-
公开(公告)号：CN112183675A
公开(公告)日：2021-01-05
申请号：CN202011247293.5
申请日：2020-11-10
申请人： 武汉工程大学
摘要： 本发明公开了一种基于孪生网络的针对低分辨率目标的跟踪方法，首先直接对多个低分辨率输入视频帧进行特征提取，并进行多维特征通道融合，接着，为了避免网络中产生零梯度而丢失视频的重要信息，采用参数线性纠正单元作为激活函数，采用更小的滤波器尺寸调整网络结构以进行多层映射；最后，在网络末端添加反卷积层上采样得到重建视频帧。通过对多个标注好的视频帧序列进行预处理构建训练样本，构建跟踪孪生网络，定义损失函数并进行训练，得到训练后跟踪孪生网络；组合重建超分视频帧的精简卷积神经网络和跟踪孪生网络，对图像序列进行跟踪，得到相似度分数矩阵，通过矩阵中最大值计算出目标的位置坐标。本发明提高了在低分辨率环境下的跟踪精度。
-
公开(公告)号：CN112465858A
公开(公告)日：2021-03-09
申请号：CN202011454498.0
申请日：2020-12-10
申请人： 武汉工程大学
摘要： 本发明公开了一种基于概率网格滤波的语义视觉SLAM方法，包括步骤：使用摄像机传感器依次采集场景的RGB图像，并对采集的图像进行ORB特征点提取、超点分割和语义分割；创建并初始化概率网格；计算特征点在上下帧间的匹配信息，并使用匹配信息将上帧中网格概率传播到相应下帧概率网格中，完成概率网格更新；对其匹配点进行运动一致性检查，更新概率网格的运动状态；根据更新后的概率网格，使用贝叶斯概率公式更新当前概率网格的属性，并创建动态区域的掩膜；根据提取的ORB特征点，使用动态区域的掩膜进行滤波，删除概率较高的动态特征点；将保留的特征点用于跟踪、局部建图和回环检测，最终实现概率网格增强语义视觉SLAM。
-
公开(公告)号：CN112463340A
公开(公告)日：2021-03-09
申请号：CN202011456701.8
申请日：2020-12-10
申请人： 武汉工程大学
摘要： 本发明公开了一种基于tensorflow的多任务弹性调度方法及系统，其中方法包括以下步骤：利用任务管理系统对进入集群中的任务进行预处理，允许集群中存在多个任务同时进行；从任务管理系统的配置文件中获取集群中所有GPU资源数量，利用可用GPU数量为训练任务划分数据集，将每部分数据集划分到指定GPU；在每个GPU上为任务弹性分配显存资源，弹性扩展空闲GPU以提升训练速度；在每部分数据集上完成梯度下降，获得每部分的当前梯度；利用群集间的通信将梯度进行累加得到当前的总梯度；将总梯度广播至每个GPU，再进行下一次梯度下降。本发明能够弹性的调度多任务进入到集群中，利用集群已有资源高效的完成分布式计算。
-
公开(公告)号：CN112183675B
公开(公告)日：2023-09-26
申请号：CN202011247293.5
申请日：2020-11-10
申请人： 武汉工程大学
IPC分类号： G06V20/40 , G06V10/774 , G06N3/04
摘要： 本发明公开了一种基于孪生网络的针对低分辨率目标的跟踪方法，首先直接对多个低分辨率输入视频帧进行特征提取，并进行多维特征通道融合，接着，为了避免网络中产生零梯度而丢失视频的重要信息，采用参数线性纠正单元作为激活函数，采用更小的滤波器尺寸调整网络结构以进行多层映射；最后，在网络末端添加反卷积层上采样得到重建视频帧。通过对多个标注好的视频帧序列进行预处理构建训练样本，构建跟踪孪生网络，定义损失函数并进行训练，得到训练后跟踪孪生网络；组合重建超分视频帧的精简卷积神经网络和跟踪孪生网络，对图像序列进行跟踪，得到相似度分数矩阵，通过矩阵中最大值计算出目标的位置坐标。本发明提高了在低分辨率环境下的跟踪精度。
-
公开(公告)号：CN112966542A
公开(公告)日：2021-06-15
申请号：CN202011454449.7
申请日：2020-12-10
申请人： 武汉工程大学
摘要： 本发明公开了一种基于激光雷达的SLAM系统和方法，该系统包括：点云处理模块，用于进行地面提取，点云分割，特征提取；里程计优化模块，用于进行标签匹配，L‑M优化；闭环检测模块，用于采用描述符网络进行点云段匹配；全局位姿和地图优化模块，当闭环检测模块检测到闭环出现时，系统后端全局位姿优化，能够消除大部分的累计误差，精确逼近地面真实情况。本发明对激光雷达点云数据进行处理，通过配准平面点和边缘点优化激光雷达里程计的估计值，再耦合上闭环检测模块进行全局位姿和地图的优化。提高定位精度和建图准确性。
-
-
-
-
搜索结果
5 条记录 (耗时 0.025 秒)
