-
公开(公告)号：CN105956625B
公开(公告)日：2019-07-05
申请号：CN201610308325.5
申请日：2016-05-11
Applicant: 清华大学深圳研究生院
Abstract: 本发明提供了一种基于给定物理模型的汽车运动状态识别方法及系统，所述的识别方法包括以下步骤：a、构建汽车运动物理模型；b、根据所述的汽车运动物理模型，计算得到汽车不同运动状态下的数据变化信息；c、将传感器固定在汽车内，采集汽车不同运动状态下的数据；d、通过滤波器将采集到的汽车不同运动状态下的数据进行滤波，得到滤波后的数据；e、对步骤d所述的滤波后的数据进行有效数据提取，得到提取后的有效数据；f、对步骤e所述的提取后的有效数据进行数据特征提取，得到特征数据；g、选取合适的分类器对所述的特征数据进行分类。
-
公开(公告)号：CN105956625A
公开(公告)日：2016-09-21
申请号：CN201610308325.5
申请日：2016-05-11
Applicant: 清华大学深圳研究生院
CPC classification number: G06K9/6227 , G06K9/00845 , G06K9/626 , G06K9/6267 , G06K9/6269 , G06K9/6273 , G06K9/6278
Abstract: 本发明提供了一种基于给定物理模型的汽车运动状态识别方法及系统，所述的识别方法包括以下步骤：a、构建汽车运动物理模型；b、根据所述的汽车运动物理模型，计算得到汽车不同运动状态下的数据变化信息；c、将传感器固定在汽车内，采集汽车不同运动状态下的数据；d、通过滤波器将采集到的汽车不同运动状态下的数据进行滤波，得到滤波后的数据；e、对步骤d所述的滤波后的数据进行有效数据提取，得到提取后的有效数据；f、对步骤e所述的提取后的有效数据进行数据特征提取，得到特征数据；g、选取合适的分类器对所述的特征数据进行分类。
-
公开(公告)号：CN105915909B
公开(公告)日：2017-05-31
申请号：CN201610368208.8
申请日：2016-05-27
Applicant: 清华大学深圳研究生院
Abstract: 本发明提供了一种高动态范围图像分层压缩方法，所述方法包括如下步骤：a)高动态范围图像从RGB色彩模式转换为CIELab模型，对所述高动态范围图像进行归一化处理；b)基于归一化处理的所述高动态范围图像，使用快速双边滤波器进行分层；所述高动态范围图像基础层处理，其中对所述CIELab模型下的L分量进行色调映射；增强所述CIELab模型下的a分量饱和度，增强所述述CIELab模型下b分量的饱和度；所述高动态范围图像细节层处理；c)将处理后的所述基础层与处理后的所述细节层进行合并，形成压缩后的低动态范围图像。
-
公开(公告)号：CN105915909A
公开(公告)日：2016-08-31
申请号：CN201610368208.8
申请日：2016-05-27
Applicant: 清华大学深圳研究生院
Abstract: 本发明提供了一种高动态范围图像分层压缩方法，所述方法包括如下步骤：a)高动态范围图像从RGB色彩模式转换为CIELab模型，对所述高动态范围图像进行归一化处理；b)基于归一化处理的所述高动态范围图像，使用快速双边滤波器进行分层；所述高动态范围图像基础层处理，其中对所述CIELab模型下的L分量进行色调映射；增强所述CIELab模型下的a分量饱和度，增强所述述CIELab模型下b分量的饱和度；所述高动态范围图像细节层处理；c)将处理后的所述基础层与处理后的所述细节层进行合并，形成压缩后的低动态范围图像。
-
-
-
Search Results
4
records
(took 0.017 seconds)
