-
公开(公告)号:CN119206106A
公开(公告)日:2024-12-27
申请号:CN202411236157.4
申请日:2024-09-04
Applicant: 西安电子科技大学
IPC: G06T17/05 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及了同步定位与建图技术领域,具体涉及了一种三维建图方法及系统。利用ORB‑SLAM系统提取获取的目标地图图像的特征点,并基于特征点进行三维视觉重建,生成初始的稀疏点云地图;将多个传感器获取的目标地图图像的稀疏点云数据进行融合,得到稠密点云数据,利用点云分割算法和目标检测算法对得到稠密点云数据进行处理,获取稠密点云数据中的目标信息;利用树状数据结构算法、根据稠密点云数据中的目标信息对将稠密点云数据进行空间分割和组织,得到具有层次结构的点云地图。本方法地图数据精准,能够高效实现地图数据的管理。
-
公开(公告)号:CN115900710A
公开(公告)日:2023-04-04
申请号:CN202211366835.X
申请日:2022-11-01
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于视觉信息的动态环境导航方法,主要解决现有技术对室内动态目标处理及自动导航定位差的问题,其方案为:建立人类动态模型,并对其进行参数化;使用DeeplabV3+神经网络对室内的场景图像进行区域分割获取场景分割模型;基于神经网络训练好的场景分割模型进行多视图几何操作;将多视图几何操作后的图像回归ORBSLAM系统,利用该系统中的视觉里程计VIO模块进行相机的位姿估计;使用回环检测优化位姿并输出一个全局位姿,根据全局位姿重建3D网格;利用重建好的3D网格生成3D点云,在3D点云上构建全局地图,机器人利用全局地图在室内拥挤的动态环境中自主导航,本发明提高了导航性能,可用于室内定位。
-
公开(公告)号:CN110517285B
公开(公告)日:2021-09-10
申请号:CN201910718847.6
申请日:2019-08-05
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于运动估计ME‑CNN网络的大场景极小目标跟踪方法,解决了无需配准利用运动参数进行极小目标跟踪的问题,实现步骤为:获取目标运动估计网络ME‑CNN的初始训练集D;构建估计目标运动的网络ME‑CNN;用目标运动参数计算网络ME‑CNN损失函数;判断是否为初始训练集;更新损失函数训练标签;得到预测目标运动位置初始模型;修正预测模型位置;用修正后的目标位置更新训练数据集,完成一帧的目标跟踪;得到遥感视频目标跟踪结果。本发明用深度学习网络ME‑CNN预测目标运动位置,避免了跟踪中大场景图像配准,超模糊目标特征提取难的问题,减小目标特征依赖性,提高了超模糊视频中目标跟踪的准确度。
-
公开(公告)号:CN110532859B
公开(公告)日:2021-01-22
申请号:CN201910648586.5
申请日:2019-07-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度进化剪枝卷积网的遥感图像目标检测方法,解决现有遥感图像目标检测中未对检测速度及检测精度同时全局有效优化的问题。具体步骤:处理数据集;构建深度卷积特征提取子网;构建全卷积FCN检测子网;构建并训练深度卷积目标检测网络;构建并训练基于深度进化剪枝卷积网的目标检测网络;用训练好的模型对测试数据集进行目标检测;输出测试结果。本发明用深度可分离卷积构造反残差结构,在高检测精度的同时大幅降低模型参数量;目标检测网络与进化剪枝相结合,实现全局加速。本发明大幅降低计算量、显著提高目标检测速度,检测精度高,用于对遥感图像中的飞机与舰船等小目标进行快速、准确检测。
-
公开(公告)号:CN113420662B
公开(公告)日:2023-04-07
申请号:CN202110698130.7
申请日:2021-06-23
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/82 , G06V10/774 , G06V10/25 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于孪生多尺度差异特征融合的遥感影像变化检测方法,主要解决现有技术特征融合方法单一,及变化检测结果中目标的分割边缘轮廓不够精细的问题。其方案为:搭建基于ResNet‑34网络的编码器;引入双注意力机制模块;搭建孪生残差多核池化模块;搭建特征差异模块;搭建单分支结构的解码器;利用这些模块和编解码器构建基于孪生多尺度差异特征融合的遥感影像变化检测网络,并对其进行训练;利用训练好的网络对遥感影像进行变化检测。本发明通过引入双注意力机制模块、构建孪生残差多核池化模块及特征差异模块,提升了特征的表达能力,从而提高了遥感影像变化检测精度,可用于土地利用分析、环境检测、资源勘探以及城市规划。
-
公开(公告)号:CN113420662A
公开(公告)日:2021-09-21
申请号:CN202110698130.7
申请日:2021-06-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于孪生多尺度差异特征融合的遥感影像变化检测方法,主要解决现有技术特征融合方法单一,及变化检测结果中目标的分割边缘轮廓不够精细的问题。其方案为:搭建基于ResNet‑34网络的编码器;引入双注意力机制模块;搭建孪生残差多核池化模块;搭建特征差异模块;搭建单分支结构的解码器;利用这些模块和编解码器构建基于孪生多尺度差异特征融合的遥感影像变化检测网络,并对其进行训练;利用训练好的网络对遥感影像进行变化检测。本发明通过引入双注意力机制模块、构建孪生残差多核池化模块及特征差异模块,提升了特征的表达能力,从而提高了遥感影像变化检测精度,可用于土地利用分析、环境检测、资源勘探以及城市规划。
-
公开(公告)号:CN110322453A
公开(公告)日:2019-10-11
申请号:CN201910604264.0
申请日:2019-07-05
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于位置注意力和辅助网络的3D点云语义分割方法,主要解决现有技术分割精度较低的问题,其实现方案是:获取训练集T和测试集V;构建3D点云语义分割网络,并设定该网络的损失函数,该网络包括依次级联的特征下采样网络,位置注意力模块,特征上采样网络和辅助网络;使用训练集T对该分割网络进行P轮有监督的训练:在每轮的训练过程中根据损失函数,调整网络参数,在P轮训练完成后,将分割精度最高的网络模型作为训练好的网络模型;将测试集V输入到训练好的网络模型中进行语义分割,得到每一个点的分割结果。本发明提高了3D点云语义分割精度,可用于自动驾驶、机器人、3D场景重建、质量检测,3D制图及智慧城市建设。
-
公开(公告)号:CN110245709A
公开(公告)日:2019-09-17
申请号:CN201910526990.5
申请日:2019-06-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于深度学习和自注意力机制的3D点云数据语义分割方法,用于解决现有技术中存在的分割精度较低的技术问题,实现步骤包括:(1)获取训练集和验证集;(2)构建深度学习和自注意力机制的3D点云数据语义分割网络;(3)设置训练深度学习和自注意力机制的3D点云数据语义分割网络所需的损失函数;(4)对深度学习和自注意力机制的3D点云数据语义分割网络进行监督训练;(5)获取3D点云数据测试集的语义分割结果。本发明在深度学习网络中加入了自注意力模块,能够更好地提取包含各个特征通道之间关系的深层特征,从而提高分割精度。
-
公开(公告)号:CN112308152B
公开(公告)日:2023-04-28
申请号:CN202011207567.8
申请日:2020-11-03
Applicant: 西安电子科技大学
IPC: G06V10/80 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于光谱分割与同质区域检测的高光谱图像地物分类方法,其实现步骤为:构建同质区域检测模块、特征提取子网络簇、特征融合模块;构建高光谱分类模型;生成训练集;训练高光谱分类模型;对待分类的像素进行地物分类。本发明构建同质区域检测模块用于修正输入高光谱图像块,使用光谱分割策略对修正的图像块沿光谱维度分割,构建并训练多个并行的特征提取子网络,进行特征融合并得到分类结果,具有高光谱图像分类精度高的优点,可用于农业生态监测,地质探测等领域的地物目标识别。
-
公开(公告)号:CN112308152A
公开(公告)日:2021-02-02
申请号:CN202011207567.8
申请日:2020-11-03
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于光谱分割与同质区域检测的高光谱图像地物分类方法,其实现步骤为:构建同质区域检测模块、特征提取子网络簇、特征融合模块;构建高光谱分类模型;生成训练集;训练高光谱分类模型;对待分类的像素进行地物分类。本发明构建同质区域检测模块用于修正输入高光谱图像块,使用光谱分割策略对修正的图像块沿光谱维度分割,构建并训练多个并行的特征提取子网络,进行特征融合并得到分类结果,具有高光谱图像分类精度高的优点,可用于农业生态监测,地质探测等领域的地物目标识别。
-
-
-
-
-
-
-
-
-