-
公开(公告)号：CN119809922A
公开(公告)日：2025-04-11
申请号：CN202411886022.2
申请日：2024-12-20
Applicant: 重庆邮电大学
IPC: G06T3/06 , G06T17/20 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机图形学几何处理技术领域，具体涉及一种基于深度学习和网格参数化的各向同性网格生成方法，包括获取物体模型的三角形网格数据，采用网格参数化方法将三角形网格数据由三维空间展开到二维平面；将每一个顶点的Voronoi单元区域边界点坐标集合输入预训练的深度神经网络，得到每一个顶点的Voronoi单元区域初始采样点坐标；构建CVT能量函数并进行最小化，得到在二维平面上优化后的三角形网格数据；通过重心坐标将优化后的三角形网格数据由二维平面映射回三维空间；本发明能够保证生成网格质量同时提高运算效率。
-
公开(公告)号：CN119672251A
公开(公告)日：2025-03-21
申请号：CN202411734295.5
申请日：2024-11-29
Applicant: 重庆邮电大学
IPC: G06T17/20
Abstract: 本发明涉及一种基于Voronoi图和热方法的各向异性三角形网格生成方法，包括：读取物体模型的三角形网格数据；生成靠近三角面顶点的采样源点；从所有采样源点中筛选出三角面的贡献源点；计算顶点到包含该顶点的三角面的所有Voronoi图线段两端点的欧几里得距离，得到该顶点的区域点；并根据该顶点所有区域点的法向量利用符号热方法确定该顶点的Voronoi单元区域；将曲率大于设定阈值的顶点作为候选热源，通过DBSCAN聚类算法对候选热源进行聚类，将聚类后中心作为热源；对三角形网格数据进行ACVT重新网格化，本发明尽量保持原来三角形网格形状特征同时，拓扑结构得到优化，不会导致形状失真。
-
公开(公告)号：CN104599502B
公开(公告)日：2017-01-25
申请号：CN201510079339.X
申请日：2015-02-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于视频监控的车流量统计方法，涉及智能交通监控领域，包括以下步骤：初始化第1帧图像建立背景模型；从第2帧开始，利用背景模型提取所述视频帧图像的前景图像；更新背景模型；确定前景图像的面积大于设定值的图像为运动目标，计算运动目标的外接矩形，若所述外接矩形的长宽在设定范围内，则其为车辆；否则查找其他可以合并的所述外接矩形，若合并后的外接矩形的长宽在设定范围内，则为车辆；对车辆进行跟踪，若车辆连续三帧出现，则其为运动稳定车辆。当车辆到达所述第2种虚拟线圈时，统计车流量数目。本发明安装方便、精确度高。
-
公开(公告)号：CN104599502A
公开(公告)日：2015-05-06
申请号：CN201510079339.X
申请日：2015-02-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于视频监控的车流量统计方法，涉及智能交通监控领域，包括以下步骤：初始化第1帧图像建立背景模型；从第2帧开始，利用背景模型提取所述视频帧图像的前景图像；更新背景模型；确定前景图像的面积大于设定值的图像为运动目标，计算运动目标的外接矩形，若所述外接矩形的长宽在设定范围内，则其为车辆；否则查找其他可以合并的所述外接矩形，若合并后的外接矩形的长宽在设定范围内，则为车辆；对车辆进行跟踪，若车辆连续三帧出现，则其为运动稳定车辆。当车辆到达所述第2种虚拟线圈时，统计车流量数目。本发明安装方便、精确度高。
-
公开(公告)号：CN107493123B
公开(公告)日：2020-09-29
申请号：CN201710676273.1
申请日：2017-08-09
Applicant: 重庆邮电大学
IPC: H04B7/0413 , H04B7/0456 , H04L27/34 , H04L27/36
Abstract: 本发明请求保护一种基于预编码辅助广义正交空间调制的低复杂度检测方法，本发明应用预编码辅助广义正交空间调制(PGQSM)，利用已知的信道状态信息，对正交空间调制(QSM)的同相和正交两路信号分别做预编码处理，以降低接收机信号检测的复杂度。本发明将信道预编码与广义正交空间调制技术结合起来，针对系统正交性在接收端造成的复杂度过高的问题，提出了一种改进的正交匹配追(orthogonal matching pursuit，OMP)低复杂度检测算法。该算法可以得到与最大似然检测算法相近的误比特率(BER)性能，且计算复杂度降低了约90％。本发明方将广泛应用于大规模MIMO系统中。
-
Patent Agency Ranking
公开(公告)号：CN119762708A
公开(公告)日：2025-04-04
申请号：CN202411889087.2
申请日：2024-12-20
Applicant: 重庆邮电大学
IPC: G06T17/20 , G06N3/084 , G06N3/0464 , G06N3/042
Abstract: 本发明属于计算机图形学几何处理技术领域，具体涉及一种各向异性三角形网格生成方法，包括获取物体模型的三角形网格数据，采用网格参数化方法将三角形网格数据由三维空间展开到二维平面；基于展开后的三角形网格数据，将每一顶点的集合数据输入训练好的深度神经网络模型，得到每个顶点的各向异性度量参数和预测采样点坐标；根据各向异性度量参数和预测采样点构建ACVT能量函数并最小化，得到在二维平面上优化后的三角形网格数据；通过重心坐标将优化后的三角形网格数据由二维平面映射回三维空间；本发明能够保证生成网格质量同时提高运算效率。
-
公开(公告)号：CN119625217A
公开(公告)日：2025-03-14
申请号：CN202411676703.6
申请日：2024-11-22
Applicant: 重庆邮电大学
IPC: G06T17/20
Abstract: 本发明属于计算机图形学几何处理技术领域，具体涉及一种基于Voronoi图和卷绕数的各向同性三角形网格生成方法，包括获取三角形网格模型，针对每一三角面，通过重心和顶点方向插值方法生成3个采样源点；获取每一三角面的半平面集合；将每一三角面的所有半平面两两相交，得到多个公共边；将每一公共边投影到三角形网格表面得到一个Voronoi图线段；根据Voronoi图线段获取每个顶点的区域点集和候选线段集；使用快速卷绕数法确定每一顶点的Voronoi单元区域；根据每个顶点的Voronoi单元区域进行CVT重新网格化，得到各向同性三角形网格；本发明能够保证生成网格质量同时提高运算效率。
-
公开(公告)号：CN109167624A
公开(公告)日：2019-01-08
申请号：CN201811328935.7
申请日：2018-11-09
Applicant: 重庆邮电大学
IPC: H04B7/08 , H04B7/0413 , H04L12/753 , H04L27/36
Abstract: 本发明属于5G通信技术领域，具体为一种基于A-Star算法的接收天线最优路径寻找方法，包括以下步骤：计算出接收天线索引序列的欧氏距离期望，对期望进行降序排列；把排序后的接收天线索引序列作为搜索层数序列，确定搜索树；用搜索树的分支表示发送向量，搜索树的根为A-Star算法初始节点，对排序后的接收天线进行树搜索，找到接收天线的最优路径。本发明能够在系统性能和计算复杂度之间进行有效的权衡。
-
公开(公告)号：CN107493123A
公开(公告)日：2017-12-19
申请号：CN201710676273.1
申请日：2017-08-09
Applicant: 重庆邮电大学
IPC: H04B7/0413 , H04B7/0456 , H04L27/34 , H04L27/36
Abstract: 本发明请求保护一种基于预编码辅助广义正交空间调制的低复杂度检测方法，本发明应用预编码辅助广义正交空间调制(PGQSM)，利用已知的信道状态信息，对正交空间调制(QSM)的同相和正交两路信号分别做预编码处理，以降低接收机信号检测的复杂度。本发明将信道预编码与广义正交空间调制技术结合起来，针对系统正交性在接收端造成的复杂度过高的问题，提出了一种改进的正交匹配追(orthogonal matching pursuit，OMP)低复杂度检测算法。该算法可以得到与最大似然检测算法相近的误比特率(BER)性能，且计算复杂度降低了约90％。本发明方将广泛应用于大规模MIMO系统中。
-
公开(公告)号：CN105930833A
公开(公告)日：2016-09-07
申请号：CN201610338147.0
申请日：2016-05-19
Applicant: 重庆邮电大学
CPC classification number: G06K9/00718 , G06K9/342
Abstract: 本发明请求保护一种基于视频监控的车辆跟踪与分割方法，包括：预先浏览视频前20帧确定车辆行驶方法和车道宽度；初始化第1帧图像建立背景模型；从第2帧开始，利用背景模型提取所述视频帧图像的前景图像；更新背景模型；结合前景图像的面积及其外接矩形的面积联合判定前景图像是否为运动车辆；根据前景图像的外接凸包对运动目标进行粘连车辆判定；若为粘连车辆，对车辆进行分割；将车辆加入跟踪队列进行跟踪。本发明能够实时对视频中的车辆进行稳定的跟踪，并能够对粘连车辆进行分割，处理速度快，可满足对实时系统的要求。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
