-
公开(公告)号：CN117870696A
公开(公告)日：2024-04-12
申请号：CN202410287650.2
申请日：2024-03-13
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于感知信息融合的路径导航方法、装置及电子设备。所述方法包括：获取机器人的控制信息以及环境信息，环境信息包括机器人采集到的视觉传感信息以及嗅觉传感信息；根据控制信息以及环境信息，确定机器人的联合状态信息，联合状态信息用于表征机器人的机器人状态和环境状态在未来若干时刻的置信分布；根据联合状态信息，确定气味源所在位置的置信分布信息，并根据气味源所在位置的置信分布信息确定气味烟羽的分布信息；根据联合状态信息、气味源所在位置的置信分布信息以及气味烟羽的分布信息，对机器人进行路径导航。本方案将视觉传感信息和嗅觉传感信息相结合，提高了导航的准确性。
-
公开(公告)号：CN117078985B
公开(公告)日：2024-01-30
申请号：CN202311344161.8
申请日：2023-10-17
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/764 , G06V10/774 , G06V10/26 , G06V20/10
Abstract: 本说明书公开了一种景象匹配方法、装置、存储介质及电子设备。在本说明书提供的景象匹配方法中，获取实测图像与基准图像；将所述实测图像与所述基准图像输入预先训练的预测模型，所述预测模型至少包括分类子网、匹配子网、输出子网；通过所述分类子网对所述实测图像与所述基准图像进行分类，得到所述实测图像的类别与所述基准图像的类别；通过所述匹配子网，根据所述实测图像与所述基准图像，以及所述实测图像的类别与所述基准图像的类别，确定所述实测图像在所述基准图像中的定位结果；通过所述输出子网，根据所述匹配子网确定出的定位结(56)对比文件CN 116797948 A,2023.09.22蔡美玉 等.基于注意力机制和多粒度特征融合的跨视角匹配模型《.计算机应用》.2023,1-12.Chang-Dong Xu et al..ExploringCategorical Regularization for DomainAdaptive Object Detection《.arXiv》.2020,1-10.郭泽添.基于量化与深度特征融合的图像检索研究《.中国优秀硕士学位论文全文数据库》.2023,1-64.
-
公开(公告)号：CN117237675A
公开(公告)日：2023-12-15
申请号：CN202311389334.8
申请日：2023-10-24
Applicant: 之江实验室
IPC: G06V10/74 , G06V10/774 , G06V10/42 , G06V10/26 , G06V20/17
Abstract: 本说明书公开了一种无人机自主定位的方法、装置、存储介质及电子设备，本方法先在获取实时图像之前，通过预先训练好的图像处理模型，得到子基准图的全局特征，当无人机需要进行自主定位时，再通过图像处理模型，得到实时图像的全局特征，并根据实时图像的全局特征及子基准图的全局特征，确定实时图像与子基准图的相似度，最后，根据相似度，确定无人机的位置。由于在确定相似度时，即在进行图像匹配时，是根据全局特征确定的，不需要进行特征筛选，提高了图像匹配的效率，从而提高了无人机自主定位的效率。
-
公开(公告)号：CN117173438A
公开(公告)日：2023-12-05
申请号：CN202311134283.4
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/084 , G06N3/0895 , G06N3/0475 , G01C21/20 , G01C21/00
Abstract: 本说明书公开了一种深度耦合多源传感特性的景象匹配方法，针对不同类型的传感器分别采集的每个类型的实时景象，通过该类型的差异特征提取模型，得到该类型的而精细特征图，进而基于各类型的精细特征图，通过差异计算及生成器，抽象化不同类型的精细特征图的特征信息分离出可用精细特征，实现细粒度特征寻优，生成寻优实时图，进而基于寻优实时图和预存的寻优基准图进行多尺度景象匹配，得到匹配结果。可见，通过抽象不同类型的精细特征图的特征信息，挖掘不同类型的实时景象的共性化特征，并进行融合与精细寻优，可以获得比原始特征更加丰富、精细的特征，从而提升景象匹配的准确性。
-
公开(公告)号：CN118673959A
公开(公告)日：2024-09-20
申请号：CN202411153835.0
申请日：2024-08-21
Applicant: 之江实验室
IPC: G06N3/04 , G06N3/086 , G06V10/764 , G06V10/82
Abstract: 在本说明书提供一种混合精度量化方法、装置、介质及设备，通过确定深度神经网络模型中的各层的量化位宽，对深度神经网络模型进行量化，确定候选量化模型，并将样本分别输入深度神经网络模型以及候选量化模型，确定候选量化模型的量化误差、加速比以及压缩效果，进而确定候选量化模型的适应度，最后，根据预设的进化算法以及候选量化模型的适应度，确定深度神经网络模型的目标量化模型，使得混合精度量化方法能够根据少量无标签样本确定深度神经网络模型的目标量化模型，提高了混合精度量化方法的泛用性。
-
Patent Agency Ranking
公开(公告)号：CN118603079A
公开(公告)日：2024-09-06
申请号：CN202411086731.2
申请日：2024-08-08
Applicant: 之江实验室
Abstract: 本说明书公开了一种地磁导航的方法、装置、存储介质及电子设备，包括：在载体移动的过程中，按照预设周期，对载体当前所在位置的地磁数据进行采样。再根据在当前周期内采样到的地磁数据，确定当前周期的地磁熵。根据地磁熵，对当前周期的采样频率进行调整。根据调整后的采样频率，继续按照预设周期，对载体所在位置的地磁数据进行采样，直到周期的数量达到预设阈值时，根据在所有周期内采样到的地磁数据，从预设的地磁基准图中，确定载体的位置。通过用于表征地磁场的地磁强度的变化程度的地磁熵，动态调整采样频率，使得采样到地磁数据可以有效捕捉地磁场的细节特征，从而提升了得到的载体的位置的准确度。
-
公开(公告)号：CN118053153B
公开(公告)日：2024-07-05
申请号：CN202410457520.9
申请日：2024-04-16
Applicant: 之江实验室
Abstract: 本说明书公开了一种点云数据的识别方法、装置、存储介质及电子设备。所述点云数据的识别方法包括：获取无人设备采集的待识别点云数据，将待识别点云数据中包含的每个三维点云点投影到指定二维平面上，根据投影到每个扇形栅格区域中的三维点云点，构建待识别点云数据对应的特征矩阵，作为目标特征矩阵，从而可以根据目标特征矩阵和历史点云数据对应的历史特征矩阵之间的相似度，确定待识别点云数据对应的地点是否为历史访问地点的识别结果，以提升点云数据的识别效率。
-
公开(公告)号：CN118015316A
公开(公告)日：2024-05-10
申请号：CN202410410287.9
申请日：2024-04-07
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/774 , G06V10/82 , G06V20/17
Abstract: 本说明书公开了一种图像匹配模型训练的方法、装置、存储介质、设备，获取由第一基准图像和第一待匹配图像组成的第一样本组，将第一样本组输入预先训练的教师模型，确定第一基准图像与第一待匹配图像的匹配度，作为伪标注，将第一样本组输入图像匹配模型，确定第一基准图像与第一待匹配图像的当前匹配度，图像匹配模型的复杂度小于教师模型的复杂度，根据当前匹配度与伪标注的差异，对图像匹配模型进行训练，本方法利用预先训练的复杂度较高、输出结果精准的教师模型，使得复杂度较低、运算速度较快的图像匹配模型可以学习到教师模型的策略，最终训练得到运算速度快、输出结果精准的图像匹配模型，可应对时限短、批量大的图像定位匹配任务。
-
公开(公告)号：CN117870654A
公开(公告)日：2024-04-12
申请号：CN202410048959.6
申请日：2024-01-11
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于点云配准的地磁导航方法、装置、介质及设备。所述方法包括：将目标区域的全局地磁矢量数据转换为点云，得到目标点云数据；实时采集目标载体历史轨迹上各采样点的地磁矢量数据并转换为点云，得到待匹配点云数据；对目标点云数据以及待匹配点云数据进行特征提取，得到目标点特征以及待匹配点特征；根据目标点特征以及待匹配点特征，构建目标点云数据与待匹配点云数据之间的初始匹配集合；将初始匹配集合输入点云匹配模型，确定目标点云数据中每个点与待匹配点云数据中每个点相匹配置信度；根据置信度对局部地磁矢量数据与全局地磁矢量数据进行匹配，根据匹配结果进行地磁导航。
-
公开(公告)号：CN117173438B
公开(公告)日：2024-02-27
申请号：CN202311134283.4
申请日：2023-09-04
Applicant: 之江实验室
IPC: G06V10/75 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/084 , G06N3/0895 , G06N3/0475 , G01C21/20 , G01C21/00
Abstract: 本说明书公开了一种深度耦合多源传感特性的景象匹配方法，针对不同类型的传感器分别采集的每个类型的实时景象，通过该类型的差异特征提取模型，得到该类型的而精细特征图，进而基于各类型的精细特征图，通过差异计算及生成器，抽象化不同类型的精细特征图的特征信息分离出可用精细特征，实现细粒度特征寻优，生成寻优实时图，进而基于寻优实时图和预存的寻优基准图进行多尺度景象匹配，得到匹配结果。可见，通过抽象不同类型的精细特征图的特征信(56)对比文件袁定兴.异源图像匹配的参考图制备与匹配方法研究《.中国优秀硕士学位论文全文数据库信息科技辑》.2023,(第1期),第I138-1538页.杜文超等.基于SAR图像的快速景象匹配方法《.雷达科学与技术》.2014,第12卷(第1期),第39-43页.Yongxian Zhang等.Air-Ground Multi-Source Image Matching Based on High-Precision Reference Image《.remotesensing》.2022,第14卷(第3期),第1-21页.
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.057 seconds)
