-
公开(公告)号：CN115711603A
公开(公告)日：2023-02-24
申请号：CN202211387475.1
申请日：2022-11-07
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种多智能体系统中无坐标分布式控制算法。涉及多智能体系统控制中的分布式控制领域，针对纯方位环绕包围控制算法。本发明针对车辆集群提出了一种无坐标分布式定位和环绕包围控制算法。设计了多目标中心估计器算法进行中心估计，又根据估计出的目标中心设计控制器算法控制多辆小车进行环绕包围运动。本发明提出的分布式定位和环绕包围算法是无坐标形式的，无需任何位置信息的，因此不再需要统一全球坐标系，且不同车辆的局部坐标没有对齐。本发明仅考虑部分车辆来测量相对于目标的相对方位。尽管如此，本发明提出的分布式定位算法仍然保证了所有车辆通过协作精确定位目标。
-
公开(公告)号：CN115564888A
公开(公告)日：2023-01-03
申请号：CN202210845580.9
申请日：2022-07-18
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明基于MVSNet网络进行改进，提出一种基于深度学习的可见光多视图像三维重建方法。将网络中的批归一化层和非线性激活函数层替换为融合的Inplace‑ABN层，降低了显存的占用量。设计基于分组相似性的加权均值度量法对代价体的特征维度进行降维，获得了更加轻量级的代价体，压缩了网络参数，降低了计算量与显存消耗。针对MVSNet网络使用低尺度特征图导致深度图分辨率低于输入图像的问题，利用特征金字塔模块提取多尺度的特征图，并设计了分阶段、多尺度的迭代优化深度估计。在保证精度的前提下，通过多轮深度迭代，降低了代价体深度平面的平均数量，使代价体获得更高的空间分辨率，提高了深度图估计的准确度。最后对输出深度图进行过滤与融合完成场景三维重建任务。
-
公开(公告)号：CN111429484B
公开(公告)日：2022-03-15
申请号：CN202010244107.6
申请日：2020-03-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于交通监控视频的多目标车辆轨迹实时构建方法，属于计算机视觉技术领域。本发明所述方法首先采集和标注交通监控摄像头角度下的交通数据，然后用训练好的深度学习模型和HOG特征提取工具分别提取交通视频图像的卷积特征和HOG特征，并进行融合，基于融合特征，一方面训练基于yolo‑v3的车牌号检测模型，另一方面，采用基于时空正则化的相关性滤波方法完成对多车辆目标的实时准确追踪，最后，结合追踪结果和车牌检测结果，记录每一车辆的车牌信息及其行驶轨迹。本发明所述方法减少了额外安装和维护设备的成本，实用性更好；具有更高的准确性，特别是在有遮挡和形变情况的轨迹构建效果有显著的提升。
-
公开(公告)号：CN113916822A
公开(公告)日：2022-01-11
申请号：CN202110998389.3
申请日：2021-08-27
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01N21/3563 , G01N21/01
Abstract: 本发明属于土壤总氮含量分析技术领域，具体涉及一种含水土壤的总氮含量红外光谱分析方法。本发明的方法包括如下步骤：步骤1，采集土壤样品的近红外光谱，得到近红外光谱原始数据；步骤2，采用直接光谱转换算法，将步骤1得到的近红外光谱原始数据转换为干燥土壤的近红外光谱数据；步骤3，根据步骤2所得干燥土壤的近红外光谱数据预测所述土壤样本的总氮含量结果。本发明能够更加准确地预测含水土壤中的总氮含量，能够减少人力和资源的消耗，具有高效率和低成本的优势，因而本发明的方法在农业、环保和生物研究等领域具有很好的应用前景。
-
公开(公告)号：CN113702329A
公开(公告)日：2021-11-26
申请号：CN202110998399.7
申请日：2021-08-27
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01N21/359 , G01N21/01
Abstract: 本发明属于土壤总氮含量分析技术领域，具体涉及一种土壤总氮的红外光谱分析方法。本发明的分析方法包括如下步骤：步骤1，采集土壤样品的近红外光谱，得到近红外光谱数据；步骤2，通过SG平滑算法对所述近红外光谱数据进行预处理；步骤3，通过预测模型对经过步骤2预处理后的近红外光谱数据进行预测，得到总氮含量结果。本发明在对土壤总氮的红外光谱分析方法中加入了预处理步骤，同时对预处理算法、建模算法、建模参数等进行了优选，能够提高模型预测土壤总氮含量的准确性，在农业、环保和生物研究等领域具有很好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111833249A
公开(公告)日：2020-10-27
申请号：CN202010614039.8
申请日：2020-06-30
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于双向点特征的UAV图像配准与拼接方法，采用FAST算法检测图像特征点，通过灰度质心法赋予特征点主方向，采用rBRIEF算法对特征点进行特征描述，生成特征描述子；采用双向匹配增加匹配点对或双向匹配筛选匹配点对；通过渐进采样一致性算法去除误匹配点对并拟合变换矩阵H的参数；通过得到的变换矩阵H对待配准图像进行投影变换，并通过双线性插值算法得到拼接图像。本发明保留了ORB较快的配准速度，并通过双向匹配与PROSAC算法对提取的特征点进行处理提高了配准精度。
-
公开(公告)号：CN110826411A
公开(公告)日：2020-02-21
申请号：CN201910958507.0
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于无人机图像的车辆目标快速识别方法，输入图像处理的目标识别领域。针对无人机图像中车辆目标的像素占比小，而且车辆目标在无人机图像中比较密集，原始的网络对其检测比较困难的问题，首先使用不同的anchor个数与大小去匹配图像中的车辆目标，相比于原始网络，使得识别的AP值提高了8.5％，然后又对网络增加了多层特征融合，使得网络在最后分类的时候使用到网络的前面的浅层特征，使得最后的分类与识别的效果更好，在前面改进的基础上，增加多层特征融合以后，网络的AP值提高了1.6％，最后得到的改进后的网络的AP值相比于原始网络的AP值提高了10.1％，从80.5％提高到90.6％，检测的速度相比原始网络有略微的下降，但是精度得到大幅度的提升。
-
公开(公告)号：CN106247927B
公开(公告)日：2019-08-20
申请号：CN201610649156.1
申请日：2016-08-09
Applicant: 电子科技大学
IPC: G01B7/34
Abstract: 本发明公开了一种负曲率直纹曲面表面粗糙度测量装置，包括安装部件、平动单元、工作平台、转动单元和测量单元，平动单元用于实现测量单元相对于工作平台的三轴向位移；工作平台用于放置待测工件；转动单元用于实现测量单元的姿态的调整，测量单元安装在转动单元的转动端上，该装置可实现具有大曲率特征的负曲率直纹曲面工件的表面粗糙度的测量，且测量过程中的扫描方式符合国家标准。本发明还公开了一种负曲率直纹曲面表面粗糙度测量方法，通过输入坐标的方式设定待测点，可实现待测工件表面任一点的重复定点定位测量，使用户操作更为便捷。
-
公开(公告)号：CN119151806A
公开(公告)日：2024-12-17
申请号：CN202310696472.4
申请日：2023-06-13
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于深度学习的无人机图像增强方法。该发明针对RetinexNet算法对于图像中已经足够亮的像素，仍会进行增强处理，导致图像失真和信息丢失的问题，利用基于皮尔生长曲线对图像进行自适应亮度伽马校正，通过对图像的每个像素进行非线性变换来调整亮度，使其在人眼中具有更加平均的感知。针对RetinexNet算法会引入新的噪声的问题，本发明在Retinex分解模块引入引导滤波来替代高斯滤波对图像进行平滑去噪，利用高质量的引导图像来引导滤波器进行滤波，从而保留原始图像的边缘和细节；然后设计了基于引导滤波的Retinex分解模块，更好的计算图像的反射分量和光照分量。
-
公开(公告)号：CN119131101A
公开(公告)日：2024-12-13
申请号：CN202310701044.6
申请日：2023-06-13
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/50 , G06V10/52 , G06V10/44 , G06V10/74 , G06V10/82 , G06N3/044 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/082
Abstract: 本发明针对利用多视无人机序列图像进行大范围场景的三维重建任务时，存在模型细节还原度不高，算力和存储资源要求高，建模时间长等问题，设计了一种基于动态多尺度特征和内容感知聚合的深度估计网络。高精度的深度估计是实现高精度三维重建的重要保障，该网络以多视角立体网络MVSNet为基础，引入了动态多尺度特征提取网络、轻量级代价体、内容感知的代价体聚合模块和循环卷积混合网络，能够提取出图像中更丰富更深层次的深度信息，且在运行效率方面也有优秀的表现。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.031 seconds)
