-
公开(公告)号：CN118293914A
公开(公告)日：2024-07-05
申请号：CN202410410938.4
申请日：2024-04-07
申请人： 西安电子科技大学广州研究院
IPC分类号： G01C21/16 , G06T7/246 , G06T7/269 , G06T7/579 , G06T7/593 , G06T7/73 , G06T7/80 , G01C22/00 , G01C25/00
摘要： 本发明公开了基于非线性优化的移动机器人多传感器融合定位方法，包括以下步骤：S1、以两轮差速驱动移动底盘、车轮编码器、双目相机和IMU硬件建立移动机器人坐标系统，采集移动机器人运动时的数据；S2、以开源VINS框架VINS‑Fusion为基础，构建用于移动机器人坐标系统的数据处理软件，并在VINS‑Fusion的基础上增加轮速里程计数据处理功能；本申请所提出的视觉‑惯性‑轮速紧耦合的里程计定位系统，克服了目前视觉‑惯性融合定位系统在弱纹理以及视觉特征不稳定情况下的定位能力不足的问题，能够有效地对IMU‑轮速里程计的外参、时间偏置以及轮速里程计内参进行在线标定，并且在车轮打滑、相机受到遮挡的异常情况下仍能维持可用的定位。
-
公开(公告)号：CN113947612B
公开(公告)日：2024-03-29
申请号：CN202111139846.X
申请日：2021-09-28
申请人： 西安电子科技大学广州研究院
IPC分类号： G06T7/136 , G06T7/194 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/0475 , G06N3/084
摘要： 本发明提供了一种基于前景背景分离网络的视频异常检测方法，解决了在实际中大多数异常事件出现在前景中，现有技术没有区分前景和背景导致不能充分学习正常事件的模式，从而异常事件检测精度不足的问题。实现步骤为：(1)利用主成分分析(PCA)技术提取视频帧的背景图像和前景图像作为groundtruth；(2)基于卷积神经网络构建一个前景背景分离网络；(3)对前景背景分离网络进行迭代训练，得到一个能准确分离视频帧中正常事件的前景和背景，而无法准确分离异常事件的前景和背景的分离器，同时在这个过程中利用光流作为前景的边缘轮廓信息辅助任务执行；(4)根据分离结果与groundtruth的差异进行视频异常检测。
-
公开(公告)号：CN116596293B
公开(公告)日：2024-02-23
申请号：CN202310880659.X
申请日：2023-07-18
申请人： 西安电子科技大学广州研究院
IPC分类号： G06Q10/0633 , G06N3/126 , G06Q50/04
摘要： 本发明公开了基于遗传算法的分布式全流程作业车间调度方法及终端，涉及车间调度技术领域，其通过双层编码的方式将全流程作业在车间的调度流程转化为数学模型，再基于多种群求解多目标问题的遗传算法以同时优化产品的最大完成时间和机器的总运行成本，每个种群中的个体分别优化一个目标，并利用外部存档中保存的非支配解来引导个体的进化，同时利用局部搜索策略对现有的非支配解进行扰动以提升解的精度和提升算法的收敛性，最终得到多个综合考虑了产品的完成时间和机器运行的成本这两个目标的最优调度方案。解决了现有技术中综合考虑三个阶段调度生产的分布式全流程车间调度问题中存在的NP问题。
-
公开(公告)号：CN113673462B
公开(公告)日：2023-12-19
申请号：CN202110992052.1
申请日：2021-08-27
申请人： 西安电子科技大学广州研究院 , 京信智能科技(广州)有限公司
IPC分类号： G06T7/73 , G06V20/58 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/56 , G06V10/82 , G06T7/80 , G06T3/00 , G06T3/40 , G06T5/50
摘要： 本发明提供了一种基于车道线的物流AGV定位方法，采用多个鱼眼相机来拼接鸟瞰图，借助语义分割获取准确的、尺度确定的车道线信息；借助激光定位信息来构建全局一致的车道线地图；参考视觉SLAM中的直接法来构建实时的全局定位系统。IMU和轮速计将给出每帧姿态的先验，该先验可以加快姿态优化问题的收敛，该先验姿态可以在仅有单向车道的退化情形给出一个纵向的约束，来补偿丢失的自由度；由于IMU和轮速计存在一定的漂移误差，因此设计了一个有效的退化误差修正策略。本发明的定位方案可以在避免环境改造的前提下，在货物流动大的线边仓中胜任实时定位的任务，在退化场景有限的环境中，本发明的定位精度与主流的激光定位相仿。
-
公开(公告)号：CN115797647B
公开(公告)日：2023-09-08
申请号：CN202211426267.8
申请日：2022-11-14
申请人： 西安电子科技大学广州研究院
摘要： 本发明涉及目标跟踪技术领域，具体的说是一种嵌入式开放环境下的目标稳定跟踪方法，包括跟踪模块、检测模块、学习模块和综合模块，且跟踪模块使用KCF算法为主体，通过Dimp算法的后端状态判断与前后向跟踪方法相结合，检测模块根据硬件能力和使用需求，进行一部分裁剪和优化，学习模块达到实时更新模板与正负样本，达到实时长时跟踪，综合模块将跟踪与检测模块信息进行综合判断输出，实现了在GPU/NPU嵌入式开放平台，进行多线程部署的基于跟踪检测学习框架融合相关滤波的目标跟踪方法，并针对目标记忆状态进的判定，解决了基于嵌入式系统下目标跟踪任务中存在相似目标遮挡、目标形变、光照变化、尺度变化、视场抖动、强实时性需求问题。
-
公开(公告)号：CN115797647A
公开(公告)日：2023-03-14
申请号：CN202211426267.8
申请日：2022-11-14
申请人： 西安电子科技大学广州研究院
摘要： 本发明涉及目标跟踪技术领域，具体的说是一种嵌入式开放环境下的目标稳定跟踪方法，包括跟踪模块、检测模块、学习模块和综合模块，且跟踪模块使用KCF算法为主体，通过Dimp算法的后端状态判断与前后向跟踪方法相结合，检测模块根据硬件能力和使用需求，进行一部分裁剪和优化，学习模块达到实时更新模板与正负样本，达到实时长时跟踪，综合模块将跟踪与检测模块信息进行综合判断输出，实现了在GPU/NPU嵌入式开放平台，进行多线程部署的基于跟踪检测学习框架融合相关滤波的目标跟踪方法，并针对目标记忆状态进的判定，解决了基于嵌入式系统下目标跟踪任务中存在相似目标遮挡、目标形变、光照变化、尺度变化、视场抖动、强实时性需求问题。
-
公开(公告)号：CN118314370A
公开(公告)日：2024-07-09
申请号：CN202410410945.4
申请日：2024-04-07
申请人： 西安电子科技大学广州研究院
摘要： 本发明公开了一种基于网格共视的分层式运动恢复结构方法，提出了以基于网格共视方法进一步处理图像特征点匹配的内点，使其在进行图割时能将图像正确地归到某一个子场景，在图割后使用迭代强关联图像方式来扩展子场景，保证图像能正确进行重建的前提下来提高子场景之间的重叠率，在最后合并时融合三维点信息，提高分区之间相似变换的精确度，本发明的有益效果是：以基于网格共视方法进一步处理图像特征点匹配的内点，使其在进行图割时能将图像正确地归到某一个子场景，在图割后使用迭代强关联图像方式来扩展子场景，保证图像能正确进行重建的前提下来提高子场景之间的重叠率，在最后合并时融合三维点信息，提高分区之间相似变换的精确度。
-
公开(公告)号：CN113706610B
公开(公告)日：2024-06-07
申请号：CN202111030399.4
申请日：2021-09-03
申请人： 西安电子科技大学广州研究院 , 京信智能科技(广州)有限公司
摘要： 本发明提供了一种基于RGB‑D相机的栈板位姿计算方法，建立叉车坐标系和图像坐标系，获取叉车坐标系x轴和y轴在图像坐标系上的灭点，基于灭点和叉车车臂顶点获取的直线计算旋转矩阵，获取叉车坐标系的两个不同点以及图像坐标系对应的坐标，通过最小二乘、平移矩阵和旋转矩阵得到叉车坐标系到RGB‑D相机坐标系转换公式；建立点云坐标系，计算叉车坐标系相对于点云坐标系的姿态；利用三自由度ICP计算预测帧到当前帧的转移矩阵，计算当前帧点云相对于叉车坐标系的姿态；优化获取的姿态。本发明减少了计算规模并且全程在CPU上运行，无需对栈板进行任何改造，并且对栈板具有一定的包容性，使用RGB‑D相机对栈板截面进行识别，减少了生产成本。
-
公开(公告)号：CN113947567B
公开(公告)日：2024-03-22
申请号：CN202111110729.0
申请日：2021-09-23
申请人： 西安电子科技大学广州研究院
IPC分类号： G06T7/00 , G06T7/10 , G06T5/70 , G06T5/60 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/096
摘要： 本发明提供了一种基于多任务学习的缺陷检测方法，可用于检测纹理表面的缺陷。本发明利用深度神经网络初步提取图像的纹理特征，通过缺陷修复模块，获取像素级别的检测结果，通过缺陷分割模块，获取粗略缺陷定位结果，最后将两者融合获得精确的缺陷检测结果。本发明通过构造多任务学习的网络结构，使得网络在仅使用粗略标签的情况下获得精确检测结果，实现缺陷检测功能。
-
公开(公告)号：CN117422104A
公开(公告)日：2024-01-19
申请号：CN202210798644.4
申请日：2022-07-07
申请人： 西安电子科技大学广州研究院
IPC分类号： G06N3/0455 , G06N3/042 , G06N3/098 , G06F21/62
摘要： 本发明涉及一种联邦图神经网络的隐私泄露侦测方法，包括步骤：获取每个子系统的训练集成员和非训练集成员经过子图联邦模型时的目标信息；根据目标信息获取特征向量；将特征向量中的测试数据输入训练好的编码器中，得到测试精度，其中，训练好的编码器为采用特征向量中的训练数据对编码器训练得到，训练数据中训练集成员和非训练集成员的比例相同；根据测试精度判断训练集成员的隐私泄露程度。该方法能够对子图联邦模型本身的隐私泄露情况进行评估与分析，并且对子图联邦模型的深度神经网络不同参数泄露的隐私情况进行对比分析，从而协助模型拥有者去优化模型，进而减少训练成员的隐私泄露，填补了子图联邦学习模型下隐私泄露侦测技术的空白。
-
-
-
-
-
-
-
-
-
搜索结果
30 条记录 (耗时 0.038 秒)