-
公开(公告)号：CN103901887B
公开(公告)日：2017-05-24
申请号：CN201410076572.8
申请日：2014-03-04
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于粒子群算法的多机器人编队控制方法，该方法采用领航跟随者的方法与人工势场方法相结合，引入粒子群算法，优化跟随机器人运行中的相关参数，使得跟随机器人的运动路径及避障、避碰效果有明显改善。通过调整势场函数，对危险距离以外的受力进行归一化，危险距离以内给予机器人较大的斥力，以优化避障、避碰效果。在粒子群算法中，通过调整权重系数和学习因子，引入竞争机制，以提高算法的优化效果，最终使得跟随机器人的避障、避碰效果有明显改善。
-
公开(公告)号：CN114926794B
公开(公告)日：2024-07-02
申请号：CN202210695454.X
申请日：2022-06-20
Applicant: 重庆邮电大学
IPC: G06V20/54 , G06V10/22 , G06V10/80 , G06V10/82 , G06V10/52 , G06V10/26 , G06V10/764 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明提出一种高效的轻量化SAR船舶目标检测方法，属于SAR船舶目标检测领域，本发明具体包括：建立SAR船舶目标检测模型；通过SAR雷达获取目标图像；将目标图像输入到主干提取网络中提取图像特征信息，根据目标图像的大小将提取的图像特征信息划分为第一尺度图像特征信息、第二尺度图像特征信息以及第三尺度图像特征信息；将三个不同尺度的图像特征信息输入到颈部网络中进行多尺度深层特征信息融合；将融合后的深层特征信息输入到预测网络中，得到SAR船舶目标检测结果；本发明通过轻量化SAR船舶目标检测模型实现目标的快速精准定位，显著降低船舶检测的计算量和漏检率，能够在复杂环境下以最快速度达到理想的检测效果。
-
公开(公告)号：CN113361397A
公开(公告)日：2021-09-07
申请号：CN202110625104.1
申请日：2021-06-04
Applicant: 重庆邮电大学
Abstract: 本发明属于深度学习领域，具体涉及一种基于深度学习的人脸口罩佩戴情况检测方法，该方法包括：实时获取待检测图像数据，将待检测图像输入到训练好的口罩检测网络模型中，得到检测结果；根据检测结果对待检测图像进行标记；所述口罩检测网络模型包括主干特征提取网络模、Neck网络模块以及Prediction网络；本发明在口罩检测模型中的主干特征提取网络中使用CSPDarkNet‑X模块不但可以加强模型的特征提取能力，同时可以降低模型的参数量并且简化了模型的骨干网络的结构，使得模型的特征学习能力得到提升。
-
公开(公告)号：CN104750397B
公开(公告)日：2018-06-15
申请号：CN201510166323.2
申请日：2015-04-09
Applicant: 重庆邮电大学
IPC: G06F3/0487 , G06K9/00
Abstract: 本发明请求保护一种基于体感的虚拟矿井自然交互方法，该方法包括：运用Kinect体感器获取用户的手势信号、深度信息以及骨骼点信息；通过图像预处理对手势信号里的图像、深度信息及骨骼信息进行平滑滤波；利用深度直方图分割出手势图像，再运用八邻域轮廓跟踪算法找出手势轮廓，识别静态手势；根据骨骼信息，用改进动态时间规划进行动态手势的特征匹配识别；利用手势识别结果触发相应的Win32指令消息，并将消息发送给虚拟现实引擎，把指令消息分别映射到虚拟矿井交互系统原本的键盘鼠标操作，实现对虚拟矿井的体感交互控制。本发明方法提高了人机交互的自然高效性，增加了虚拟矿井表现的沉浸感、自然感。能有效的普及虚拟现实与体感交互技术在煤矿及其他领域的应用。
-
公开(公告)号：CN105787903A
公开(公告)日：2016-07-20
申请号：CN201610169836.3
申请日：2016-03-23
Applicant: 重庆邮电大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06F17/141 , G06F17/156 , G06F17/18 , G06T2207/20024 , G06T2207/20056 , G06T2207/20192
Abstract: 本发明涉及一种基于自适应分数阶向各异性扩散的纹理图像去噪滤波器，属于数字图像处理技术领域。该滤波器采用缓存器、二维离散傅里叶变换(2?D DFT)一、加法器一、二维离散傅里叶逆变换(2?D IDFT)、发生器、乘法器一、c(·)Dαx发生器、二维离散傅里叶变换(2?D DFT)二、c(·)Dαy发生器、二维离散傅里叶变换(2?D DFT)三、乘法器二、发生器以级联方式构成的。该滤波器具有在去除纹理图像噪声的同时，既能尽量保留平滑区域中的低频轮廓，同时又能非线性保留灰度值跃变幅度相对较大的高频边缘，而且还能非线性保留灰度值跃变幅度变化相对不大的纹理细节的显著优点；该滤波器适用于对富含复杂纹理细节特征的图像去噪场合。
-
Patent Agency Ranking
公开(公告)号：CN104750397A
公开(公告)日：2015-07-01
申请号：CN201510166323.2
申请日：2015-04-09
Applicant: 重庆邮电大学
IPC: G06F3/0487 , G06K9/00
Abstract: 本发明请求保护一种基于体感的虚拟矿井自然交互方法，该方法包括：运用Kinect体感器获取用户的手势信号、深度信息以及骨骼点信息；通过图像预处理对手势信号里的图像、深度信息及骨骼信息进行平滑滤波；利用深度直方图分割出手势图像，再运用八邻域轮廓跟踪算法找出手势轮廓，识别静态手势；根据骨骼信息，用改进动态时间规划进行动态手势的特征匹配识别；利用手势识别结果触发相应的Win32指令消息，并将消息发送给虚拟现实引擎，把指令消息分别映射到虚拟矿井交互系统原本的键盘鼠标操作，实现对虚拟矿井的体感交互控制。本发明方法提高了人机交互的自然高效性，增加了虚拟矿井表现的沉浸感、自然感。能有效的普及虚拟现实与体感交互技术在煤矿及其他领域的应用。
-
公开(公告)号：CN103901887A
公开(公告)日：2014-07-02
申请号：CN201410076572.8
申请日：2014-03-04
Applicant: 重庆邮电大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于粒子群算法的多机器人编队控制方法，该方法采用领航跟随者的方法与人工势场方法相结合，引入粒子群算法，优化跟随机器人运行中的相关参数，使得跟随机器人的运动路径及避障、避碰效果有明显改善。通过调整势场函数，对危险距离以外的受力进行归一化，危险距离以内给予机器人较大的斥力，以优化避障、避碰效果。在粒子群算法中，通过调整权重系数和学习因子，引入竞争机制，以提高算法的优化效果，最终使得跟随机器人的避障、避碰效果有明显改善。
-
公开(公告)号：CN103810741A
公开(公告)日：2014-05-21
申请号：CN201410056652.7
申请日：2014-02-19
Applicant: 重庆邮电大学
Abstract: 本发明提供了一种基于多智能体的井下应急撤离虚拟人群仿真方法。该方法基于多智能体技术，构建了一种虚拟矿井紧急撤离人群仿真框架，仿真框架主要由人群仿真引擎、几何场景仿真引擎、场景数据库、事件记录器、人机交互界面5部分组成。考虑到在矿难发生时生理、心理等健康因素对矿工的影响，以及不同角色的矿工在矿难发生时对矿井知识的认识不同，做出的行为决策不同，该方法面向角色理论，构建了班组长、有经验的矿工、普通矿工、救援者等不同角色的多智能体矿工人群应急撤离模型与算法。本发明提出的仿真方法能很好的模拟矿井真实情况，具有很好的通用性与逼真性，能为井下安全事故分析与预防、矿井安全培训、救援演练提供有效技术支撑。
-
公开(公告)号：CN103707952A
公开(公告)日：2014-04-09
申请号：CN201410014335.9
申请日：2014-01-13
Applicant: 重庆邮电大学
IPC: B62D57/032
Abstract: 本发明公开了一种窄足被动行走装置，包括髋部、驱动装置、固定架、数据采集装置和主控板；所述髋部包括左髋部和右髋部，每个髋部固定连接一条直腿，每条直腿固定连接一个足部；所述驱动装置为行走装置行走提供动力；所述主控板根据数据采集装置采集到的数据进行分析以便控制直腿的摆动频率和摆动角度；所述右髋部的顶端与固定架连接，左髋部与固定架活动连接。本发明具备完整的双足行走形态，并且装置很简洁，很巧妙，以一种全新的足部设计解决了行走时的侧向平衡问题，且不需要膝盖，利用了被动行走的自稳定，步态自然的动力学特性，控制方式也比较简单。该装置在腿足的康复医疗上，玩具领域上都有相当大的应用前景，甚至在军事应用上也是有很有价值的潜在应用的。
-
公开(公告)号：CN115731392A
公开(公告)日：2023-03-03
申请号：CN202211487874.5
申请日：2022-11-25
Applicant: 重庆邮电大学
IPC: G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉和数字处理领域，具体涉及一种基于改进YOLOv4网络的目标检测方法；包括基于现有YOLOv4网络构建改进YOLOv4网络，改进YOLOv4网络包括改进骨干网络、颈部网络和头部网络；改进骨干网络中加入了ECANet通道注意力模块；获取图像数据集训练改进YOLOv4网络，采用新边框回归损失函数、融合置信度损失函数和分类损失函数进行迭代训练，调整网络参数；将训练好的改进YOLOv4网络用于目标检测，得到目标检测结果；本发明在提升模型检测精度的同时保证了检测速度。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.031 seconds)
