑电信息发送至计算机设备，计算机设备将无人机飞行状态信息发送至可穿戴设备中，计算机设备根据用户的脑电信息控制模拟显示的无人机飞行状态及虚拟飞行场景界面，可穿戴设备根据无人机飞行状态对用户实时反馈动作，该系统具有结构简单、成本低、重量轻的特点，且便于携带，能够较好的模拟用户飞行感觉。
-
公开(公告)号：CN110355765A
公开(公告)日：2019-10-22
申请号：CN201910757661.1
申请日：2019-08-16
Applicant: 西安交通大学
IPC: B25J9/16
Abstract: 本公开揭示了一种基于视觉识别的自动跟随避障方法，包括：采集目标图像，根据目标的衣服颜色对目标进行识别和定位；根据所述目标的方位和距离信息规划跟随路径；在跟随过程中实时扫描周边环境信息并在必要时调整跟随路径。本公开还揭示了一种基于视觉识别的自动跟随避障机器人，包括：机器人本体、动力模块、视觉定位模块、控制模块和避障模块。本公开通过采集目标的衣服颜色对目标进行识别并进行定位，不需要被跟随者携带发射源或接收源，并且能够减小电磁波干扰提高跟随精度；以目标的衣服颜色信息为对象，能够降低视觉识别的计算量，提高响应速度；能够根据色块区域大小筛选目标降低跟错概率。
-
Patent Agency Ranking
公开(公告)号：CN109173209A
公开(公告)日：2019-01-11
申请号：CN201811145375.1
申请日：2018-09-28
Applicant: 西安交通大学
Abstract: 公开了一种羽毛球发球装置，其包括将连续的多个羽毛球逐个输送到发球部分输球部分(A)和用于击打羽毛球的发球部分(B)，齿条(25)经由不完全齿轮(26)移动使得发球前滑块(22)移动以压缩蓄能弹簧(24)，当不完全齿轮(26)脱离啮合所述齿条(25)，所述发球前滑块(22)击发羽毛球，羽毛球发球装置可完成角度调节，抬升，自由移动，本发明可小型化且使用方便。
-
公开(公告)号：CN117994161A
公开(公告)日：2024-05-07
申请号：CN202410397743.0
申请日：2024-04-03
Applicant: 西安交通大学
IPC: G06T5/70 , G06N3/0464 , G06N3/084 , G06T5/50 , G06V10/80
Abstract: 本申请公开了一种RAW格式弱光图像增强方法及装置，该方法包括：对图像数据集进行预处理得到训练数据集；构建多尺度特征提取子网络、图像域子融合网络与特征域子融合网络；提取训练数据集的多尺度特征；将多尺度特征、引导图与被引导图输入图像域子融合网络与特征域子融合网络得到图像融合结果与特征融合结果；将图像融合结果与特征融合结果进行整合得到增强结果，并建立RAW格式弱光图像增强网络；训练RAW格式弱光图像增强网络，并优化RAW格式弱光图像增强网络得到训练模型。解决了现有RAW格式弱光图像增强技术没有有效地利用图像的信息，导致网络性能有限，图像质量较低的问题。实现了在增强图像的过程中，同时减少图像噪声，恢复更多图像细节。
-
公开(公告)号：CN112034979A
公开(公告)日：2020-12-04
申请号：CN202010762829.0
申请日：2020-07-31
Applicant: 西安交通大学
IPC: G06F3/01
Abstract: 本发明公开了一种基于力反馈的可穿戴飞行感觉反馈系统，包括用于模拟显示无人机飞行状态及虚拟飞行场景界面的计算机设备、用于获取用户脑电信号的脑电信号采集设备以及用于对脑电信号采集设备获取的用户动作进行反馈的可穿戴设备，其中，脑电信号采集设备获取用户的脑电信息，再将用户的脑电信息发送至计算机设备，计算机设备将无人机飞行状态信息发送至可穿戴设备中，计算机设备根据用户的脑电信息控制模拟显示的无人机飞行状态及虚拟飞行场景界面，可穿戴设备根据无人机飞行状态对用户实时反馈动作，该系统具有结构简单、成本低、重量轻的特点，且便于携带，能够较好的模拟用户飞行感觉。
-
公开(公告)号：CN111462014A
公开(公告)日：2020-07-28
申请号：CN202010260550.2
申请日：2020-04-03
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度学习和模型驱动的单图去雨方法，首先预处理图像数据得到雨图和对应的干净无雨图；然后建立单图雨卷积字典模型和相应优化问题；接着利用近端梯度方法设计只包含简单运算的迭代求解算法，将迭代更新过程分解成若干个子迭代步骤并一一对应展开成网络模块，建立单图雨卷积字典网络(RCDNet)；将预处理后的雨图传入RCDNet进行迭代训练，通过反向优化算法迭代更新RCDNet，使得网络的输出结果逐渐逼近预处理后的干净无雨图，得到训练模型；准备待测试的雨图，加载训练好的模型，将该雨图输入RCDNet进行前向计算，网络的输出结果就是该测试雨图对应的去雨图像。本发明不仅大幅度提高了当前单图去雨技术的去雨性能并且具有明显的可解释性和泛化性。
-
公开(公告)号：CN117994161B
公开(公告)日：2024-06-21
申请号：CN202410397743.0
申请日：2024-04-03
Applicant: 西安交通大学
IPC: G06T5/70 , G06N3/0464 , G06N3/084 , G06T5/50 , G06V10/80
Abstract: 本申请公开了一种RAW格式弱光图像增强方法及装置，该方法包括：对图像数据集进行预处理得到训练数据集；构建多尺度特征提取子网络、图像域子融合网络与特征域子融合网络；提取训练数据集的多尺度特征；将多尺度特征、引导图与被引导图输入图像域子融合网络与特征域子融合网络得到图像融合结果与特征融合结果；将图像融合结果与特征融合结果进行整合得到增强结果，并建立RAW格式弱光图像增强网络；训练RAW格式弱光图像增强网络，并优化RAW格式弱光图像增强网络得到训练模型。解决了现有RAW格式弱光图像增强技术没有有效地利用图像的信息，导致网络性能有限，图像质量较低的问题。实现了在增强图像的过程中，同时减少图像噪声，恢复更多图像细节。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.024 seconds)
