-
公开(公告)号：CN107342762A
公开(公告)日：2017-11-10
申请号：CN201710399969.4
申请日：2017-05-31
Applicant: 北京时代民芯科技有限公司 , 北京微电子技术研究所
IPC: H03K19/003 , H03K5/15
Abstract: 一种抗单粒子瞬态时钟树结构，包括根节点时钟驱动单元、子节点时钟驱动单元以及叶节点时钟驱动单元，根节点时钟驱动单元和子节点时钟驱动单元均为时钟反相器或者缓冲器，而叶节点时钟驱动单元为双路滤波器，双路滤波器可以消除发生于输入信号上的脉冲宽度小于滤波器内部设定的延迟时间的单粒子瞬态脉冲，且同一输入信号输出两路互不干扰的输出信号。每个双路滤波器驱动一定数量的双时钟抗单粒子时序单元。本发明显著提高时钟树网络抗单粒子瞬态的能力，有效降低时钟树网络受到辐射粒子轰击时，任意时钟节点以及多个时钟树节点上产生单粒子瞬态脉冲的概率，且相对于时序单元单粒子瞬态加固方式实现的集成电路，具有功耗低、速度快、面积小的特点。
-
公开(公告)号：CN107167725A
公开(公告)日：2017-09-15
申请号：CN201710201165.9
申请日：2017-03-30
Applicant: 北京时代民芯科技有限公司 , 北京微电子技术研究所
Inventor： 赵元富 , 郑宏超 , 李哲 , 岳素格 , 王亮 , 李建成 , 陈茂鑫 , 喻贤坤 , 姜柯 , 于春青 , 王汉宁 , 刘琳 , 毕潇 , 杜守刚 , 王煌伟 , 赵旭 , 穆里隆 , 李继华 , 简贵胄 , 初飞 , 祝长民 , 王思聪 , 李月
IPC: G01R31/3183
Abstract: 本发明公开了一种快速低开销全自动数字集成电路单粒子故障注入系统，包括人机操作界面、故障注入器，其中故障注入器包括：故障电路网表代码生成模块、功能向量和故障随机信号产生模块、仿真统计和计算输出模块。本发明实现了单粒子故障注入的全自动进行，同时对过程文件进行了实时处理，避免了存储量过大造成的内存爆炸对仿真性能造成影响，降低了用于仿真的计算器的开销。
-
公开(公告)号：CN105610430A
公开(公告)日：2016-05-25
申请号：CN201510980907.3
申请日：2015-12-23
Applicant: 北京时代民芯科技有限公司 , 北京微电子技术研究所
Abstract: 本发明提出了一种基于锁相环的双模自切换抗辐射加固时钟生成电路，主要由两个独立的锁相环、延时单元、误差检测单元和时钟选择单元构成。所述的两个独立的锁相环为未经过抗辐射加固的电荷泵锁相环，分别提供相应的时钟输出；所述的延时单元实现对锁相环输出信号的延迟；所述的误差检测单元用来检测主路锁相环中鉴频鉴相器的两个输出信号是否正确并输出相应的指示信号；所述的时钟选择单元对两路锁相环的延时输出进行选择性输出作为最终的输出。本发明可以很大程度上消除辐射环境中单粒子效应对电路工作状态的干扰，确保锁相环作为时钟信号的稳定，提高系统的可靠性，具有实现方便、面积小、功耗低等优点。
-
公开(公告)号：CN103888099A
公开(公告)日：2014-06-25
申请号：CN201310577100.6
申请日：2013-11-18
Applicant: 北京时代民芯科技有限公司 , 北京微电子技术研究所
IPC: H03H11/04
Abstract: 本发明涉及一种抗单粒子瞬态冗余滤波器电路，由延迟单元、双输入反相器和冗余单元组成，其中延迟单元采用反相器链或电阻电容等结构，实现对输入信号的延迟；双输入反相器单元可根据输入两路信号的异同性做出相应输出；冗余单元有两种不同的实现方式，第一种为反相器结构，其输入为延迟单元输出；第二种为与主路相同的电路结构，其输入为输入信号以及延迟单元的输出，提供不受主路干扰的冗余信号；本发明冗余滤波器电路可以彻底消除发生于输入信号上的脉冲宽度小于缓冲器内部设定的延迟时间的单粒子瞬态脉冲以及发生于冗余滤波器内部的单粒子脉冲瞬态脉冲，有效的保护例如时钟、复位、数据等关键信号，具有良好的单粒子瞬态免疫功能，以较小的电路开销实现抑制单粒子瞬态脉冲产生和传播。
-
公开(公告)号：CN112488210B
公开(公告)日：2025-01-10
申请号：CN202011398492.6
申请日：2020-12-02
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06V20/64 , G06V20/56 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 一种基于图卷积神经网络的三维点云分类方法，用于服务型机器人抓取三维物体过程中对复杂的物体实现自动分类识别，便于根据类别信息确定抓取位置进行抓取。属于计算机视觉的三维感知和机器人导航技术领域。包括以下步骤：(1)对三维点云进行预处理；(2)构建点云分类网络；(3)训练所构建的网络；(4)利用训练完成的网络进行分类测试。本发明的优点在于：(1)采用图卷积神经网络进行局部特征学习，增强网络对局部拓扑结构信息的学习能力；(2)对输入的点云进行全局特征学习，增强网络对上下文语义的理解。将局部特征和全局特征相聚合，再利用全连接层输出每个点云的分类得分，相较于现有网络具有更高的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN114323038B
公开(公告)日：2024-06-21
申请号：CN202111646017.0
申请日：2021-12-29
Applicant: 北京工业大学
Abstract: 融合双目视觉和2D激光雷达的室外定位方法，属于基于先验地图的机器人或自动驾驶汽车精确定位领域。本发明(1)将双目视觉作为里程计提供帧间的相对位姿，将一个局部时间窗口内的2D激光雷达数据融合成一幅局部子图；(2)利用DS证据理论对局部子图中的时态信息进行融合以消除局部子图中的动态噪音；(3)利用基于反向组合算法的地图匹配方式，将局部子图与预先构建的先验地图进行匹配，从而得到先验地图与局部子图之间的相对位姿；(4)根据匹配结果对局部子图的位姿进行校正，将校正后的位姿用于更新轨迹以消除双目里程计所产生的累积误差。
-
公开(公告)号：CN113191982B
公开(公告)日：2024-05-28
申请号：CN202110524714.2
申请日：2021-05-14
Applicant: 北京工业大学
Abstract: 一种基于形态学重建和饱和度补偿的单幅图像去雾方法，属于图像去雾领域。本发明(1)采用自适应局部邻域窗口形态学重建检测出容易被误认为大气光候选区域的环境中高亮区域；并从暗通道中移除该高亮区域，以避免该高亮区域导致的大气光值估计误差，提高了全局大气光值的估计精度，并减少了复原图像天空区域过饱和现象；(2)将图像从现有的RGB色彩空间描述变换到HSV色彩空间描述后，对透射率公式推导分析，通过适当提高有雾图像的饱和度分量图来补偿被过低估计的透射率，减少复原图像中的块效应和光晕现象；(3)通过将初始复原图像进行强度线性映射拉伸，进一步提高前景与背景的对比度、增加亮度动态范围，显示更多的细节信息。
-
公开(公告)号：CN109147038B
公开(公告)日：2023-02-07
申请号：CN201810957920.0
申请日：2018-08-21
Applicant: 北京工业大学
Abstract: 本发明公开了基于三维点云处理的管道三维建模方法，其包括，对输入点云进行数据预处理：去除离群点噪声，估计每个点的法向量；使用随机采样一致性算法通过拟合圆柱面方程的方法得到候选管道的圆柱参数模型集；利用图模型描述点云，并构造利用候选模型集标注点云所对应的能量函数，使用改进的图割算法最小化能量函数，得到点云中所有管道对应的圆柱面参数及其各自内点集；利用视点的邻接关系，使用ICP算法将不同视点下的点云中检测的管道进行配准，最终重建整个工厂管道的三维模型。所提出的方法可以应用于多种设备采集的三维点云，具有灵活易用的特点；模型参数估计准确，可以实现工厂管道的完整三维模型。
-
公开(公告)号：CN114463676A
公开(公告)日：2022-05-10
申请号：CN202210062828.4
申请日：2022-01-19
Applicant: 北京工业大学
Abstract: 一种基于隐式表达的安全帽配戴检测方法，属于安全帽配戴检测系统领域。包括以下步骤：(1)采用Mosaic数据增强与自适应图片缩放将数据集随机拼接以及随机打散的方法对数据集进行预处理，(2)构建隐式与显示信息结合的目标框类别分类和预测框位置回归任务的神经网络，(3)训练隐式与显示信息结合的目标框类别分类和预测框位置回归任务的神经网络，(4)进行安全帽配戴检测。本发明针对施工现场的视角畸变、尺度变化、内遮挡和场景复杂，现有安全头盔佩戴检测精度低的问题，提出了一种基于特征图金字塔网络与路径聚合网络框架，将隐式和显式信息相结合，以增强上下文特征信息的能力；在保证高准确率的同时仍然能够实时检测。
-
公开(公告)号：CN112184731A
公开(公告)日：2021-01-05
申请号：CN202011037998.4
申请日：2020-09-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于对抗性训练的多视图立体深度估计方法。在对抗性训练网络中，生成网络学习图像与其对应深度图之间的映射，判别网络将学习区分深度图是来自生成模块还是基准深度。训练时，结合生成损失函数和交叉熵对抗损失函数，训练整个网络。本发明通过对抗性训练来提高多视图立体深度估计的深度学习能力，通过生成对抗网络GAN在图像深度方向收集空间和时间上的上下文信息，从而允许网络结合更多的全局信息。本发明的对抗性训练网络利用生成模块和判别模块的对抗性训练，采用梯度惩罚作为一种软约束的对抗损失函数，改进了原始生成对抗网络训练过程，显著减少了网络训练和测试期间的内存占用和运行时间，提高了多视图立体深度预测精度。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.097 seconds)
