-
公开(公告)号：CN110058266A
公开(公告)日：2019-07-26
申请号：CN201910342434.2
申请日：2019-04-26
Applicant: 桂林电子科技大学
IPC: G01S19/01
Abstract: 本发明提出一种黑飞无人机定点诱导欺骗系统，该系统包括：定点回收遥控子系统，用于解析当前定点的时间、位置信息以及星历文件；定点诱导欺骗子系统，根据所述定点的时间、所述位置信息，实时模拟生成定点诱导欺骗信号；2.4GHz/5.8GHz信号生成子系统，用于生成干扰信号；信号发射子系统，用于将所述定点诱导欺骗信号和所述干扰信号发送至目标无人机。本发明能够实现对市场上的无人机有效诱导，使黑飞无人机定点迫降到安全区域。
-
公开(公告)号：CN113033454B
公开(公告)日：2023-04-25
申请号：CN202110371257.8
申请日：2021-04-07
Applicant: 桂林电子科技大学
IPC: G06V20/52 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种城市视频摄像中建筑物变化的检测方法，本发明将城市视频摄像图像用作建筑变化检测的数据，并进行标注，制作一套用于城市建筑变化检测的数据集，充分利用了资源。在基于Resnet‑50网络的基础上，运用孪生网络的架构，搭建了一个充分结合高层的语义和低层的纹理特征的变化检测网络，生成准确的变化检测结果。在变化检测网络各阶段引入了ASPP模块，并将通过该ASPP模块输出的特征图与通过变化检测网络中对应阶段输出的特征图在通道上进行合并，充分利用不同尺度的深度特征。采用多个损失函数分别对每个编码层的预测结果进行评价，得到更为鲁棒性的变化检测。
-
公开(公告)号：CN113191213B
公开(公告)日：2023-01-03
申请号：CN202110389794.5
申请日：2021-04-12
Applicant: 桂林电子科技大学
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种高分辨率遥感影像新增建筑物检测方法，通过对获得的第二时相GF2影像其进行超像素分割，得到超像素对象；接着用该时相GF2影像构建建筑物数据集；将所述建筑物提取数据集输入多尺度约束编解码网络训练，获取第二时相建筑物二值图，所述多尺度约束编解码网络，采用双路径体系结构分别获取全局信息和局部信息，结合全局和局部信息可以更好的从复杂背景中区分建筑物以及细化建筑物的细节，同时以兼顾不同大小的建筑物，将获得的超像素对象与所述建筑物二值图结合获取第二时相建筑物目标对象；然后使用IRMAD算法获得像素级变化检测结果，基于建筑物目标对象和像素级变化检测结果进行空间位置叠加分析，实现新增建筑物检测。
-
公开(公告)号：CN114387407A
公开(公告)日：2022-04-22
申请号：CN202111365874.3
申请日：2021-11-18
Applicant: 桂林电子科技大学
Abstract: 本发明涉及物流技术领域，具体涉及一种基于三维通道模型的大件货物运输通过性评估方法；基于三维通道模型的大件货物运输通过性评估方法的具体步骤包括确定运输路线；创建大件运输车辆模型、大件货物模型、特殊道路场景模型和障碍物模型，并将各个模型渲染到地图上；生成三维通道模型；获取大件运输车辆模型和大件货物模型在三维通道模型中的位置关系，判断运输过程中是否与三维通道模型和障碍物模型发生接触碰撞。利用三维建模和仿真技术，在软件中模拟实际运输的过程，通过数据匹配和算法分析，判断运输车辆的可通行性和安全性，成本低，时间短，运输效率高。
-
公开(公告)号：CN109932734B
公开(公告)日：2021-11-12
申请号：CN201910280085.6
申请日：2019-04-09
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种适用于伪卫星位置的计算方法，包括：判断是否为伪星系统；若是，读取所述伪星系统的坐标常数；计算归一化时间；计算卫星的平均角速度；分别计算信号发射时刻的平近点角、偏近点角、真近点角、升交点角距、摄动校正项；计算摄动校正后的升交点角距、卫星矢量长度和轨道倾角；计算伪卫星在轨道平面的位置；计算信号发射时刻的升交点赤经；计算伪卫星在地固坐标系下的位置。本发明仅修改卫星位置算法中的基本大地参数，使得使用四个星历参数可以计算伪卫星空间位置，解决了目前使用原有广播星历不能表示地面静止物体坐标的问题。
-
Patent Agency Ranking
公开(公告)号：CN110058268B
公开(公告)日：2021-08-27
申请号：CN201910363107.5
申请日：2019-04-30
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于GNSS的电离层闪烁闭环测试系统，包括：模拟器，用于设置GPS和BDS场景信息；模拟器还用于接收场景，根据所述场景输出导航射频信号；模拟器还用于设置电离层幅度闪烁指数和相位闪烁指数；接收机，接收导航射频信号，用于完成GPS/BD双模多频点信号的捕获、跟踪、电文解调和定位解算，并输出跟踪环路的原始观测量和接收机的定位解算信息，实时进行电离层幅度闪烁指数、电离层相位闪烁指数、TEC、ROTI和ROT的计算；上位机软件，显示位置、速度、信号强度信息，将解算得到的定位信息、各卫星载噪比、仰角及方位角、伪距、载波相位、电离层幅度闪烁指数、电离层相位闪烁指数、TEC、ROTI和ROT进行显示。
-
公开(公告)号：CN111832518A
公开(公告)日：2020-10-27
申请号：CN202010710556.5
申请日：2020-07-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于时空融合的TSA遥感影像土地利用方法，对获取的Modis高时间分辨率影像和Landsat8高空间分辨率影像进行预处理后，分别进行滤波和云雾滤除；然后将得到的对应的Modis数据和Landsat8数据进行时空融合，得到高时空精度数据；接着利用监督分类算法对土地覆盖物进行分类处理后，利用土地覆盖变化检测法对分类后的影像进行变化分析；最后利用RBF神经网络对分析结果进行拟合处理，并根据得到的变化趋势预测曲线进行地物变化预测，能够得到高时空分辨率数据，提高对土地覆盖变化趋势预测结果的准确性。
-
公开(公告)号：CN111612817A
公开(公告)日：2020-09-01
申请号：CN202010375319.8
申请日：2020-05-07
Applicant: 桂林电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于深浅特征自适应融合与上下文信息的目标跟踪方法，首先，获取视频图像序列的第一帧图像，并基于上下文感知框架建立深层特征模型和浅层特征模型；然后获取所述视频图像序列的多个第二帧图像，并利用所述深层特征模型和所述浅层特征模型计算出对应的跟踪目标的深层特征响应和浅层特征响应；并根据所述深层特征响应和所述浅层特征响应自适应融合后的响应总和，得到所述跟踪目标在对应的所述第二帧图像中的位置；并基于阈值判断平均峰值相关能量，并更新所述深层特征模型和所述浅层特征模型，直至所述视频图像序列结束，能够有效跟踪目标，并且具有较高的准确率。
-
公开(公告)号：CN111353393A
公开(公告)日：2020-06-30
申请号：CN202010102280.2
申请日：2020-02-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于神经网络的犬只检测与预警系统，所述基于神经网络的犬只检测与预警系统包括数据采集子系统、检测与测距子系统和预警子系统，所述数据采集子系统、所述检测与测距子系统和所述预警子系统依次电性连接，利用摄像头对犬只进行图像采集，获取所述数据采集子系统采集的图像，并利用SSD检测框架经Darknet-53网络预测后直接预测图片类型，并对人犬距离计算采用k-means算法对犬只的检测数据进行聚类处理，将所述检测与测距子系统的结果进行上传，并进行预警操作，对不同种类的犬只进行快速识别，并对犬只距离测算算法进行优化，提高犬只预警速度，有效预防犬只伤人情况的发生。
-
公开(公告)号：CN110472679A
公开(公告)日：2019-11-19
申请号：CN201910728575.8
申请日：2019-08-08
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于Siamese网络的无人机跟踪方法及装置，该方法包括采集无人机图像样本；对采集的所述无人机图像样本进行数据扩充，生成第一样本；利用第一样本对Siamese网络进行预训练；利用训练好的Siamese网络对实时采集的无人机图像进行特征提取，生成第一低维特征矩阵；在实时采集的无人机图像中选取无人机的位置；利用训练好的Siamese网络对跟踪目标进行特征提取，生成第二低维特征矩阵；在第一低维特征矩阵中进行滑动操作，生成若干第三低维特征矩阵；计算第二低维特征矩阵与第三低维特征矩阵的相似度，其中与第二低维特征矩阵相似度最高的第三低维特征矩阵即为跟踪目标的下一帧区域；将相似性最高的区域的二进制掩膜作为输出，得到无人机在视频中的位置。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.08 seconds)
