-
公开(公告)号：CN118368456A
公开(公告)日：2024-07-19
申请号：CN202410520647.0
申请日：2024-04-28
申请人： 国网江苏省电力有限公司常州供电分公司
IPC分类号： H04N21/2662 , H04N21/466
摘要： 本发明涉及多媒体通信技术领域，具体涉及一种融合深度强化学习及启发式方法视频码率自适应决策方法。本发明包括如下步骤：S1、视频采集与编码；S2、传统启发式方法黑盒化；S3、特征融合与决策；S4、视频发送与接收；S5、状态记录与策略更新；S6、迭代优化。本发明在融合方式和深度强化学习模块的神经网络的更新策略两方面对Loki进行优化；相比原有的Loki方案，本发明在应用层具有更低的延迟和卡顿，而且维持与Loki相当的发送比特率；相比于原有的Loki方案，本发明的模型更能实时跟踪响应带宽变化，提高了在面对未知网络环境时融合模型的灵敏度，更广泛的适用于当今复杂多变的网络环境。
-
公开(公告)号：CN117994504B
公开(公告)日：2024-07-02
申请号：CN202410396087.2
申请日：2024-04-03
申请人： 国网江苏省电力有限公司常州供电分公司
摘要： 本发明涉及检测技术领域，提供一种目标检测方法、目标检测装置，所述方法包括：将全景图像均匀分割成预设数量的网格单元，将存在黑色区域的网格单元标记为目标网格单元；获取视场的点云数据，当激光雷达的轴线对准目标网格单元时控制激光雷达对目标网格单元进行两次扫描，将激光雷达两次扫描的点云数据进行融合；采用图像的语义分割结果对点采样处理后的点云数据进行涂抹融合；将涂抹融合后的点云数据输入基于点云的目标检测网络。本发明针对激光雷达检测到的点云数据中黑色物体所在区域进行了优化，可以使激光雷达能更准确检测到黑色物体，从而能获得更完整、准确的视场点云数据，将且全景图像与点云数据进行融合，大大提升了目标的检测精度。
-
公开(公告)号：CN117455996A
公开(公告)日：2024-01-26
申请号：CN202311488030.7
申请日：2023-11-09
申请人： 国网江苏省电力有限公司常州供电分公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司双创中心 , 国家电网有限公司
IPC分类号： G06T7/73 , G06T7/80 , G06V10/26 , G06V10/143 , G06V10/10 , G06V10/24 , G06V10/80 , G06V20/52
摘要： 本发明实施例公开了一种基于异源相机的目标位置检测方法、装置、设备及介质。该方法包括：基于设定标定板对异源相机进行标定，获得标定结果；所述异源相机包括红外相机及可见光相机；根据所述标定结果对异源相机采集的目标场景的红外图像及可见光图像进行校正；将所述红外图像和所述可见光图像分别输入目标分割模型，获得红外目标分割结果图及可见光目标分割结果图；根据所述红外目标分割结果图及可见光目标分割结果图确定所述目标场景中的目标位置。基于红外相机及可见光相机实现目标位置的检测，可以提高目标位置检测的效率及精度。
-
公开(公告)号：CN116912890A
公开(公告)日：2023-10-20
申请号：CN202311181446.4
申请日：2023-09-14
申请人： 国网江苏省电力有限公司常州供电分公司
IPC分类号： G06V40/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T3/40
摘要： 本发明涉及变电站治理技术领域，提供一种变电站鸟类检测方法和装置，所述方法包括以下步骤：采集变电站区域的视频数据并从视频数据中截取帧图像，其中，帧图像包括当前帧、短期帧和长期帧；对帧图像进行图像增强，获得相应的超分辨率图像；采用检测器网络对超分辨率图像进行特征提取、增强和聚合，得到聚合特征，并基于聚合特征进行鸟类检测。本发明能够有效解决视频数据噪声较多、分辨率较低、细节模糊等问题，从而提高鸟类检测的精度。
-
公开(公告)号：CN118443047A
公开(公告)日：2024-08-06
申请号：CN202410623512.7
申请日：2024-05-20
申请人： 国网江苏省电力有限公司常州供电分公司
IPC分类号： G01C21/34
摘要： 本发明涉及导航技术领域，提供一种移动机器人导航方法、系统、设备及存储介质，移动机器人导航方法包括：获取移动机器人的当前位置、速度及目标位置，并通过激光雷达传感器采集传感器信息；将当前位置、速度、目标位置及传感器信息输入至预设深度分层强化学习的无地图场景导航模型中，得到机器人行驶动作信息，其中，预设深度分层强化学习的无地图场景导航模型包括高层目标选择子模型和低层避障控制子模型；基于机器人行驶动作信息控制移动机器人行驶至目标位置。本发明能够降低导航模型的构建时间且泛化性好，从而能够实现复杂大范围未知环境下的移动机器人导航，提高移动机器人的导航性能。
-
公开(公告)号：CN117475153A
公开(公告)日：2024-01-30
申请号：CN202311496709.0
申请日：2023-11-09
申请人： 国网江苏省电力有限公司常州供电分公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司双创中心 , 国家电网有限公司
摘要： 本发明实施例公开了一种运动目标的分割方法、装置、设备及存储介质。包括：基于当前帧的可见光图像和上一帧的可见光图像生成光流图；对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取，获得多个尺度的多模态特征；对所述多个尺度的多模态特征进行融合，获得至少一个融合特征；根据所述至少一个融合特征确定运动目标的分割结果。本发明实施例提供的运动目标的分割方法，将光流图和可见光图进行多尺度特征提取后进行融合，以获得运动目标的分割结果，提高运动目标的分割精度。
-
公开(公告)号：CN117293698A
公开(公告)日：2023-12-26
申请号：CN202311462740.2
申请日：2023-11-06
申请人： 国网江苏省电力有限公司常州供电分公司
IPC分类号： H02B3/00
摘要： 本发明涉及无人机巡检系统的技术领域，提供了一种基于无人机的变电站安全巡检系统，包括无人机仓库、地面控制站、巡检模式选择终端和变电站安全预警终端；无人机仓库用于为无人机提供停机和维护的位置；巡检模式选择终端用于根据变电站框架信息和无人机管理信息选择巡检模式；地面控制站用于根据巡检模式控制无人机进行变电站安全巡检；变电站安全预警终端用于接收并分析来自无人机拍摄的变电站图像信息和检测点图像信息，生成变电站安全预警信息。本发明具有提高系统对变电站进行变电站安全巡检的质量的效果。
-
公开(公告)号：CN116912890B
公开(公告)日：2023-11-24
申请号：CN202311181446.4
申请日：2023-09-14
申请人： 国网江苏省电力有限公司常州供电分公司
IPC分类号： G06V40/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T3/40
摘要： 本发明涉及变电站治理技术领域，提供一种变电站鸟类检测方法和装置，所述方法包括以下步骤：采集变电站区域的视频数据并从视频数据中截取帧图像，其中，帧图像包括当前帧、短期帧和长期帧；对帧图像进行图像增强，获得相应的超分辨率图像；采用检测器网络对超分辨率图像进行特征提取、增强和聚合，得到聚合特征，并基于聚合特征进行鸟类检测。本发明能够有效解决视频数据噪声较多、分辨率较低、细节模糊等问题，从而提高鸟类检测的精度。
-
公开(公告)号：CN118500254A
公开(公告)日：2024-08-16
申请号：CN202410566393.6
申请日：2024-05-09
申请人： 国网江苏省电力有限公司常州供电分公司 , 国网江苏省电力有限公司双创中心 , 国网江苏省电力有限公司
摘要： 本发明提供了一种变电站隐患目标尺寸测量方法和系统，该测量方法包括：对激光雷达和左目相机进行外参标定以获取相应的第一外参矩阵，以及对左目相机和右目相机进行外参标定以获取相应的第二外参矩阵；获取实例分割模型，并通过实例分割模型对左目图像进行实例分割，以及根据实例分割结果获取变电站的隐患目标图像；采用双目视觉测量原理根据隐患目标图像和第二外参矩阵计算隐患目标图像中的隐患目标到左目相机和右目相机之间的平均距离；根据隐患目标对应的激光雷达点云信息获取隐患目标相对激光雷达的第一深度信息；根据第一深度信息和第一外参矩阵对平均距离进行优化以获取隐患目标的优化深度信息；根据优化深度信息获取隐患目标的尺寸信息。
-
公开(公告)号：CN118333857A
公开(公告)日：2024-07-12
申请号：CN202410481424.8
申请日：2024-04-22
IPC分类号： G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/80 , G06V10/52
摘要： 本发明涉及电力图像处理技术领域，具体涉及一种轻量级多尺度图像超分辨率重建方法。其包括如下步骤：S1、采集到的图像进行预处理，将其分别划分为训练集、验证集与测试集；S2、将经过预处理的低分辨率图像输入网络中，进行浅层特征信息提取，得到浅层信息，在初始阶段获取图像的基础特征；S3、引入多尺度特征信息提取方法优化网络的效率和性能；S4、基于全局语义信息捕捉模块，获取全局语义信息；S5、将采集到的图像浅层特征信息与多尺度特征信息进行融合，实现超分辨率重建。其成功缓解传统图像超分辨率重建方法计算复杂度高，参数量大的问题，引入综合多尺度模块，在降低计算复杂度和参数量的同时，实现对图像超分辨率的高效重建。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.049 秒)
