-
公开(公告)号：CN111460941A
公开(公告)日：2020-07-28
申请号：CN202010206651.1
申请日：2020-03-23
Applicant: 南京智能高端装备产业研究院有限公司 , 南京师范大学
Abstract: 本发明提供了一种穿戴式导航装备中视觉导航特征点提取与匹配方法，包括：读取两帧原始图像，构建图像的高斯-拉普拉斯金字塔，生成高斯-拉普拉斯差分尺度空间；进行特征点检测，将局部极值点作为特征点提取出来；计算出特征点的方向；基于BRIEF算子生成特征点的描述符，对每个点对进行二进制赋值，形成一个二进制编码；基于前一步生成的描述子对两张图像进行特征点的匹配，测量前一帧图中的每一个特征点与后一帧图像中所有特征点的相似程度，将相似程度最大的匹配成一对；重复上一步匹配操作，直到两帧图像中的所有特征点匹配完成，这些匹配好的特征点对为视觉导航提供大量的基础信息，提高导航定位结果的稳定性、环境适应性及抗干扰性能。
-
公开(公告)号：CN110006444B
公开(公告)日：2020-09-22
申请号：CN201910215637.5
申请日：2019-03-21
Applicant: 南京师范大学 , 南京智能高端装备产业研究院有限公司
Abstract: 本发明公开了一种基于优化混合高斯模型的抗干扰视觉里程计构建方法，包括：读取采集连续视频帧序列图像，进行灰度化处理；对图像进行相似度判定，若结果为相似度较小则舍弃，直至判定结果为相似度较大；提取前n1帧相邻帧灰度图像中的特征点；对每个特征点建立混合高斯模型；利用混合高斯模型进行目标检测，得到有效特征点；将有效特征点作为初始数据，获得有效特征点在当前帧序列灰度图像中的位置坐标，获取后续帧灰度图像的有效特征点；将获得的相邻灰度图像间的有效特征点组成有效特征点对，估算相机的位置与运动轨迹；循环上述步骤，重新获取有效特征点并进行运动估计，直到所有的序列帧图像处理完毕，完成视觉里程计的构建。
-
公开(公告)号：CN111460941B
公开(公告)日：2023-06-09
申请号：CN202010206651.1
申请日：2020-03-23
Applicant: 南京智能高端装备产业研究院有限公司 , 南京师范大学
Abstract: 本发明提供了一种穿戴式导航装备中视觉导航特征点提取与匹配方法，包括：读取两帧原始图像，构建图像的高斯‑拉普拉斯金字塔，生成高斯‑拉普拉斯差分尺度空间；进行特征点检测，将局部极值点作为特征点提取出来；计算出特征点的方向；基于BRIEF算子生成特征点的描述符，对每个点对进行二进制赋值，形成一个二进制编码；基于前一步生成的描述子对两张图像进行特征点的匹配，测量前一帧图中的每一个特征点与后一帧图像中所有特征点的相似程度，将相似程度最大的匹配成一对；重复上一步匹配操作，直到两帧图像中的所有特征点匹配完成，这些匹配好的特征点对为视觉导航提供大量的基础信息，提高导航定位结果的稳定性、环境适应性及抗干扰性能。
-
公开(公告)号：CN110006444A
公开(公告)日：2019-07-12
申请号：CN201910215637.5
申请日：2019-03-21
Applicant: 南京师范大学 , 南京智能高端装备产业研究院有限公司
Abstract: 本发明公开了一种基于优化混合高斯模型的抗干扰视觉里程计构建方法，包括：读取采集连续视频帧序列图像，进行灰度化处理；对图像进行相似度判定，若结果为相似度较小则舍弃，直至判定结果为相似度较大；提取前n1帧相邻帧灰度图像中的特征点；对每个特征点建立混合高斯模型；利用混合高斯模型进行目标检测，得到有效特征点；将有效特征点作为初始数据，获得有效特征点在当前帧序列灰度图像中的位置坐标，获取后续帧灰度图像的有效特征点；将获得的相邻灰度图像间的有效特征点组成有效特征点对，估算相机的位置与运动轨迹；循环上述步骤，重新获取有效特征点并进行运动估计，直到所有的序列帧图像处理完毕，完成视觉里程计的构建。
-
公开(公告)号：CN115222884A
公开(公告)日：2022-10-21
申请号：CN202210830532.2
申请日：2022-07-15
Applicant: 南京智能高端装备产业研究院有限公司
IPC: G06T17/00 , G06T5/00 , G06T5/30 , G06T5/50 , G06T7/13 , G06T7/50 , G06T7/60 , G06T7/70 , G06T3/00 , G06V10/74 , G06V10/762 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种基于人工智能的空间对象分析及建模优化方法，其中空间对象分析包括边缘检测，轮廓检测和目标检测。通过对目标图像进行图像增强预处理，对图像进行反色，平滑，形态学去噪处理等操作，实现空间对象轮廓提取。采用Yolov3网络检测空间对象外围物体，完善模型外围信息，并获取相应模型参数。空间对象建模的优化方法包括基于图像识别的三维重建方法与基于激光扫描的三维重建方法，通过将两种方法所得模型与数据库数据结合，利用数字孪生技术进行数据融合，完成模型参数的优化，从而优化空间对象模型。本发明能够根据多个二维图像中的信息重建出三维模型并完成模型优化，提高了空间对象建模过程的准确度和建模效率。
-
Patent Agency Ranking
公开(公告)号：CN111970436A
公开(公告)日：2020-11-20
申请号：CN202010766338.3
申请日：2020-08-03
Applicant: 南京智能高端装备产业研究院有限公司
Abstract: 本发明提供了一种基于激光雷达技术的教学录播方法及系统，方法包括：通过教室内激光雷达扫描获得点云数据，并将点云数据传输至教学录播控制系统；教学录播控制系统根据点云数据划定教室边界，并根据教室边界定义教室区域；教学录播控制系统根据点云数据识别教室中站立的人的位置，并根据站立的人的位置确定人所在的区域；教学录播控制系统控制摄像头跟踪并采集站立的人的位置；教学录播控制系统根据站立的人所在区域控制录播主机主画面自动切换。而采用前述方法及系统，相对于现有技术，本发明提供的一种基于激光雷达技术的教学录播方法的稳定性高、移植性高，对教室的划分准确、对人物的定位速度快且准确度高。
-
公开(公告)号：CN111970436B
公开(公告)日：2022-03-15
申请号：CN202010766338.3
申请日：2020-08-03
Applicant: 南京智能高端装备产业研究院有限公司
Abstract: 本发明提供了一种基于激光雷达技术的教学录播方法及系统，方法包括：通过教室内激光雷达扫描获得点云数据，并将点云数据传输至教学录播控制系统；教学录播控制系统根据点云数据划定教室边界，并根据教室边界定义教室区域；教学录播控制系统根据点云数据识别教室中站立的人的位置，并根据站立的人的位置确定人所在的区域；教学录播控制系统控制摄像头跟踪并采集站立的人的位置；教学录播控制系统根据站立的人所在区域控制录播主机主画面自动切换。而采用前述方法及系统，相对于现有技术，本发明提供的一种基于激光雷达技术的教学录播方法的稳定性高、移植性高，对教室的划分准确、对人物的定位速度快且准确度高。
-
公开(公告)号：CN111401460B
公开(公告)日：2023-04-25
申请号：CN202010213305.6
申请日：2020-03-24
Applicant: 南京师范大学镇江创新发展研究院 , 南京师范大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/2413 , G06F18/232
Abstract: 本发明公开了一种基于限值学习的异常电量数据辨识方法。该方法首先通过异常电量数据分析得出异常电量数据的类型和鉴别算法；然后通过对OneClassSVM算法分析研究，对异常电量数据的鉴别限值进行学习，得到限值学习表，通过限值学习表校核历史数据的异常电量数据，接着通过分析基于密度的聚类算法DBSCAN算法校核历史数据中的离群值，实现基于限值学习的异常电量数据辨识；最后对同样基于密度的聚类算法LOF算法进行分析研究，结合两种基于密度的聚类算法进行实验，同时对多维数据进行离群值辨识，实现了基于密度聚类算法的多维电量数据离群值辨识。
-
公开(公告)号：CN111401460A
公开(公告)日：2020-07-10
申请号：CN202010213305.6
申请日：2020-03-24
Applicant: 南京师范大学镇江创新发展研究院 , 南京师范大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于限值学习的异常电量数据辨识方法。该方法首先通过异常电量数据分析得出异常电量数据的类型和鉴别算法；然后通过对OneClassSVM算法分析研究，对异常电量数据的鉴别限值进行学习，得到限值学习表，通过限值学习表校核历史数据的异常电量数据，接着通过分析基于密度的聚类算法DBSCAN算法校核历史数据中的离群值，实现基于限值学习的异常电量数据辨识；最后对同样基于密度的聚类算法LOF算法进行分析研究，结合两种基于密度的聚类算法进行实验，同时对多维数据进行离群值辨识，实现了基于密度聚类算法的多维电量数据离群值辨识。
-
公开(公告)号：CN111563452B
公开(公告)日：2023-04-21
申请号：CN202010371935.6
申请日：2020-05-06
Applicant: 南京师范大学镇江创新发展研究院 , 南京师范大学
IPC: G06V40/16 , G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于实例分割的多人体姿态检测及状态判别方法，包括：采集课堂视频的原始分帧图像；分割出学生个体和非学生个体，以不同颜色的掩码标注不同学生个体，同时进行姿态检测，提取出各学生人体姿态的关键点，并进行标注连接；对学生的听课状态进行具体判别，对学生脸部进行识别和定位，判断所有学生个体是否能检测到正面人脸，如果能，则初步说明该同学处于听课状态，并判断该同学是否处于举手状态；如果无法检测出人脸，则进一步判断其是否处于不听课状态。结合每个学生个体听课状态对学生听课效率进行评估。本发明为实现学生听课状态的判别与分析提供解决方法，具有可实时识别，识别精度高，抗复杂环境干扰性强等优点。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.058 seconds)
