-
公开(公告)号：CN114241050A
公开(公告)日：2022-03-25
申请号：CN202111562336.3
申请日：2021-12-20
申请人： 东南大学
IPC分类号： G06T7/73
摘要： 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：CN108734093B
公开(公告)日：2022-02-11
申请号：CN201810297035.4
申请日：2018-04-04
申请人： 东南大学
IPC分类号： G06V20/40
摘要： 本发明公开了一种消除定点土地视频监控伪变化的方法，包括以下步骤：建立当地春耕秋收时间和耕地区域信息数据库；计算原始背景图像高明度区域占比；计算报警区域范围大小，如果区域范围大于阈值则触发伪变化检测机制：从“是否为下雨/雪”、“是否被积雪覆盖”及“是否处于农业生产”三个方面判断是否为伪变化触发的报警，当三个判断中的至少一个为“真”时，取消报警。本发明解决了传统人工进行识别和操作的低效和高成本的问题；显著提高了检测的准确性；减小了环境光照和其他环境因素带来的干扰。
-
公开(公告)号：CN113362358A
公开(公告)日：2021-09-07
申请号：CN202110615548.7
申请日：2021-06-02
申请人： 东南大学
摘要： 本发明公开了一种动态场景下基于实例分割的鲁棒性位姿估计方法，可以在视觉导航过程中剔除动态场景，其思路是在实例分割区域结合光流跟踪检测图像序列中的动态区域并剔除。该算法首先用实例分割结合目标跟踪算法，锁定潜在的动态物体区域；然后在采用光流法在分割区域进行动态点检测，获得分割区域物体的动态概率；最后用动态概率结合语义先验信息判断动态区域。本发明通过剔除环境信息中的动态部分，可以显著提高SLAM系统的实时定位精度，大大增加机器人定位系统的鲁棒性，以便满足机器人更智能化的应用场景。
-
公开(公告)号：CN108801257B
公开(公告)日：2021-05-11
申请号：CN201810297034.X
申请日：2018-04-04
申请人： 东南大学
IPC分类号： G01C21/20
摘要： 本发明公开了一种用于室内自动泊车的定位方法，包括如下步骤：(1)在室内停车场道路上喷涂网格，网格采用二进制编码；(2)将实际位置对应的二进制数字序列录入GIS数据库；(3)摄像头拍摄地面上的网格的照片并上传到服务器；(4)识别网格信息，读出二进制数字序列；(5)根据输出二进制数字序列在GIS数据库中查询出车辆实际位置。本发明结合了计算机视觉，位置编码和位置服务等技术，将位置数据存入数据库后，通过识别画好的网格得到二进制ID信息，使用便捷，定位精度较高，可以准确可靠地在室内进行车辆定位，应用范围广。
-
公开(公告)号：CN112566030A
公开(公告)日：2021-03-26
申请号：CN202011444072.7
申请日：2020-12-08
申请人： 东南大学
IPC分类号： H04W4/021 , H04W64/00 , G06F16/2458 , G06F16/29 , G06Q50/26
摘要： 本发明公开了一种基于手机信令数据的居住地双时段识别方法及应用，属于城市居住地研究领域。与现有技术相比，本申请的一种基于手机信令数据的居住地双时段识别方法及应用，能精确地辨识非建设用地除外的某个区域是否为居住地的方法；在空间处理上，待识别区域以手机基站形成的泰森多边形作为识别单元；在数据采集上，将同待识别区域发生空间关联的用户手机信令数据进行甄别和筛选；在时间处理上，将工作日划分白天和夜间两个时段，根据用户手机信令数据分别统计该区域在两个时段发生的人口数量变化。本发明可较为便捷和准确地识别城市人口的居住地，为城市空间的有效解析和利用提供有力的技术支撑。
-
公开(公告)号：CN108010123B
公开(公告)日：2021-02-09
申请号：CN201711178471.1
申请日：2017-11-23
申请人： 东南大学
摘要： 本发明提供了一种保留拓扑信息的三维点云获取方法，首先，利用相机通过围绕式或低空航拍获取图像，并对图像进行灰度化、高斯去噪、照片对齐等数据预处理；其次，进行保留拓扑信息的特征点提取与匹配；然后，解算三维点云并将二维拓扑关系映射到三维空间，获取的点云数据成果可用于构建三维模型。本发明与目前常规的基于序列图像的三维点云获取方法相比，具有点云分布均匀、自带三维拓扑信息的优势，可显著提高构建三维模型的精度。
-
公开(公告)号：CN107133360B
公开(公告)日：2021-02-02
申请号：CN201710396095.7
申请日：2017-05-31
申请人： 东南大学
IPC分类号： G06F16/22 , G06F16/28 , G06F16/29 , G06F16/51 , G06F16/583 , G06K9/46 , G06T7/246 , G06T7/11 , G06T3/40
摘要： 本发明提供了一种大尺度遥感影像特征点库的构建方法，首先确定瓦片的尺寸，结合遥感影像的分辨率信息对其进行重叠网格划分，从而实现遥感影像的分割，通过SIFT/SURF等特征点检测算法提取每块瓦片的特征点及描述子数据，并将特征点对应坐标信息及描述子用R*树作索引存入空间数据库。本专利生成的特征点空间数据库可用于遥感影像快速拼接模板或变化快速发现检测，相较于传统技术，该方法将特征点检测作为预处理，避免重复检测，可提高处理效率。
-
公开(公告)号：CN112132822A
公开(公告)日：2020-12-25
申请号：CN202011062244.4
申请日：2020-09-30
申请人： 东南大学
摘要： 本发明设计了一种基于迁移学习的可疑违章建筑检测算法，主要包括以下几个步骤：选取一个预训练好的卷积神经网络模型用来对可疑违建区域进行特征提取；随机选择某一中间层，利用其特征图构建新旧时相图像的结构差异向量，利用结构差异向量训练一个支持向量机，支持向量机的输出结果分为两类，变化和不变化，改变提取特征向量的中间层的层数，重复上述步骤，在测试集上选择最终分类精度最高的层数，作为最终模型的结构差异向量提取层，至此，输入两张同一建筑物的新旧时相图像，该算法便能对是否存在可疑违建区域进行判别。本方法自动选择有效的特征进行提取，无需人工对其进行设计，避免了在像素级层面上进行像素提取，极大地提高了检测的准确率。
-
公开(公告)号：CN111898477A
公开(公告)日：2020-11-06
申请号：CN202010667632.9
申请日：2020-07-13
申请人： 东南大学
摘要： 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。
-
公开(公告)号：CN107301674B
公开(公告)日：2020-09-15
申请号：CN201710366246.4
申请日：2017-05-22
申请人： 东南大学
摘要： 本发明公开了一种基于窗口插值的三维重建纹理恢复方法，针对基于序列图像的背景三维重建过程中，由于前景障碍物遮挡无法重建背景的完整点云、无法获取完整贴图纹理的问题，本发明方法通过序列图像对比，有效恢复任意一张缺损的背景图片，从而达到重建完整点云的目的。本发明的方法主要流程包括：首先对不同视角下的缺损背景图片进行图片分组，对于每个图片对，使用图像变换将它们统一在同一视角下，然后分别进行图像重叠区域求取、待修补缺失像素点定位、缺失像素点填充、边界线消除等操作完成图片修补。本发明对于不同视角下的序列图像，可快速高效地进行图像缺损修补。
-
-
-
-
-
-
-
-
-
搜索结果
184 条记录 (耗时 0.028 秒)
