-
公开(公告)号：CN107480597B
公开(公告)日：2020-02-07
申请号：CN201710585099.X
申请日：2017-07-18
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于神经网络模型的机器人避障方法。当机器人上的红外感应器感应到前方存在障碍物时，机器人上的图像采集器采集前方图像，并将采集到的图像进行二值化处理；将二值图像进行傅里叶变换，得到频谱图，将频率信号作为神经网络模型的外部输入信号；当外部输入信号输入神经网络模型，左、右兴奋性神经元集群相互竞争，仅二者之一能够在外部刺激输入和内部抑制作用下通过增加自身的活性到达阈值发生脉冲而赢得竞争，而其他集群最终被抑制，最终产生一个向左或向右偏转的偏转信号，机器人根据该偏转信号向不存在障碍物的一侧偏转，从而实现避障。本发明克服了现有技术存在的缺陷，使机器人能够更加自主地在环境中高速度、高效率地避障。
-
-
公开(公告)号：CN107529647A
公开(公告)日：2018-01-02
申请号：CN201611107944.4
申请日：2016-12-02
申请人： 南京信息工程大学
摘要： 本发明涉及一种基于多层无监督稀疏学习网络的云图云量计算方法，首先利用前向逐层稀疏自动编码机对图片进行无监督的逐层特征编码得到高阶语义信息，然后利用高阶语义信息将云图分为厚云、薄云及晴空，最后利用“空间相关法”计算云图中的总云量。本发明比传统卫星云图云量计算的准确度高，并且相同硬件条件下样本训练的时间和云量计算的时间得到很大的缩减。
-
公开(公告)号：CN107480597A
公开(公告)日：2017-12-15
申请号：CN201710585099.X
申请日：2017-07-18
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于神经网络模型的机器人避障方法。当机器人上的红外感应器感应到前方存在障碍物时，机器人上的图像采集器采集前方图像，并将采集到的图像进行二值化处理；将二值图像进行傅里叶变换，得到频谱图，将频率信号作为神经网络模型的外部输入信号；当外部输入信号输入神经网络模型，左、右兴奋性神经元集群相互竞争，仅二者之一能够在外部刺激输入和内部抑制作用下通过增加自身的活性到达阈值发生脉冲而赢得竞争，而其他集群最终被抑制，最终产生一个向左或向右偏转的偏转信号，机器人根据该偏转信号向不存在障碍物的一侧偏转，从而实现避障。本发明克服了现有技术存在的缺陷，使机器人能够更加自主地在环境中高速度、高效率地避障。
-
公开(公告)号：CN102909540B
公开(公告)日：2014-12-10
申请号：CN201210401648.0
申请日：2012-10-19
申请人： 南京信息工程大学
摘要： 本发明公开了一种小型多旋翼无人机的电池自动更换系统，包括多履带小车、电池存储盘、无人机用起落架、起落架固定板、起落架固定板支架、电池存储盘支架和机械手，所述多履带小车上方设置起落架固定板，该起落架固定板通过起落架固定板支架与多履带小车相固连，起落架固定板上方设置无人机用起落架，该固定板中心设置与电池大小相配合的电池入口，起落架固定板的下方设置电池存储盘，该电池存储盘通过电池存储盘的支架与多履带小车相固连，电池存储盘下方设置机械手，本发明采用转盘式电池储备仓，一次最多可以进行5次电池的更换，本发明采用盲插式电池安装方便快捷效率高。
-
公开(公告)号：CN102967305A
公开(公告)日：2013-03-13
申请号：CN201210418160.9
申请日：2012-10-26
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于大小回字标志物的多旋翼无人机位姿获取方法，首先根据无人机与标志物的相对高度来确定目标标志物，所述标志物为外边长长度为10倍关系的正方形大小回字；其次根据确定的目标标志物，建立无人机CCD摄像头与目标标志物之间的关系模型；最后根据建立的模型，利用直接线性变换法获取无人机的方位角和相应时刻无人机的位置信息。该方法可以精确的获取无人机的位姿。
-
公开(公告)号：CN114943963B
公开(公告)日：2023-07-04
申请号：CN202210476213.6
申请日：2022-04-29
申请人： 南京信息工程大学
IPC分类号： G06V20/70 , G06V20/10 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/08
摘要： 本发明公开了一种基于双分支融合网络的遥感图像云和云影分割方法，该方法以Convolutional vision Transformer中的Transformer模块和条状卷积作为骨干网络，将两者有效结合，使得两个分支能够相互补充，从而更加高效地提取图像中的特征信息。在特征融合方面，使用了双向引导模块使得Transformer分支和条状卷积分支能够相互引导对方进行特征挖掘、提取多尺度上下文信息，提高了不同尺度的云和云影的分割能力。在解码阶段，充分利用两分支提取到的不同层级的特征进行融合上采样，有效融合高级语义信息和空间位置信息，使得云和云影的定位更加准确，分割边界更加详细；同时本方法还是通用的。
-
公开(公告)号：CN115410081A
公开(公告)日：2022-11-29
申请号：CN202210959194.2
申请日：2022-08-10
申请人： 南京信息工程大学
摘要： 本发明公开了一种多尺度聚合的云和云阴影辨识方法、系统、设备及存储介质，属于图像处理技术领域，方法包括：获取待测图片；将待测图片输入到预训练好的多尺度注意力特征聚合网络中，得到云和云阴影的掩膜图像，完成云和云阴影的辨识；使用训练好的权重提取特征进行编码解码操作后输出得到云和云阴影的掩膜图像，能够有效提升云和云阴影辨识精确度，有效减少了图像中复杂背景和噪声的干扰，能够有效的捕捉到零散的小尺度的云和云影目标，增强了对薄云的检测能力以及细化了对云和云阴影不规则的结合处的分割，提高了对云和云阴影复杂的边缘细节的分割精度，并且在其他目标的分割实验中也有不错的效果，具有优秀的泛化能力和良好的鲁棒性。
-
公开(公告)号：CN114943876A
公开(公告)日：2022-08-26
申请号：CN202210699396.8
申请日：2022-06-20
申请人： 南京信息工程大学
摘要： 本发明公开了一种多级语义融合的云和云影检测方法、设备及存储介质，涉及图像处理技术领域，使用残差网络作为骨干网络对输入图片数据进行特征提取，整体采用编码器‑解码器的结构，在模型中我们提出了多支路残差上下文语义模块，多尺度卷积子通道注意力模块和特征融合上采样模块三个模块用于强化特征提取，细化云和云影边缘信息，增强模型的实际分割能力，相较于当前的方法检测云和云影更加准确，有效减少背景信息的干扰，增强对云层边缘以及薄云的检测能力，解决了大多数网络对于云影的检测精度不够高的技术问题，提高了对云和云影的检测精度，增强了算法的鲁棒性能。
-
公开(公告)号：CN114937204A
公开(公告)日：2022-08-23
申请号：CN202210476223.X
申请日：2022-04-29
申请人： 南京信息工程大学
IPC分类号： G06V20/10 , G06V20/70 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种轻量级多特征聚合的神经网络遥感变化检测方法，包括搭建并训练一个分割网络，输入双时像遥感图像，输出预测变化区域的预测模型，其特征在于，所述预测模型包括至少三个基础语义分割子模块：特征提取模块、细节特征引导模块、自注意力以及特征融合模块。该种轻量级多特征聚合的神经网络遥感变化检测方法，通过轻量级多特征融合网络在采用前述训练方法进行训练后即可用于遥感图像变化检测，对待处理图像先采用裁剪的方式输入至神经网络模型中，设置参数并进行多次迭代，得到变化检测遥感图像的预测结果，该预测的结果相对于采用传统的基础语义分割模型（例如UNet、FCN等）得到的结果，其预测准确率有明显的提升。
-
-
-
-
-
-
-
-
-
搜索结果
45 条记录 (耗时 0.035 秒)
