-
公开(公告)号：CN111862200B
公开(公告)日：2023-04-28
申请号：CN202010607883.8
申请日：2020-06-30
申请人： 同济大学
摘要： 本发明涉及一种煤棚内无人机定位方法，包括步骤1：获得先验视觉标签地图；步骤2：对SLAM系统进行初始化；步骤3：求解相机位姿并同时更新地图，然后去除地图中的冗余关键帧和冗余地图点；步骤4：对步骤3求解的相机位姿进行优化，获得最终的相机姿态系统，所述的相机姿态系统包括相机位姿、视觉标签位姿和地图点空间位置。与现有技术相比，本发明具有定位精度高等优点。
-
公开(公告)号：CN111862200A
公开(公告)日：2020-10-30
申请号：CN202010607883.8
申请日：2020-06-30
申请人： 同济大学
摘要： 本发明涉及一种煤棚内无人机定位方法，包括步骤1：获得先验视觉标签地图；步骤2：对SLAM系统进行初始化；步骤3：求解相机位姿并同时更新地图，然后去除地图中的冗余关键帧和冗余地图点；步骤4：对步骤3求解的相机位姿进行优化，获得最终的相机姿态系统，所述的相机姿态系统包括相机位姿、视觉标签位姿和地图点空间位置。与现有技术相比，本发明具有定位精度高等优点。
-
公开(公告)号：CN111857167A
公开(公告)日：2020-10-30
申请号：CN202010607205.1
申请日：2020-06-30
申请人： 同济大学
摘要： 本发明涉及一种基于单线激光数据椭圆拟合的引水涵洞内无人机定位方法，包括：构建引水涵洞模型；获取无人机采集的高度信息、原始姿态数据以及单线激光数据；通过无人机采集的高度信息获得无人机在引水涵洞模型中的位置坐标数据，同时对单线激光数据进行预处理；对单线激光数据进行椭圆拟合，求解拟合后的椭圆参数；求解拟合椭圆的外接圆柱体；通过外接圆柱体求解无人机在引水涵洞中的计算姿态数据；将原始姿态数据与计算姿态数据进行融合，获得优化后的无人机姿态数据；根据无人机的位置坐标数据以及优化后的无人机姿态数据获得无人机在引水涵洞中的精确定位。与现有技术相比，本发明具有能够实现引水涵洞内无人机的高精度定位等优点。
-
公开(公告)号：CN111724352B
公开(公告)日：2022-11-15
申请号：CN202010480388.5
申请日：2020-05-30
申请人： 同济大学
IPC分类号： G06T7/00 , G06T5/00 , G06V10/764 , G06V10/774 , G06V10/30
摘要： 本发明涉及一种基于核密度估计的贴片LED瑕疵标注方法，包括：步骤1：获得贴片LED图像；步骤2：建立基于核密度估计的分类器模型；步骤3：使用分类器模型对图像进行分类，判断图像是否为瑕疵类图像，若是，则执行步骤4，否则，将图像直接输出为非瑕疵类图像；步骤4：分别对瑕疵类图像中的瑕疵类像素点和非瑕疵类像素点进行标注；步骤5：对标注后的图像进行去噪处理，获得经过精细化标注的瑕疵类图像。与现有技术相比，本发明具有复杂度低、处理速度快、标注更加精细、实用性强等优点。
-
公开(公告)号：CN111857167B
公开(公告)日：2023-08-29
申请号：CN202010607205.1
申请日：2020-06-30
申请人： 同济大学
摘要： 本发明涉及一种基于单线激光数据椭圆拟合的引水涵洞内无人机定位方法，包括：构建引水涵洞模型；获取无人机采集的高度信息、原始姿态数据以及单线激光数据；通过无人机采集的高度信息获得无人机在引水涵洞模型中的位置坐标数据，同时对单线激光数据进行预处理；对单线激光数据进行椭圆拟合，求解拟合后的椭圆参数；求解拟合椭圆的外接圆柱体；通过外接圆柱体求解无人机在引水涵洞中的计算姿态数据；将原始姿态数据与计算姿态数据进行融合，获得优化后的无人机姿态数据；根据无人机的位置坐标数据以及优化后的无人机姿态数据获得无人机在引水涵洞中的精确定位。与现有技术相比，本发明具有能够实现引水涵洞内无人机的高精度定位等优点。
-
公开(公告)号：CN111915632A
公开(公告)日：2020-11-10
申请号：CN202010726969.2
申请日：2020-07-26
申请人： 同济大学
摘要： 本发明涉及一种基于机器学习的贫纹理目标物体真值数据库构建方法，包括步骤1：获取贫纹理目标物体的图像数据集以及目标物体的三维模型；步骤2：提取图像数据集中各图像的图像边缘以及三维模型中的边缘光栅点；步骤3：计算图像数据集中各图像的DCM张量，并构建方向倒角距离误差函数；步骤4：获得粗分类初始位姿；步骤5：使用目标追踪子方法获得优化后的初始位姿；步骤6：使用优化后的初始位姿以及相机投影模型，使用目标追踪子方法获得图像数据集中各图像的优化位姿；步骤7：获取目标物体的真值；步骤8：使用目标物体的真值构建真值数据库。与现有技术相比，本发明具有精度高、速度快、目标物体数据更加全面以及目标数据库制作灵活等优点。
-
-
公开(公告)号：CN111915632B
公开(公告)日：2024-04-26
申请号：CN202010726969.2
申请日：2020-07-26
申请人： 同济大学
IPC分类号： G06T7/13 , G06T7/20 , G06T7/90 , G06T7/70 , G06T17/00 , G06V10/764 , G06V10/774 , G06T5/70
摘要： 本发明涉及一种基于机器学习的贫纹理目标物体真值数据库构建方法，包括步骤1：获取贫纹理目标物体的图像数据集以及目标物体的三维模型；步骤2：提取图像数据集中各图像的图像边缘以及三维模型中的边缘光栅点；步骤3：计算图像数据集中各图像的DCM张量，并构建方向倒角距离误差函数；步骤4：获得粗分类初始位姿；步骤5：使用目标追踪子方法获得优化后的初始位姿；步骤6：使用优化后的初始位姿以及相机投影模型，使用目标追踪子方法获得图像数据集中各图像的优化位姿；步骤7：获取目标物体的真值；步骤8：使用目标物体的真值构建真值数据库。与现有技术相比，本发明具有精度高、速度快、目标物体数据更加全面以及目标数据库制作灵活等优点。
-
-
公开(公告)号：CN111724353A
公开(公告)日：2020-09-29
申请号：CN202010480396.X
申请日：2020-05-30
申请人： 同济大学
摘要： 本发明涉及一种基于One-Class SVM的贴片LED瑕疵标注方法，步骤1：获取贴片LED图像；步骤2：建立分类器模型；步骤3：使用分类器模型中的One-Class SVM分别对测试图像的像素点进行检测，对测试图像进行分类，分类器模型判断图像是否为瑕疵类图像，若是，则执行步骤4，否则，将图像直接输出为非瑕疵类图像；步骤4：分别对瑕疵类像素点和非瑕疵类像素点进行标注；步骤5：对标注后的瑕疵类图像进行去噪处理，获得经过精细化标注的瑕疵类图像。与现有技术相比，本发明具有复杂度低、处理速度快、标注更加精细、实用性强等优点。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.027 秒)
