-
公开(公告)号：CN118129740A
公开(公告)日：2024-06-04
申请号：CN202410161033.8
申请日：2024-02-05
Applicant: 中国人民解放军火箭军工程大学 , 西安交通大学
Abstract: 本申请公开了一种飞行器惯性视觉组合导航方法及系统，涉及导航技术领域。其中方法包括：获取惯性数据和视觉数据；建立位姿方程；求解位姿方程，在求解过程中首先将位姿方程转换为带非线性约束的超定亏秩线性方程组，对超定亏秩线性方程组进行降维，得到超定亏秩线性方程组的近似解，然后将位姿方程转换为无约束优化方程，以近似解为初始迭代点对无约束优化方程进行求解，获得无约束优化方程的最优解，即相机的位姿。本申请利用惯性测量系统提供的数据得到了位姿优化数据，然后采用几何‑非线性局部算法获得近似解，以此近似解为初始点，采用非线性牛顿局部优化算法获得最优解，大大提高了导航定位的速度和准确性。
-
公开(公告)号：CN117968676A
公开(公告)日：2024-05-03
申请号：CN202410160947.2
申请日：2024-02-05
Applicant: 中国人民解放军火箭军工程大学 , 西安交通大学
Abstract: 本申请公开了一种飞行器视觉导航方法、系统及计算机存储介质，涉及导航技术领域。其中方法包括：获取不同时刻的视觉测量图像；提取图像中匹配的特征点；建立含约束的位姿方程；求解位姿方程，获得图像之间的旋转矩阵；在求解位姿方程时，如果位姿方程有解，将位姿方程转换为带球约束的线性方程组，利用线性方程组中直线和约束球的几何特征求解线性方程组，获得位姿方程的解，如果位姿方程无解，采用全局搜索和局部搜索相结合的非线性搜索算法求解位姿方程，获得位姿方程的最优解；根据旋转矩阵确定摄像机的位姿。采用本申请的方法，可以提高导航定位过程的实时性。
-
公开(公告)号：CN117611673A
公开(公告)日：2024-02-27
申请号：CN202311675508.7
申请日：2023-12-07
Applicant: 中国人民解放军火箭军工程大学 , 西安交通大学
Abstract: 本公开实施例提供的图像辅助的单目视觉SLAM初始化方法及装置，涉及电子信息技术领域，能够解决视觉SLAM技术无法为无人机提供地理定位信息的问题。具体技术方案为：首先根据预设规则选择一帧飞行装置的航拍图像，再根据飞行装置的地理坐标提取含有地理定位信息的卫星图像，再根据图像匹配算法计算航拍图像与卫星图像的特征匹配关系，再根据预设算法以及特征匹配关系计算位姿矩阵及特征点在相机坐标系的深度，再根据位姿矩阵和相机投影模型将特征点转换为地理坐标系的三维地图点，最后根据位姿矩阵和三维地图点构建SLAM初始化地图完成初始化。
-
公开(公告)号：CN113535996B
公开(公告)日：2023-08-04
申请号：CN202110584183.6
申请日：2021-05-27
Applicant: 中国人民解放军火箭军工程大学 , 西安交通大学
IPC: G06F16/51 , G06F16/29 , G06F16/587 , G06F17/16
Abstract: 本发明公开了一种基于航拍图像的道路图像数据集制备方法，所述方法包括：获取预设道路区域内的航拍图像集合和原始卫星图像，其中，所述航拍图像集合中包括多帧航拍图像，所述原始卫星图像对应有原始路网栅格图像；对每帧航拍图像与所述原始卫星图像进行第一投影操作，以得到第一卫星图像；对每帧航拍图像与所述原始路网栅格图像进行第二投影操作，以得到每帧航拍图像对应的目标路网栅格图像；将每帧航拍图像，以及所述每帧航拍图像对应的目标路网栅格图像，确定为一组目标道路图像数据，以得到目标道路图像数据集。本发明能够提高道路图像数据集制备的精度和效率。
-
公开(公告)号：CN117705117A
公开(公告)日：2024-03-15
申请号：CN202311714100.6
申请日：2023-12-13
Applicant: 中国人民解放军火箭军工程大学 , 西安交通大学
IPC: G01C21/20
Abstract: 本公开实施例提供的基于地表语义特征匹配的目标定位方法及装置，涉及电子信息技术领域，能够解决现有技术方案中激光测距测量距离受限、时间长、成功率低，以及不能同时对多个目标进行地理定位的问题。具体技术方案为：根据预设算法从飞行装置的航拍图像中检测识别目标，并根据图像特征提取算法提取航拍图像的地表语义特征，并根据提取的航拍图像的地表语义特征在参考基准图像数据库中进行匹配，数据库中包含参考基准图像的地表语义特征以及参考基准图像中地表地物的地理定位信息，再根据匹配结果获取航拍图像中地表地物的地理定位信息，最后根据航拍图像中地表地物的地理定位信息以及惯性导航系统定位目标。
-
Patent Agency Ranking
公开(公告)号：CN113535996A
公开(公告)日：2021-10-22
申请号：CN202110584183.6
申请日：2021-05-27
Applicant: 中国人民解放军火箭军工程大学 , 西安交通大学
IPC: G06F16/51 , G06F16/29 , G06F16/587 , G06F17/16
Abstract: 本发明公开了一种基于航拍图像的道路图像数据集制备方法，所述方法包括：获取预设道路区域内的航拍图像集合和原始卫星图像，其中，所述航拍图像集合中包括多帧航拍图像，所述原始卫星图像对应有原始路网栅格图像；对每帧航拍图像与所述原始卫星图像进行第一投影操作，以得到第一卫星图像；对每帧航拍图像与所述原始路网栅格图像进行第二投影操作，以得到每帧航拍图像对应的目标路网栅格图像；将每帧航拍图像，以及所述每帧航拍图像对应的目标路网栅格图像，确定为一组目标道路图像数据，以得到目标道路图像数据集。本发明能够提高道路图像数据集制备的精度和效率。
-
公开(公告)号：CN119273549A
公开(公告)日：2025-01-07
申请号：CN202411277258.6
申请日：2024-09-12
Applicant: 西安交通大学
IPC: G06T3/4076 , G06T3/4046 , G06T5/70 , G06N3/045 , G06N3/0464
Abstract: 本申请公开了一种基于空间超分增强的高光谱生成方法及装置，包括：利用插值技术对预处理后的高光谱图像进行上采样，使用裁剪技术从上采样后的高光谱图像中裁剪出多个训练块，并生成训练样本；从每个训练块中提取三个波段，并将其组合成RGB图像；构建生成模型；其中，所述生成模型包括DSRNet模型和矩形引导注意力网络；为超高分辨率高光谱图像设置生成条件；获取训练样本作为训练集；使用训练集对生成模型进行迭代训练，获得最终生成模型；其中，所述最终生成模型用于响应于多种生成条件，以生成符合生成条件的高光谱图像。解决了如何实现高质量、高多样性且可控的高光谱图像生成的问题。
-
公开(公告)号：CN119206270A
公开(公告)日：2024-12-27
申请号：CN202411465219.9
申请日：2024-10-21
Applicant: 西安交通大学
IPC: G06V10/75 , G06V10/44 , G06V10/46 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10 , G06V20/13 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本申请公开了一种基于元学习的遥感图像匹配方法及装置，该方法包括：从已有的数据集中选择第一预设数量的图像对，并在每对图像上进行显著区域点的配对标注，使每对图像上都具有第二预设数量的匹配对，以构建元数据集；从已有的数据集中对每个图像对中的一幅图像执行变换操作，以构建粗标注数据集；构建特征配对网络和显著性判断网络；通过不同的数据集迭代执行双层优化步骤，直至特征配对网络和显著性判断网络的近似最优参数值不再显著变化或达到预设迭代次数，以获得对应的最优参数值。解决了传统特征提取算子难以有效提取出异源遥感图像之间具有显著性的特征，并且难以应对复杂多变的实际应用场景的问题。
-
公开(公告)号：CN112487999B
公开(公告)日：2024-06-14
申请号：CN202011391148.4
申请日：2020-12-02
Abstract: 本发明公开了一种基于CycleGAN的遥感图像鲁棒特征提取方法，包括：利用经训练的CycleGAN生成对抗网络对原始遥感图像进行风格迁移，生成具有标准地图风格的图像；利用RCF网络对所生成的具有标准地图风格的图像进行边缘特征提取，获得特征图像；采用结构相似度对所述特征图像进行图像质量评估。该遥感图像鲁棒特征提取方法通过CycleGAN的网络进行图像风格迁移，将自然得到的可见光遥感图像转换为具有标准地图风格的图片，再进行边缘特征提取，有效提高了遥感图像边缘特征提取的精度和准确度。通过对不同光照条件下的遥感图像进行测试，证明该遥感图像鲁棒特征提取方法能够有效完成对不同光照条件下遥感图像的鲁棒特征提取。
-
公开(公告)号：CN118038276A
公开(公告)日：2024-05-14
申请号：CN202410334777.5
申请日：2024-03-22
Applicant: 西安交通大学
IPC: G06V20/10 , G06V10/20 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本申请公开了一种用于遥感图像变化检测的大模型适应方法及装置，包括：构建基础模型；计算基础模型中的多头自注意力机制；使用相同的基础模型同时对完成特征输入的图像进行特征提取；构建变化检测模型，并对完成提取特征步骤的图像进行缩放操作使其与预训练的模型相匹配；将变化检测模型的主干网络提取的完成缩放操作的图像的特征送入解码器，将低分辨率的图像特征恢复至原始图像大小，并输出不同变化种类的概率图；在基础模型与变化检测模型之间执行构建桥接模块步骤；执行基本块模型的训练步骤和测试步骤，从而获得最终预测结果。解决了现有的方法在处理大规模遥感图像数据时存在计算量大、耗时长的缺点，难以满足实时变化检测的需求的问题。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.055 seconds)
