-
公开(公告)号:CN107817469B
公开(公告)日:2020-11-24
申请号:CN201710970633.9
申请日:2017-10-18
Applicant: 上海理工大学
IPC: G01S5/14
Abstract: 本发明涉及一种基于非视距环境下超宽频测距实现室内定位方法,测试系统由被定位目标上的一个标签和n个基站组成,每个基站与标签之间通信采用超宽频传输技术,所有的基站安装在同一水平面上,被定位目标运动平面与基站平面要求定高,采用飞行时间TOF原理测距。根据多组测量距离信息与系统预测模型所估计出的距离信息进行比较,一方面通过测量距离与估计距离差值阈值进行是否为非视距测距数据的认定,另一方面,通过计算测量距离与估计距离差值在估计点对实际坐标偏移大小的阈值进行是否作为非视距测距数据的认定。两种判定方案共同决定距离数据是否为非视距测距数据,然后对非视距测量数据进行排除,再进行相应的定位运算,从而提高定位精度。
-
公开(公告)号:CN109086795A
公开(公告)日:2018-12-25
申请号:CN201810679354.1
申请日:2018-06-27
Applicant: 上海理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种图像误匹配精确剔除方法,网格匹配统计约束能够快速的区分出设定大小的网格区域内的正确匹配对和错误匹配对,从而剔除错误匹配对保留正确的匹配对获得一个粗略匹配集;结合自提出的投影误差函数的改进对极约束模型能够再进一步剔除粗略匹配集中不符合改进对极约束模型的匹配对,从而获得优质的匹配集。该方法融合了网格匹配统计约束能够快速的区分出网格区域内的正确匹配对和错误匹配对,并进行剔除和改进的对极约束模型能够快速剔除不满足对极约束的匹配对的优点,从而能够获得优质的匹配对,用时更少,匹配准确度更高。该方法能够适应不同大小复杂的场景,方法应用于视觉同步定位与建图,三维重构以及视觉跟踪等领域都会有不错的效果。
-
公开(公告)号:CN108536144A
公开(公告)日:2018-09-14
申请号:CN201810313574.2
申请日:2018-04-10
Applicant: 上海理工大学
IPC: G05D1/02
Abstract: 本发明公开一种融合稠密卷积网络和竞争架构的路径规划方法,其中移动机器人从经验回放存储器中采样mini-batch个转换信息,并按照预设规则从两个融合路径规划网络中选择一个作为在线网络,另一个则作为目标网络;通过预测的在线动作值函数Q(s,a;w)和对应贪婪动作,获取预测的目标动作值函数的最大值;根据预测的目标动作值函数的最大值和预测的在线动作值函数计算当前时间步上的损失函数;根据损失函数利用随机梯度下降法更新在线网络权重w。本发明通过融合稠密卷积网络和竞争架构组成了一个更加轻盈的融合路径规划网络,简化了模型参数,降低了训练开支,还缩短了规划时间,在一定程度上满足高速路径规划的需要。
-
公开(公告)号:CN107817469A
公开(公告)日:2018-03-20
申请号:CN201710970633.9
申请日:2017-10-18
Applicant: 上海理工大学
IPC: G01S5/14
CPC classification number: G01S5/145
Abstract: 本发明涉及一种基于非视距环境下超宽频测距实现室内定位方法,测试系统由被定位目标上的一个标签和n个基站组成,每个基站与标签之间通信采用超宽频传输技术,所有的基站安装在同一水平面上,被定位目标运动平面与基站平面要求定高,采用飞行时间TOF原理测距。根据多组测量距离信息与系统预测模型所估计出的距离信息进行比较,一方面通过测量距离与估计距离差值阈值进行是否为非视距测距数据的认定,另一方面,通过计算测量距离与估计距离差值在估计点对实际坐标偏移大小的阈值进行是否作为非视距测距数据的认定。两种判定方案共同决定距离数据是否为非视距测距数据,然后对非视距测量数据进行排除,再进行相应的定位运算,从而提高定位精度。
-
公开(公告)号:CN109034193A
公开(公告)日:2018-12-18
申请号:CN201810640255.2
申请日:2018-06-20
Applicant: 上海理工大学
CPC classification number: G06K9/629 , G06K9/4647 , G06T7/262 , G06T7/269 , G06T2207/10016 , G06T2207/20056 , G06T2207/20068 , G06T2207/20081
Abstract: 本发明涉及一种多特征融合与尺度自适应核相关滤波跟踪方法,获取目标的初始信息;获取目标区域的融合梯度直方图FHOG特征和降维后的颜色属性CN特征;通过线性融合的方式,把获取的31维FHOG特征、降维后的2维CN特征加上1维的灰度特征,融合后总共34特征作为最终的特征图谱;在得到融合特征图谱的基础上,利用核相关滤波器预测目标的平移位置;在预测平移位置后,通过添加尺度滤波器来预测目标的尺度变化;在预测目标平移位置和尺度变化后,通过线性插值方法来更新两个滤波模板,进行跟踪,直到最后一帧。通过这种特征融合与尺度滤波器结合的方式,该方法在目标跟踪过程的外观变形、尺度变化、光照变化、背景相似干扰等情况下有很好的鲁棒性。
-
-
-
-