-
公开(公告)号：CN113971877A
公开(公告)日：2022-01-25
申请号：CN202111231925.3
申请日：2021-10-22
Applicant: 湘潭大学
Abstract: 本发明公开了一种无人驾驶车辆的遥控系统，包括无线遥控器、控制终端；无线遥控器包括无线遥控器MCU以及均连接无线遥控器MCU的第一无线收发模块、第一冗余无线收发模块、液晶显示器和无线电侦测模块；所述控制终端包括第二无线收发模块、第二冗余无线收发模块、陀螺仪、控制终端MCU、第一隔离CAN通信模块和第二隔离CAN通信模块，控制终端MCU分别与第二无线收发模块、第二冗余无线收发模块、陀螺仪、第一隔离CAN通信模块、第二隔离CAN通信模块相连。通过本发明可以使用遥控模式控制车辆，并且也能解决遥控过程中通信不稳定以及车辆运行过程中出现异常运动状态的问题，保护人员以及财产安全。
-
公开(公告)号：CN106370659A
公开(公告)日：2017-02-01
申请号：CN201610679310.X
申请日：2016-08-17
Applicant: 湘潭大学
CPC classification number: G01N21/88 , G01F23/292 , G01N2021/8887 , G06T7/0006
Abstract: 本发明公开了一种瓶体封装质量视觉检测方法，包括以下步骤：(1)获取瓶体图像及预处理；(2)采用垂直方向自下而上搜索策略定位支撑环；(3)自适应标定封盖、液位和喷码检测区域；(4)采用灰度阈值分割算法提取Blob候选块，由判定规则判断封盖、液位和喷码是否存在缺陷。该方法解决人工检测速度慢、效率低、精度差的问题；克服目前视觉检测算法复杂、检测耗时长，无法满足高速生产线上检测PET瓶的需求,提高瓶体检测自动化程度。
-
公开(公告)号：CN102663839A
公开(公告)日：2012-09-12
申请号：CN201210135558.1
申请日：2012-04-28
Applicant: 湘潭大学
Abstract: 本发明公开了一种无线巡考系统，至少包含：一个考生个人信息专用采集终端：至少包含一个指纹采集模块、一个输入模块，以及一个电源模块；一个考生信息专用存储服务器；一个监考或巡考人员专用手持巡考终端：至少包含一个指纹采集模块、一个读卡器模块、一个无线通信模块、一个显示模块，以及一个电源模块；一个中央处理端：在中央处理端连接了一个通信模块。本发明可有效克服目前传统人工巡考方式中所存在的诸多不足之处，旨在为各类主考单位更好地防止和杜绝代考现象提供一种有效的直观的高科技巡考系统。该系统基于指纹识别、无线通信网络等关键技术，来实现对考生身份的自动化高效识别。
-
公开(公告)号：CN118506112B
公开(公告)日：2024-10-01
申请号：CN202410962844.8
申请日：2024-07-18
Applicant: 湘潭大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于高阶交互卷积网络的高光谱图像分类方法，属于遥感影像信息处理领域，包括以下步骤：数据预处理；模型建立：设计一种基于高阶交互卷积网络的高光谱图像分类模型，其采用Swin Transformer的层次化结构，构建四级下采样模块和特征提取模块，再经解码器逐像素类别预测，其中特征提取模块包括高阶交互卷积模块和光谱空间线性双注意力模块；模型训练；模型验证推理。本发明引入RMKV架构替代VIT，提高了识别精度，将VIT的二次计算复杂度降低到线性水平；使用卷积框架实现了Transformer结构的自注意力操作，缓解了ViT中有限的局部信息交互和单一特征表示，提高了语义特征的识别精度。
-
公开(公告)号：CN118674851A
公开(公告)日：2024-09-20
申请号：CN202410598011.8
申请日：2024-05-14
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于顶点扩散和填充滤波的大规模点云的高质量图像映射方法，该方法包括：步骤(1)旋转，对点云旋转以调整映射位置；步骤(2)体素化，对大规模点云体素化，减轻计算成本和资源消耗；步骤(3)顶点扩散，将体素单元轴z轴最高点(顶点)扩散到近邻体素单元中；步骤(4)点云映射图像，将步骤(1)～(3)处理后的点云映射到二维图像；步骤(5)填充滤波，对图像中未被映射的像素进行填充，生成最终高质量图像。本发明是一种针对大规模点云映射为高质量图像的方法，特别是提供了一种顶点扩散和填充滤波的操作，提升了映射图像像素的连续性与点云重叠结构在图像中的可视化效果。
-
Patent Agency Ranking
公开(公告)号：CN110061048A
公开(公告)日：2019-07-26
申请号：CN201910348994.9
申请日：2019-04-28
Applicant: 湘潭大学
IPC: H01L29/08 , H01L29/423 , H01L29/47 , H01L21/332 , H01L29/74 , H01L29/745
Abstract: 本发明公开了一种基于肖特基二极管的MOS场控晶闸管，包括阳极金属、位于阳极金属上的P+阳极、位于P+阳极上的N FS层、位于N FS层上的N-base区；N-base区顶层表面分布有第一类阴极金属、第二类阴极金属、栅介质层；栅介质层上方设置多晶硅栅；N-base区顶端靠左设置P well区，P well区顶端靠右设置N well区，N well区的顶端靠右设置P+区；N well和P+区的一部分位于多晶硅栅下方。本发明能够解决MCT关断过程中off-FET中存在的反复充电和放电问题，减少MCT在脉冲电路中的关断时间；同时，缓解MCT阴极金属边缘处的电流集中，提高器件的可靠性。
-
公开(公告)号：CN103295403A
公开(公告)日：2013-09-11
申请号：CN201310238876.5
申请日：2013-06-17
Applicant: 湘潭大学
Abstract: 本发明公开了一种交通流视觉检测方法，由电子监控获取实时交通场景图像序列，交通场景天气状况环境由光照强度、温度、湿度传感器感知，判别是白天/晚上，晴天/阴雨天/正常等天气状况，相应进行光照、阴影预处理。利用交通规则对行车距离的约束，同时考虑车辆实际通行中由于超车、让车而偏离车道这一现像，在图像中设置双虚拟线于监控范围内所有车道的同一水平位置处，在双虚拟线检测区域，利用双模板匹配卷积快速检测定位车辆位置，消除“一对多”“多对一”现像，减少误检，误判。并判别、识别车辆在水平、垂直方向间隔有无异常，利用车辆的水平、垂直位置信息加以约束，正确定位车辆目标位置，及对正常行驶车辆计数，统计交通流量，解决交通流量计数不准的问题。该方法具有较高的检测精度和良好的抗干扰性及实时性。
-
公开(公告)号：CN118506112A
公开(公告)日：2024-08-16
申请号：CN202410962844.8
申请日：2024-07-18
Applicant: 湘潭大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于高阶交互卷积网络的高光谱图像分类方法，属于遥感影像信息处理领域，包括以下步骤：数据预处理；模型建立：设计一种基于高阶交互卷积网络的高光谱图像分类模型，其采用Swin Transformer的层次化结构，构建四级下采样模块和特征提取模块，再经解码器逐像素类别预测，其中特征提取模块包括高阶交互卷积模块和光谱空间线性双注意力模块；模型训练；模型验证推理。本发明引入RMKV架构替代VIT，提高了识别精度，将VIT的二次计算复杂度降低到线性水平；使用卷积框架实现了Transformer结构的自注意力操作，缓解了ViT中有限的局部信息交互和单一特征表示，提高了语义特征的识别精度。
-
公开(公告)号：CN118429358A
公开(公告)日：2024-08-02
申请号：CN202410598016.0
申请日：2024-05-14
Applicant: 湘潭大学
IPC: G06T7/10 , G06V10/26 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/40 , G06N3/04 , G06N3/084
Abstract: 本发明公开了一种融合特征距离和外部注意力的大规模户外点云分割方法。本发明包括以下步骤：1、点云获取，通过无人机LIDAR获取大规模户外点云数据进行分析并划分数据集；2、模型建立，设计一种融合特征距离和外部注意力的大规模户外点云分割模型，通过特征距离最远点采样F‑FPS算法加强点采样多样性以及外部注意力机制加强对整个点云数据集中的数据特征间关系的聚合；3、模型训练，利用划分的训练集点云数据进行模型训练；4、模型推理，将测试集的点云数据输入到训练好的模型中，推理测试点云的语义类别预测值，评估预测准确度。本发明是提供一种融合特征距离和外部注意力的大规模户外点云分割方法，在大规模户外场景下获得了较好的分割效果。
-
公开(公告)号：CN117911879B
公开(公告)日：2024-06-07
申请号：CN202410318234.4
申请日：2024-03-20
Applicant: 湘潭大学 , 中水珠江规划勘测设计有限公司
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种融合SAM的细粒度高分遥感影像变化检测方法，属于地理图像信息处理技术领域，包括以下步骤：步骤1，影像采集；步骤2，数据集预处理；步骤3，模型建立：设计一种融合SAM的细粒度高分遥感影像变化检测模型SCDM，通过在UNet语义分割模型嵌入SAM模块，提高变化检测模型的识别精度；通过细粒度的度量学习方法，提高变化比较算法的像素级差异检测的准确率；步骤4，模型训练：步骤5，模型测试推理。本发明引入了经过大量数据集训练的SAM模块，提高了语义特征的识别精度；基于余弦距离度量的方法对度量空间中的全局特征图进行建模，并通过细粒度的对比损失函数判断特征差异，提高了变化检测的整体精度、具有较好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.019 seconds)
