-
公开(公告)号：CN104185147A
公开(公告)日：2014-12-03
申请号：CN201410459459.8
申请日：2014-09-10
Applicant: 东南大学
Abstract: 一种基于短信的移动终端地理信息交换方法，当交换单个位置地理信息时，发送方移动终端采用NMEA 0183电文中$GPRMC报文规则对分享的地理位置进行编码，通过短信Agent发送至接收方移动终端；当交换地理信息数据量较大时，发送方移动终端将信息上传到公共文件服务器，并记录URL，将URL附加特定报文头$GPURL发送至接收方移动终端；接收方移动终端的Agent通过拦截该特定格式的短信并解析，如果是实时位置信息，直接解析；如果是URL，通知应用程序链接HTTP链接地址下载位置文件；接收方发送$GPOK或$GPFAIL报文至发送方，提示发送方是否接收和解析成功。
-
公开(公告)号：CN102256127B
公开(公告)日：2013-04-24
申请号：CN201110202678.4
申请日：2011-07-20
Applicant: 东南大学
IPC: H04N7/26
Abstract: 一种多模式无线通信技术的实时视频传输系统，摄像头模块将采集到的视频图像信息传输至含有视频处理单元与视频分发单元的视频处理与分发模，视频处理单元自适应滤波器对视频图像进行去噪、滤波，得到待传视频图像，视频分发单元将待传视频图进行分块、编码，根据动态自动分配方案由分配器根据编码序列，将编码后的视频图像数据发送到各无线通信网络对应的数传模块的缓冲器中，进行加有标识跟踪的实时视频图像传输发送，视频接收单元接收无线网络传输来的视频图像信息，采用和发送端对应编码算法解码拼装，发送回执通知视频处理与分发模块并经图像还原单元还原成视频图像，输出到视频显示终端进行显示。
-
公开(公告)号：CN114663759B
公开(公告)日：2025-05-09
申请号：CN202210296396.3
申请日：2022-03-24
Applicant: 东南大学
IPC: G06V20/10 , G06V10/774 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06V10/26
Abstract: 本发明提供了一种基于改进DeepLabV3+的遥感影像建筑物提取方法，该方法包括：获取高分辨的遥感影像,构建遥感影像数据集，包括训练集、验证集、测试集；对传统的语义分割算法DeepLabV3+进行改进，引入双注意力机制CBAM模块、密集连接ASPP模块以及在解码端用DUpsampling方法代替传统的双线性插值方法；将遥感影像数据集输入到改进后的网络模型中进行训练，获得训练好的建筑物检测模型；将训练好的建筑物检测模型在遥感影像的测试集中进行检测；对于大尺度遥感影像用传统方法先依次裁剪再预测拼接会损失大量的边缘信息的问题，本发明中采取忽略边缘预测的方法进行改善。本方法解决了传统算法对于小目标物体检测出现的漏检、误检等问题，丰富了边缘信息，提高了建筑物的检测精度。
-
公开(公告)号：CN115396673B
公开(公告)日：2025-02-28
申请号：CN202211039437.7
申请日：2022-08-29
Applicant: 东南大学
IPC: H04N19/423 , H04N19/132 , H04N7/18
Abstract: 本发明公开了一种安防监控视频的压缩和播放方法，该方法利用监控场景普遍存在较长时间不变的特性，通过计算前后两帧图像间距离，定时舍弃该时间段内部变化不大的图像桢，对变化较大的图像帧采用常规的视频压缩方法存储。视频播放时，根据不同标记采用线性差值生成图像法或常规视频解压方法进行播放。本方法中采用阈值判断的方法对长时间图像未变化的视频进行压缩处理，极大的缩小了监控视频存储所需的空间，节约了存储资源。
-
公开(公告)号：CN111898477B
公开(公告)日：2025-01-03
申请号：CN202010667632.9
申请日：2020-07-13
Applicant: 东南大学
IPC: G06V20/17 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/00 , G06T7/33
Abstract: 本发明公开了一种基于无人机新旧时相影像的变化建筑物快速检测方法，通过获取在当前时刻之前得到的旧时相影像和在当前时刻得到的新时相影像，基于卡尔曼滤波进行粗匹配，以确定新时相影像在旧时相影像中的粗匹配影像区域，基于k‑d索引树对所述粗匹配影像区域和所述新时相影像进行精准匹配，以得到新时相影像在旧时相影像中的时相对应区域，以时相对应区域作为参考影像，对新时相影像进行几何校正，基于亮度校正模型构建和颜色平衡方法进行影像间的相对辐射校正，采用预先训练的识别模型分别对旧时相影像以及辐射校正后的新时相影像进行识别，以确定疑为变化的建筑物区域，实现对变化建筑物的快速检测，相应的检测过程具有较高的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118587454A
公开(公告)日：2024-09-03
申请号：CN202410611454.6
申请日：2024-05-16
Applicant: 东南大学
IPC: G06V10/74 , G06V20/13 , G06V20/17 , G06V10/44 , G06N3/0455
Abstract: 本发明涉及一种无人机图像和卫星图像的景象匹配方法，该方法包括以下步骤：首先，将无人机捕获的图像以及相应的卫星图像的输入景象匹配模型，并通过数据增强模块进行预处理；其次，通过特征提取模块对图像进行特征提取，并通过Head模块进行特征集成；然后，通过表示学习、度量学习和互学习三种监督学习方法训练模型；最后，通过计算无人机与卫星图像之间的余弦相似度来进行匹配。与现有技术相比，本发明通过提高景象匹配模型的准确性和鲁棒性，有效减少了无人机图像和卫星图像在匹配过程中容易出现无匹配甚至匹配失败的问题。
-
公开(公告)号：CN114241050B
公开(公告)日：2024-05-07
申请号：CN202111562336.3
申请日：2021-12-20
Applicant: 东南大学
IPC: G06T7/73
Abstract: 本发明公开了一种基于曼哈顿世界假设及因子图的相机位姿优化方法，可以在弱纹理环境下的同步定位与制图（SLAM，Simultaneously positioning and mapping）系统中增加定位的准确性和鲁棒性，其思路是计算特征的重投影误差以及结构化特征的结构误差项，构建因子图模型并进行位姿优化。该算法首先计算特征的重投影误差，然后根据曼哈顿世界假设构造结构化特征的结构误差项，最后在SLAM后端中对上述误差项构建因子图模型并进行位姿优化。本发明通过将结构化特征的重投影误差和结构误差加入到后端优化中，可以提高弱纹理场景下SLAM系统位姿解算的准确度和鲁棒性，以便满足机器人更加广阔的应用场景。
-
公开(公告)号：CN116168205A
公开(公告)日：2023-05-26
申请号：CN202310046442.9
申请日：2023-01-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于结构化特征提取的多模特征关联方法，从双目图像提取点线特征，并通过线特征估算平面特征，随后利用特征间的空间几何关系构建不同特征之间的关联关系。主要包括以下几个步骤：先提取点、线特征，再根据可靠的线特征估算相交线的平面特征，随后利用特征间的空间几何关系构建不同特征之间的关联关系并创建语义地图，最后将关联关系与后端结合，对系统进行优化。本发明改进了利用线特征估算平面的算法，给出了特征间空间几何关系的数学模型，并将关联关系用于SLAM系统后端优化，减少系统的累计误差，提供了更好的定位能力。
-
公开(公告)号：CN115527049A
公开(公告)日：2022-12-27
申请号：CN202211256870.6
申请日：2022-10-14
Applicant: 东南大学
Abstract: 本发明公开了一种引线框架引脚间距的高精度测量方法，属于机器视觉领域。方法包括：在获取到基准图像和待测图像后，对基准图像图像处理及旋转，得到多角度的高层金字塔旋转模板图像和对应的掩码；进行模板匹配实现粗匹配，对匹配结果进行处理得到只包含引线框架引脚区域的引脚图像；对引脚图像轮廓检测并对每个轮廓处理得到引脚掩码图像，与待测图像融合得到引脚粗定位图像；对引脚粗定位图像进行亚像素边缘检测，得到亚像素边缘点集合；对相邻轮廓的边缘点集合计算最小距离，得到相邻引线框架引脚的间距。该方法通过模板匹配粗匹配提高速度；通过图像实现间距量测，降低人工成本；同时为提高精度引入亚像素边缘检测，具有计算精度高的特点。
-
公开(公告)号：CN115512325A
公开(公告)日：2022-12-23
申请号：CN202211256872.5
申请日：2022-10-14
Applicant: 东南大学
IPC: G06V20/56 , G06V10/774 , G06V10/26 , G06V10/764 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种端到端的基于实例分割的车道检测方法，首先对车道检测数据集进行数据增强处理，获得训练及验证数据集；然后搭建车道实例分割网络模型LANet并设置损失函数；同时在网络中引入注意力门用以融合不同层的车道特征，并设计车道自注意力模块以增强车道特征的表达；最后对模型进行训练并在车道检测数据集上测试，完成车道检测任务。本方法利用注意力网络充分提取全局上下文信息并剔除相关车道干扰，能够应对车道受到严重遮挡和极端光照条件等复杂场景干扰的挑战，并展现了出色的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.043 seconds)
