-
公开(公告)号：CN114820778A
公开(公告)日：2022-07-29
申请号：CN202210252730.5
申请日：2022-03-15
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种平面运动中基于内点更新的全局基础矩阵估计方法。本发明为了解决相机在平面运动中从不同视角拍摄的场景图像中特征点的对应关系问题，提高物体表面特征点的重建精度，本发明将共面约束条件融入到基础矩阵的求解中，减少基础矩阵中的待求解参数个数；根据设定的极线几何距离阈值引入内点更新矩阵，剔除潜在的误匹配点并获得可靠的基础矩阵估计初始值；在此基础上采用四点法迭代求解基础矩阵，得到的基础矩阵同时满足秩的约束条件，基础矩阵估计方法对噪声和误匹配点具有较好的鲁棒性；在基于特征点的姿态测量中，卫星姿态测量的最大角度误差小于0.273°，提高了特征点的重建精度，在多视图三维重建中具有良好的实际应用前景。
-
公开(公告)号：CN112950527A
公开(公告)日：2021-06-11
申请号：CN201911166459.8
申请日：2019-11-25
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于限定几何关联约束的立体匹配形貌测量方法。该方法从立体匹配算法上引入立体相机间的限定几何关联约束条件，能够把多个相机绑定为一个相机，建立多相机的内外参数共线性误差方程，在每一次迭代求解过程中能够完成多幅图像对的信息处理，有效降低迭代过程中法化矩阵的维数，提高相机内外参数求解的效率和精度。接着进行特征点立体匹配，利用求得的限定几何关联约束带入匹配相关目标函数，将特征点在对应相机下所成图像中的选定区域进行搜索前限定，有效缩减亚像素搜索范围，提高搜索效率的同时，使亚像素立体匹配精度得到保证，从而提高视觉三维变形测量的精度与稳定性。
-
公开(公告)号：CN103336475A
公开(公告)日：2013-10-02
申请号：CN201310279415.2
申请日：2013-07-04
Applicant: 哈尔滨工业大学
IPC: G05B19/042 , G08C17/02
Abstract: 无人机监视镜头多路选择器，属于无人机监视领域，本发明为解决现有无人机监视镜头切换时存在的问题。本发明包括单片机、遥控信号接收端口、m个光耦继电器、m个镜头连接端口、视频无线信号交互端口、红色状态灯LED1和绿色状态灯LED2，遥控信号接收端口的遥控信号输出端与单片机的遥控信号输入端相连；每个镜头连接端口通过一个光耦继电器与单片机的一个镜头切换指令传输端相连；每个镜头连接端口通过一个光耦继电器与视频无线信号交互端口的视频传输端相连；单片机的红灯状态指令输出端与红色状态灯LED1的初能端相连，单片机的绿灯状态指令输出端与绿色状态灯LED2的初能端相连。
-
公开(公告)号：CN102305608B
公开(公告)日：2013-05-01
申请号：CN201110123368.3
申请日：2011-05-13
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种多目标二维交叉运动模拟系统误差测量补偿方法，其包括以下步骤：步骤a：搭建基于交汇测量原理的双经纬仪空间坐标点三维测量系统，并实现空间点的三维位置坐标测量；步骤b：利用所得的三维位置坐标拟合目标运动平面，并求得目标运动参考坐标系；步骤c：对所测点进行坐标转化，并求得像平面坐标；步骤d：依据像平面坐标求得每个目标运动平面采样点的位置误差；步骤e：利用RBF神经网络对位置误差进行补偿。本发明的整套方法的原理简单、计算量小、避免了复杂的数学关系推导，容易实现，具有较高的实用性。
-
公开(公告)号：CN102305608A
公开(公告)日：2012-01-04
申请号：CN201110123368.3
申请日：2011-05-13
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种多目标二维交叉运动模拟系统误差测量补偿方法，其包括以下步骤：步骤a：搭建空间坐标点三维测量系统，并实现空间点的三维位置坐标测量；步骤b：利用所得的三维位置坐标拟合目标运动平面，并求得目标运动参考坐标系；步骤c：对所测点进行坐标转化，并求得像平面坐标；步骤d：依据像平面坐标求得每个目标运动平面采样点的位置误差；步骤e：利用RBF神经网络对位置误差进行补偿。本发明的整套方法的原理简单、计算量小、避免了复杂的数学关系推导，容易实现，具有较高的实用性。
-
Patent Agency Ranking
公开(公告)号：CN119540461A
公开(公告)日：2025-02-28
申请号：CN202411662055.9
申请日：2024-11-20
Applicant: 哈尔滨工业大学
IPC: G06T17/00 , G06T7/80 , G06T7/73 , G06F17/11 , G06F17/16 , G06N3/0455 , G06N3/042 , G06N3/0895 , G06T5/50 , G01B11/26
Abstract: 本发明是一种基于非合作测量的多视图发动机喷管摆角测量方法。本发明涉及目发动机喷管摆动角度的测量技术领域，本发明为实现对喷管摆角的精确测量，进行喷管特征点提取，选用SuperPoint网络提取图像特征；特征点提取之后，使用SuperGlue网络来完成特征点的匹配；相机位姿估计，在对喷管特征点进行提取和匹配后需要对相机位姿进行估计；三维特征点重建，通过相机位姿估计计算所添加图像对应的相机投影矩阵并对新加入图像中未重建的特征点进行重建。本发明不依赖于喷管提供的合作信息，具有较高的测量精度，满足喷管摆角非合作测量的需求。
-
公开(公告)号：CN118534915A
公开(公告)日：2024-08-23
申请号：CN202410504932.3
申请日：2024-04-25
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G05D109/28
Abstract: 本发明属于飞行器导航技术领域，具体涉及一种基于视线角速率成型的攻击时间约束制导方法。建立攻击飞行器和目标飞行器运动在二维平面的运动模型，将制导问题、攻击时间约束问题转化为数学模型；提出一种基于视线角速率成型的方法，设计随时间变化的三次多项式来对期望视线角进行拟合，来实现以期望的攻击时间命中机动目标；设计一种基于滑动模态的制导律，能够在目标飞行器机动状态未知的情况下，使攻击飞行器以期望的攻击时间攻击目标飞行器。本发明用以解决目标的加速度信息未知的攻击时间约束制导律问题。
-
公开(公告)号：CN116703967A
公开(公告)日：2023-09-05
申请号：CN202310398539.6
申请日：2023-04-14
Applicant: 哈尔滨工业大学
IPC: G06T7/246 , G01C21/00 , G01C21/16 , G06T7/73 , G06V10/774 , G06V10/82 , G06N3/088 , G06N3/0464
Abstract: 一种基于视觉惯性系统和置信度指导的无监督深度补全方法和系统，涉及机器人计算机视觉技术领域。解决现有无监督深度补全方法网络参数复杂，不能广泛应用的问题。方法包括：采用视觉惯性系统获取图像、稀疏深度地图和相机姿态；建立非指导稠密深度补全网络，非指导稠密深度补全网络处理稀疏深度地图，获取置信度和非指导稠密深度地图；指导深度补全网络处理置信度和非指导稠密深度地图，获取指导稠密深度地图；运动残差网络处理指导稠密深度地图、图像和相机运动位姿，获取平移残差矩阵；损失函数训练指导深度补全网络，获取指导深度补全网络训练模型；损失函数训练运动残差网络，获取运动残差网络训练模型。应用于图像处理技术领域。
-
公开(公告)号：CN116523745A
公开(公告)日：2023-08-01
申请号：CN202310413240.3
申请日：2023-04-18
Applicant: 哈尔滨工业大学
IPC: G06T3/40 , G06F30/20 , G06F17/11 , G06F17/16 , G06Q10/0639 , G06F111/04
Abstract: 本发明是一种基于扩展点线特征的自然图像拼接方法。本发明涉及图像拼接技术领域，本发明通过区域线段连接的方法对图像中的直线进行几何运算，从而尽可能保存图像重叠区域的线特征。然后利用匹配的线特征生成点特征，对匹配点进行补充，优化图像预对齐，并尽可能保留图像的几何形状特征。最后通过匹配的点线特征进行图像预对齐、单应性矩阵估计和网格化变形等一系列操作，实现图像拼接。实验表明本发明的方法对具有明显几何形状的复杂图像拼接具有明显优势，相较现有的方法Ddis最大提升28.8％,Ddir最大提升63.2％。
-
公开(公告)号：CN116309815A
公开(公告)日：2023-06-23
申请号：CN202211608131.9
申请日：2022-12-14
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于旋转参数的特征点加权不确定相机位姿估计方法。本发明涉及相机位姿估计技术领域，针对视觉测量中的相机位姿估计问题，本发明提出了一种基于CGR参数化的加权不确定非迭代位姿估计方法。该方法根据图像中的灰度信息，建立了干扰误差不确定性椭圆模型，利用奇异值分解构造了加权不确定矩阵，并带入到特征点空间共线误差目标函数中，采用基技术通过求解旋转参数得到相机位姿的全局最优解。实验结果表明，该方法具有较高的精度和抗干扰能力，可以稳定求解3D构型和平面构型中的透视n点问题。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.048 seconds)
