-
公开(公告)号：CN102609094A
公开(公告)日：2012-07-25
申请号：CN201210042347.3
申请日：2012-02-24
Applicant: 东南大学
Abstract: 本发明涉及一种电振双模多维触觉刺激器，包括振动触觉振动子、半球体、电触觉电极，所述电触觉电极设置在半球体上，而半球体则设置在振动触觉振动子上，所述电触觉电极和触觉振动子均设有控制线，所述控制线分别用于向电触觉电极和触觉振动子传输控制信号。本发明的电振双模多维触觉刺激器由于采用振动触觉振动子和电触觉电极联合的双模触觉刺激技术方案，因此能同时产生电刺激触觉和振动刺激触觉。
-
公开(公告)号：CN101873553A
公开(公告)日：2010-10-27
申请号：CN201010201844.4
申请日：2010-06-13
Applicant: 东南大学
Abstract: 本发明的短信呼来电号码信息的扩展方法基于通讯录数据库、电话号码归属地数据库、短消息存储数据库、判别短信呼的规则库、短信呼识别配置模块、短信呼处理模块和短消息显示模块组成的系统，其中：该移动装置中包括通讯录数据库，用于保存移动装置中的联系人信息；电话号码归属地数据库，用于保存与电话号码对应的地址信息；短消息存储数据库，用于存储接收到的短信呼来电号码信息和其他短信；判别短信呼的规则库，用于存储判别接收到短消息是否为短信呼类型的用户配置信息；短信呼识别配置模块，用于配置识别短消息是否为短信呼类型，并且存储配置到判别短信呼规则库中。该发明使用户能更快的了解到未接来电的机主信息，了解到未接来电是来自那个区域的电话。
-
公开(公告)号：CN113362358B
公开(公告)日：2025-03-04
申请号：CN202110615548.7
申请日：2021-06-02
Applicant: 东南大学
Abstract: 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：CN118378211A
公开(公告)日：2024-07-23
申请号：CN202410488975.7
申请日：2024-04-23
Applicant: 东南大学
IPC: G06F18/25 , G06F18/213 , G06V10/44 , G06F16/33 , G06F18/211 , G06N3/045 , G06N3/0464 , G06N3/0499
Abstract: 本申请公开了一种视觉语言混合模态特征的提取与融合方法，首先对于视觉信息处理，将图像的观测位姿信息向量化，与视觉特征向量拼接，得到融合位姿信息的视觉特征向量，对于自然语言处理，采用词元信息和位置信息提取后加和，得到语言特征向量，然后输入视觉、语言特征向量，最后通过构建视觉特征向量为键和值，语言特征向量为查询的模态注意力交叉机制混合提取融合，实现视觉语言信息的混合模态特征向量生成，该方法在视觉语言导航任务中表现出对跨模态对象较强的特征提取和理解能力，具有泛化能力高的特点。
-
公开(公告)号：CN117056823A
公开(公告)日：2023-11-14
申请号：CN202310910372.7
申请日：2023-07-24
Applicant: 东南大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06F18/15 , G06F17/15 , G06Q50/30
Abstract: 本发明公开了一种识别共享单车通勤用户职业类型的方法及系统，涉及交通管理技术和城市规划领域，包括：接收POI数据、城市路网数据和共享单车数据，处理得到共享单车有效数据；计算用户在一周工作日早高峰使用共享单车的常态化参数，对共享单车有效数据进行一次筛选提取得到一次共享单车有效数据；在时间维度上对一次共享单车有效数据进行二次筛选提取得二次共享单车有效数据；在空间维度上对二次共享单车有效数据进行三次筛选提取得三次共享单车有效数据；根据最大步行半径并结合城市路网数据确定用户的职业类型的决策区域，判定POI数据与职业类型的对应关系，利用POI数据与三次共享单车有效数据并结合决策区域，识别用户的职业类型。
-
Patent Agency Ranking
公开(公告)号：CN116499475A
公开(公告)日：2023-07-28
申请号：CN202310438277.1
申请日：2023-04-23
Applicant: 东南大学
IPC: G01C21/30
Abstract: 本发明公开了一种基于视觉的隐马尔科夫模型的车道级地图匹配方法，通过车道检测提供的视觉信息对隐马尔可夫模型（HMM）建模实现车道级地图匹配，提高了车辆的定位精度。其思路是利用视觉信息重新定义隐马尔科夫模型发射概率和转移概率，实现车道级地图匹配。该算法首先通过视觉传感器获取车辆在当前道路上的相对位置，然后融入视觉定位信息对GPS信号进行建模。本发明可以利用低成本的传感器实现车道级定位精度。
-
公开(公告)号：CN116429089A
公开(公告)日：2023-07-14
申请号：CN202310408084.1
申请日：2023-04-17
Applicant: 东南大学
Abstract: 本发明公开了一种增强动态场景下SLAM系统精度和鲁棒性的方法，可以在动态场景下的同步定位与建图系统中对动态物体的运动性和场景流一致性判定，提高同步定位与建图的精度和鲁棒性。其思路是使用场景流对场景中可能的动态物体进行评估筛选，并通过因子图与相机位姿进行联合优化。该算法首先根据场景流的模值判断场景中物体运动状态，然后对运动的物体进行场景流自动聚类，以评估场景流一致性的强弱，场景流一致性较强的动态物体的位姿会通过因子图模型与相机位姿进行联合优化。本发明可以对评估场景中动态物体并解算其位姿，降低动态物体对SLAM系统求解精度的影响，增强动态场景中SLAM系统定位和建图的精度和鲁棒性。
-
公开(公告)号：CN110084169B
公开(公告)日：2023-07-04
申请号：CN201910323850.8
申请日：2019-04-22
Applicant: 东南大学
IPC: G06V20/52 , G06V20/40 , G06V10/44 , G06V10/762 , G06V10/74 , G06V10/764
Abstract: 本发明公开了一种基于K‑Means聚类和轮廓拓扑约束的违章建筑物识别方法，包括以下步骤：采集到的图像信息经预处理后得到图像直线段，通过K‑Means聚类对图像直线中点进行分类；检测每类直线簇的直线数量，并计算直线间相对位置距离及角度关系；构建常见违章建筑物直线轮廓角度分布直方图，并将其与检测图像的直线角度分布情况相匹配，计算欧氏距离；然后根据每个直线簇直线数量、位置距离约束及角度分布与常见违章建筑物角度分布直方图相似度对违章建筑物特征进行识别。本发明解决了利用定点视频监控自动发现违章建筑物时，违章建筑物特征提取困难及受自然场景下各种物体干扰多的问题，大大提高了违章建筑物自动识别的效率和检测结果的鲁棒性。
-
公开(公告)号：CN110717527B
公开(公告)日：2023-06-27
申请号：CN201910903123.9
申请日：2019-09-24
Applicant: 东南大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种结合空洞空间金字塔结构的目标检测模型确定方法，通过将输入特征图分别输入k个空洞卷积层分支，分别在各个空洞卷积层分支对输入特征图进行空洞卷积操作，得到各个输出特征图，以将输入特征图与k个输出特征图进行融合，构造空洞空间金字塔结构，并将空洞空间金字塔结构融入基于卷积网络的目标检测模型，上述空洞空间金字塔结构通过利用具体不同扩张率的空洞卷积对输入特征图进行重采样，得到具有不同感受野的输出特征图，再通过将输入与输出进行特征融合以获取多尺度信息，将空洞空间金字塔结构融入基于深度学习的目标检测模型中，能够提高基于深度学习的目标检测模型对多尺度目标的检测能力。
-
公开(公告)号：CN109766924B
公开(公告)日：2023-05-26
申请号：CN201811561702.1
申请日：2018-12-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于图像信息熵与自适应阈值DAISY特征点的图像检测方法。由于常见图像检测算法会出现特征点分布不均匀且在局部区域稀少的问题，导致后续重建中点云会出现空洞现象。本发明首先通过统计分析确定了图像信息熵与SIFT特征点密度的约束关系；其次提出了一种基于图像信息熵的自适应阈值SIFT特征检测器，解决了特征点分布不均的问题；然后针对SIFT特征点在非极值特征点处可靠性降低，提出采用改进的DAISY特征点，提高了特征点的可靠性；最后将自适应阈值检测器中的特征点替换为DAISY特征点，并用于图像检测。实验表明本发明提出的方法在保证了特征点较高的可靠性，且改善了特征点分布，达到了预期目标。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.034 seconds)
