公开(公告)号：CN117764841A

公开(公告)日：2024-03-26

申请号：CN202311802569.5

申请日：2023-12-25

Applicant: 哈尔滨工业大学

Inventor： 潘惠惠 ,  高会军 ,  杨昌至 ,  孙维超 ,  王宇雷 ,  边宁

IPC: G06T5/00 ,  G06V10/774 ,  G06N3/0464 ,  G06V10/40

Abstract: 一种基于VITs的图像复原方法，本发明涉及基于VITs的图像复原方法。本发明的目的是为了解决现有方法大多基于卷积神经网络复原图像，存在复原的图像精度低的问题。一种基于VITs的图像复原方法具体过程为：步骤一、采集汽车在各种驾驶环境下的退化图像与基准真实图像对，作为训练集；步骤二、构建图像复原网络；步骤三、基于训练集训练图像复原网络，获得训练好的图像复原网络；步骤四、采集待测退化图像，输入训练好的图像复原网络获得复原图像。本发明用于图像复原领域。

公开(公告)号：CN117763423A

公开(公告)日：2024-03-26

申请号：CN202311802556.8

申请日：2023-12-25

Applicant: 哈尔滨工业大学

Inventor： 潘惠惠 ,  高会军 ,  洪源铎 ,  孙维超 ,  王宇雷 ,  边宁

IPC: G06F18/241 ,  G06F18/214 ,  G06F18/10 ,  G06F18/213 ,  G06F30/20

Abstract: 一种基于深度学习的智能汽车激光雷达点云异常检测方法，本发明涉及智能汽车激光雷达点云异常检测方法。本发明为了解决现有深度学习模型对点云进行密集异常检测存在数据标注以及如何在实现密集异常检测的同时保障实时性的问题。将待测点云输入训练好的深度学习模型，得到重建的无噪声点云和异常类别；当异常类别为无异常时，待测点云异常检测结果为没有任何异常；当异常类别为无法处理的异常时，待测点云为异常点云；当异常类别为某个可处理的异常时，计算相对距离差的绝对值，大于阈值待测点云中第k个点为异常点，否则待测点云中第k个点不识别为异常点；直至判断完待测点云中所有点是否为异常点。本发明用于智能汽车激光雷达点云异常检测领域。