-
公开(公告)号：CN117974830A
公开(公告)日：2024-05-03
申请号：CN202410230294.0
申请日：2024-02-29
Applicant: 北方工业大学
IPC: G06T11/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双网络交互学习的低剂量CT图像重建方法，首先对收集到的原始CT数据进行预处理；建立两个相互辅助的同僚网络，即特征融合低剂量CT图像重建网络SCRED，并搭建双网络交互学习框架MFRD，用于交流融合两个网络学习到的知识，充分利用图像隐藏信息；将处理后的CT数据输入到建立的CT图像重建网络SCRED，并在双网络交互学习框架下对该CT图像重建网络SCRED进行训练；将低剂量CT图像输入到步骤4训练好的CT图像重建网络SCRED中，输出高质量CT图像。该方法充分复用了CT图像信息，可以较好地恢复去噪后图像的细节和结构信息，而且稳定可靠、可扩展性好。
-
公开(公告)号：CN114022414A
公开(公告)日：2022-02-08
申请号：CN202111202495.2
申请日：2021-10-15
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于双目感知学习的加油加电智能动作的执行方法，首先利用标定后的双目相机获取目标场景的多视角图像；分别输入到车型高效感知模块、区域决策模块和激光视觉感知再决策模块，得到油箱类目标或电源接入口在目标场景图像中准确的区域位置；计算出在基于机械手臂坐标系的世界坐标下油箱类目标或电源接入口相对于机械手臂底座的三维坐标；进一步获得可行性与安全性融合最高的机械手臂轨迹；依据机械手臂轨迹和各个舵机的角度操作机械手臂进行开启与关闭油箱类目标或电源接入口的操作。上述方法能克服现有技术存在的作业准确性不高、缺乏视觉、适用场景技术单一而导致的可靠性难以兼顾的问题。
-
公开(公告)号：CN109655019B
公开(公告)日：2021-02-02
申请号：CN201811268980.8
申请日：2018-10-29
Applicant: 北方工业大学
Abstract: 本发明涉及一种基于深度学习和三维重建的货物体积测量方法，包括步骤：RGBD数据获取、RGB数据预处理、点云生成、点云拼接、点云分割、凸包生成和体积检测，其中RGB数据预处理采用深度学习的方法，这种方法能准确地从三维场景中识别并且分割出目标物体从而提高其体积测量精度。同时，在测量货物体积时，以凸包化代替对目标点云数据三角化，能解决不封闭三维模型体积无法测量和凹型货物实际空间占用体积测量误差较大的问题，从而进一步提高实用性。
-
公开(公告)号：CN115840190A
公开(公告)日：2023-03-24
申请号：CN202211457808.3
申请日：2022-11-21
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于蓝牙AOA与深度学习融合的高精度定位方法，通过到达角定位AOA主节点蓝牙基站与多个被动节点蓝牙基站，获取蓝牙终端的原始采样值I和Q的相位数据，并将得到的IQ相位数据发送到PC处理终端；PC处理终端将获得的IQ相位数据输入到训练好的神经网络模型中，获得蓝牙终端的实时定位结果；根据蓝牙终端实时定位结果判断所述蓝牙终端的运动状态为动态还是静态；若为动态，则基于扩展卡尔曼滤波算法来优化定位结果；若为静态，则基于多点平均滤波算法来优化定位结果。该方法将蓝牙AOA与深度学习网络相结合，实现了相位数据到空间坐标的快速映射，并采用针对不同状态下不同的滤波方法，使数据更准确。
-
公开(公告)号：CN108375381A
公开(公告)日：2018-08-07
申请号：CN201810129372.2
申请日：2018-02-08
IPC: G01C25/00
Abstract: 本发明公开了一种基于扩展卡尔曼滤波的仿生偏振传感器多源误差标定方法，该方法包含以下步骤：(1)仿生偏振光传感器多源误差分析；(2)以安装误差、比例因子等多源误差和偏振方位角为系统状态量建立系统状态模型；(3)以含有多源误差的光强测量值为输出建立系统量测模型；(4)搭建实验环境，采集传感器数据；(5)设计扩展卡尔曼滤波器，估计安装误差、尺度因子和偏振方位角；(6)根据安装误差和尺度因子估计值补偿含有多源误差的偏振传感器测量值。本发明不依赖于高精密测量仪器，成本低，可操作性强，易实现，精度高，适用于仿生偏振导航系统多源误差的同时标定与补偿。
-
Patent Agency Ranking
公开(公告)号：CN108362288A
公开(公告)日：2018-08-03
申请号：CN201810128645.1
申请日：2018-02-08
Abstract: 本发明公开了一种基于无迹卡尔曼滤波的偏振光SLAM方法，属于无人机自主导航的范畴。该方法结合无人机的状态模型和基于激光雷达传感器、偏振光传感器的量测模型，通过无迹卡尔曼滤波，即UKF算法，实现无人机位置的确定和周围环境地图的构建，利用偏振光信息和激光雷达信息匹配互补、不受其他外界干扰的特性，提高了无人机SLAM系统的稳定性和精度。
-
公开(公告)号：CN110046368B
公开(公告)日：2023-06-13
申请号：CN201811414147.X
申请日：2018-11-26
Applicant: 北方工业大学
Abstract: 本发明涉及一种基于自适应UKF的仿生偏振传感器多源误差标定方法，该方法包含以下步骤：(1)基于安装误差、比例因子、偏振度系数、偏振方位角和偏振度为偏振导航系统状态量建立系统状态模型；(2)以含有多源误差的光强测量值为输出建立系统量测模型；(3)设计自适应扩展卡尔曼滤波器，估计安装误差、尺度因子和偏振方位角；(4)根据安装误差和尺度因子估计值补偿含有多源误差的偏振传感器测量值。本发明方法具有鲁棒性强，抗干扰能力强、标定成本低等优点。
-
公开(公告)号：CN113962270A
公开(公告)日：2022-01-21
申请号：CN202111275409.0
申请日：2021-10-29
Applicant: 北方工业大学
IPC: G06K9/00 , A61B5/00 , A61B5/0205
Abstract: 本发明公开了一种针对单通道睡眠期人体生理信号的处理方法，首先使用高精度传感器采集单通道复杂信号；使用构建矩阵空间的方法，对单通道复杂信号的特征进行提取，经过对不同特征的映射得到高维矩阵空间，该高维矩阵空间包含至少两路以上信号的特征；然后使用特定的特征基对所述高维矩阵空间进行空间变换，将与测试对象睡眠质量有关的特征从所述高维矩阵空间中分离出来；再使用选通决策滤波的方法利用多参数指标对分离出来的单路特征信号群进行复杂建模，并通过模式识别实现对所述单通道复杂信号的选通滤波分离。该方法针对睡眠期生理信号等复杂信号，能够以更高的精度实现对信号进行滤波分离，扩大了睡眠监测设备的灵活度和使用范围。
-
公开(公告)号：CN108375381B
公开(公告)日：2021-12-21
申请号：CN201810129372.2
申请日：2018-02-08
IPC: G01C25/00
Abstract: 本发明公开了一种基于扩展卡尔曼滤波的仿生偏振传感器多源误差标定方法，该方法包含以下步骤：(1)仿生偏振光传感器多源误差分析；(2)以安装误差、比例因子等多源误差和偏振方位角为系统状态量建立系统状态模型；(3)以含有多源误差的光强测量值为输出建立系统量测模型；(4)搭建实验环境，采集传感器数据；(5)设计扩展卡尔曼滤波器，估计安装误差、尺度因子和偏振方位角；(6)根据安装误差和尺度因子估计值补偿含有多源误差的偏振传感器测量值。本发明不依赖于高精密测量仪器，成本低，可操作性强，易实现，精度高，适用于仿生偏振导航系统多源误差的同时标定与补偿。
-
公开(公告)号：CN109556633B
公开(公告)日：2020-11-20
申请号：CN201811421555.8
申请日：2018-11-26
Applicant: 北方工业大学
Abstract: 本发明涉及一种基于自适应EKF的仿生偏振传感器多源误差标定方法，该方法包含以下步骤：(1)基于安装误差、比例因子、偏振度系数、偏振方位角和偏振度为偏振导航系统状态量建立系统状态模型；(2)以含有多源误差的光强测量值为输出建立系统量测模型；(3)设计自适应扩展卡尔曼滤波器，估计安装误差、尺度因子和偏振方位角；(4)根据安装误差和尺度因子估计值补偿含有多源误差的偏振传感器测量值。本发明方法具有鲁棒性强，抗干扰能力强、工程易于实现等优点。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
