-
公开(公告)号：CN110262528B
公开(公告)日：2022-07-29
申请号：CN201910464210.9
申请日：2019-05-30
Applicant: 北京空间飞行器总体设计部
IPC: G05D1/08
Abstract: 本发明涉及一种月面探测器的起飞‑着陆‑移动实现方法，属于月面探测器起飞着陆技术领域。将结构板成型过程中预留的毛细空隙作为热控工质的流动管路，实现结构板和热管管材的复用；布置的多个推力器用于提供月面探测器在月面起飞和软着陆过程中的推力，以及飞行过程中的控制，实现推进和控制功能集成设计；将热控多层的间隔层进行立体化设计，提高其保温性能，使探测器能适应更低的环境温度；通过电机的主动控制实现月面探测器可承受多次着陆缓冲的冲击；利用控制电机控制着陆缓冲机构的伸缩和转动，实现月面探测器的移动。
-
公开(公告)号：CN110677967A
公开(公告)日：2020-01-10
申请号：CN201910883278.0
申请日：2019-09-18
Applicant: 北京空间飞行器总体设计部
IPC: H05H1/00
Abstract: 本发明涉及一种基于法拉第杯的卫星表面等离子体充电电流监测方法。通过确定卫星表面充电电流的测量对象及范围；设计法拉第杯探头；法拉第杯探头在卫星上的安装；确定卫星表面充电电流真实数据与法拉第杯探头测量数据的关系，实现对空间等离子对卫星表面充电电流的包络和有效反演。本发明的方法能够有效反映卫星表面等离子体充电电流大小，为卫星表面带电状态和带电风险的评估提供依据。
-
公开(公告)号：CN117058302B
公开(公告)日：2025-03-14
申请号：CN202311095029.8
申请日：2023-08-29
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于NeRF的可泛化性场景渲染方法，采用图像外观信息编码器、图像几何信息编码器、低频前向推理模块、高频前向推理模块，在目标视角下沿光线在空间进行采样，为了减轻采样过程中容易导致的频谱混叠问题，将每个采样点参数成一个某种尺度下各向同性的高斯分布，并将采样点投影到其他已知视角下，利用上述模块，可得到对应点的颜色值和密度值，在得到辐射场和密度场后，沿着整条光线，用体渲染技术得到对应像素点的像素值。相比于现有技术，本发明提出的新视角合成方法，可在输入少量带有相机内参、外参的图片下，获得较好的新视角合成效果；同时具有较好的跨场景渲染能力。
-
公开(公告)号：CN118710932A
公开(公告)日：2024-09-27
申请号：CN202410800855.6
申请日：2024-06-20
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于文本提示更新的视觉‑语言目标跟踪方法。所述方法将一对来自视频流中的视觉图像和文字描述作为输入，通过构建特征提取网络和语言表征模型提取各个模态的特征，在此基础上构建两种不同架构的深度学习网络对视觉图像特征和语言文本特征进行融合，以充分挖掘多模态数据的可用信息。最后，每个候选目标映射的特征被送入预测头以获得预测分数，并将预测分数高的结果作为跟踪结果，并利用相似度决策模块判断是否对文本提示进行更新。本发明充分利用多模态信息提高跟踪算法的鲁棒性并充分考虑了文本信息的动态性。
-
公开(公告)号：CN118521774A
公开(公告)日：2024-08-20
申请号：CN202410803402.9
申请日：2024-06-20
Applicant: 北京航空航天大学
IPC: G06V10/25 , G06V10/20 , G06V10/34 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/762 , G06V10/74
Abstract: 本发明公开了一种基于架构无关损失的长尾目标检测方法。本发明考虑高维目标值，即目标的中心点坐标、边界框的宽高比、尺寸、边界框旋转角的长尾分布，而不仅是尺寸的长尾分布。本发明采用的网络结构设计合理，将目标检测的回归分支面临的目标位置及边界框具有长尾分布的问题考虑在内，补充了现有的长尾目标检测方法仅考虑类别的长尾分布的分析过程，提出的回归损失加权模块与网络架构无关，具有良好的迁移性。
-
Patent Agency Ranking
公开(公告)号：CN118505540A
公开(公告)日：2024-08-16
申请号：CN202410903362.5
申请日：2024-07-08
Applicant: 北京航空航天大学
IPC: G06T5/50 , G06T5/77 , G06T5/70 , G06V10/80 , G06V10/764 , G06V10/774 , G06T3/4038 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于随机区域隐匿重构的低照度图像增强方法。网络分为两个阶段，第一阶段的网络在良好照明图像数据集上，通过训练网络对随机区域被隐匿后的加噪图像的重构能力，得到面向低光含噪图像的去噪和重构特征编码器；第二阶段的网络在继承第一阶段中到的特征编码器模型参数的基础上，将提取到的不同特征输入以重构特征为指导的多尺度特征融合模块，使得网络可以在去噪的同时，保留更多的图像细节特征。本发明利用来源更加丰富的良好光照条件图像数据集，为网络训练节省了拍摄大量真实配对低光图像的时间和人力；并通过融合不同特征编码器提取出的特征，使网络快速适应复杂光照下的真实低光图像，得到良好的低光增强去噪效果。
-
公开(公告)号：CN114998573B
公开(公告)日：2024-05-14
申请号：CN202210426360.2
申请日：2022-04-22
Applicant: 北京航空航天大学
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于RGB‑D特征深度融合的抓取位姿检测方法，首先，使用深度相机获取任务场景的RGB彩色图像和深度图像并进行图像预处理。其次，构建端到端的目标检测定位与抓取姿态预测的卷积神经网络，将RGB图像与深度图像以两路输入到构建的卷积神经网络中。接着，将RGB‑D特征进行深度融合，通过基于两步逼近思想的自适应锚框设置方法，获得待抓取物的二维平面抓取位姿表示，进而可以利用机械臂与相机的标定信息将抓取位姿映射到三维空间中实施抓取操作。本发明能够克服现有方法中机械臂抓取效率低下、泛化性能差的问题，实现端到端的目标定位与抓取检测，能够实时、准确地进行目标抓取位姿检测，经实验验证，具有准确性和鲁棒性。
-
公开(公告)号：CN116912289B
公开(公告)日：2024-01-30
申请号：CN202310999386.0
申请日：2023-08-09
Applicant: 北京航空航天大学
IPC: G06T7/246 , G06T5/20 , G06V10/50 , G06V10/56 , G06V10/774
Abstract: 本发明涉及一种面向边缘智能的弱小目标层次化视觉跟踪方法，该方法主要包括：弱小目标增强、一级跟踪器、二级跟踪器和跟踪状态判断。弱小目标增强是基于帧间动态平均值和帧间动态方差结果，进而更加稳定有效的在抑制背景并且增强弱小目标信息。一级跟踪器主要感知目标自身信息，而二级跟踪器侧重于感知目标周围背景。通过设计两级跟踪器的结果比较，可以根据场景自适应选择更适合的跟踪器。跟踪状态判断通过评估当前结果的可信度，进而有选择性的输出高质量的目标跟踪结果，避免输出错误结果。本发明达到了稳定跟踪弱小目标并且跟踪计算实时性高的效果。(56)对比文件韩锟;杨穷千.融合运动状态信息的高速相关滤波跟踪算法.湖南大学学报(自然科学版).2020,(第04期),全文.张伟;温显斌.基于多特征和尺度估计的核相关滤波跟踪算法.天津理工大学学报.2020,(第03期),全文.高美凤;张晓玄.尺度自适应核相关滤波目标跟踪.激光与光电子学进展.2017,(第04期),全文.陈智;柳培忠;骆炎民;汪鸿翔;杜永兆.自适应特征融合的多尺度相关滤波目标跟踪算法.计算机辅助设计与图形学学报.2018,(第11期),全文.
-
公开(公告)号：CN116912289A
公开(公告)日：2023-10-20
申请号：CN202310999386.0
申请日：2023-08-09
Applicant: 北京航空航天大学
IPC: G06T7/246 , G06T5/20 , G06V10/50 , G06V10/56 , G06V10/774
Abstract: 本发明涉及一种面向边缘智能的弱小目标层次化视觉跟踪方法，该方法主要包括：弱小目标增强、一级跟踪器、二级跟踪器和跟踪状态判断。弱小目标增强是基于帧间动态平均值和帧间动态方差结果，进而更加稳定有效的在抑制背景并且增强弱小目标信息。一级跟踪器主要感知目标自身信息，而二级跟踪器侧重于感知目标周围背景。通过设计两级跟踪器的结果比较，可以根据场景自适应选择更适合的跟踪器。跟踪状态判断通过评估当前结果的可信度，进而有选择性的输出高质量的目标跟踪结果，避免输出错误结果。本发明达到了稳定跟踪弱小目标并且跟踪计算实时性高的效果。
-
公开(公告)号：CN116665123A
公开(公告)日：2023-08-29
申请号：CN202310583024.3
申请日：2023-05-22
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于时序注意力与搜索范围细化的多目标跟踪方法，利用深度卷积神经网络对输入数据进行特征提取；使用包含两个分支的单阶段检测头FCOS对深度卷积神经网络提取后的特征进行直接预测，然后进行目标类别与位置信息的解码；将当前帧多目标检测结果与之前帧多目标跟踪结果输入到搜索范围细化模块中，得到搜索范围热点图，并对提取后的特征进行点乘处理，得到搜索范围细化后的特征，将之前帧与当前帧得到的搜索范围细化后的特征输入到基于注意力感知的多目标跟踪头中，得到当前帧的多目标跟踪结果，并将此跟踪结果与的检测结果合并，得到当前帧的多目标跟踪结果。本发明提高了跟踪精度，并通过搜索范围细化，减少了计算量，保证实时运行。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.065 seconds)
