-
公开(公告)号：CN117710803A
公开(公告)日：2024-03-15
申请号：CN202410053431.8
申请日：2024-01-12
Applicant: 中国科学院自动化研究所
IPC: G06V20/05 , G06N3/045 , G06N3/0464 , G06N3/092 , G06V10/764 , G06V10/80 , G06V10/82 , G06F18/22 , G06F18/25
Abstract: 本发明涉及一种基于水下声光特征的水下检测方法，包括：获取声学检测器信息；基于声学检测器信息获取声学预选框特征；获取光学图像检测器信息；基于光学图像检测器信息获取光学预选框特征；对声学预选框特征和光学预选框特征进行维度拼接；将维度拼接后的声学预选框特征和维度拼接后的光学预选框特征进行融合，生成融合预选框特征；基于融合预选框特征确定检测结果。使得水下目标的纹理特征得到大幅补充，检测结果得到了明显的提升。
-
公开(公告)号：CN117435934A
公开(公告)日：2024-01-23
申请号：CN202311783616.6
申请日：2023-12-22
Applicant: 中国科学院自动化研究所
IPC: G06F18/22 , G06F17/16 , G06F18/10 , G06F18/25 , G06F123/02
Abstract: 本发明涉及一种基于二分图的运动目标轨迹的匹配方法、装置和存储介质，涉及模式识别技术领域。基于二分图的运动目标轨迹的匹配方法包括：获取待匹配的两个轨迹集合，将一个轨迹集合中的多条轨迹分别与另一个轨迹集合中的多条轨迹进行匹配，判断进行匹配的两个轨迹是否满足第一预设条件；对所有满足第一预设条件的轨迹进行相似度计算，并结合所有不满足第一预设条件的轨迹的相似度，得到相似度矩阵；根据相似度矩阵构建二分图，采用匈牙利算法对二分图进行计算，得到二分图匹配结果。根据本发明的匹配方法，能够提高不同轨迹集合中目标关联的运行效率，同时还可以保证后续数据融合的精确度。
-
公开(公告)号：CN110334708A
公开(公告)日：2019-10-15
申请号：CN201910595902.7
申请日：2019-07-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉、模式识别与机器学习领域，具体涉及一种跨模态目标检测中的差异自动校准方法、系统、装置，旨在解决彩色-热度图像差异问题导致检测不准确的问题。本系统方法包括获取待检测的彩色-热度多模态图像，构建输入图像集合；获取输入图像集合中各模态图像的特征图，并提取共享候选区域；将各共享候选区域对齐，通过池化得到各共享候选区域的特征表示；基于预设分类器获取共享候选区域的特征表示的类别，通过偏差回归获取共享候选区域的位置；根据共享候选区域的特征表示的类别，采用非极大值抑制，获取概率最大的共享候选区域，并根据位置返回到待检测图像中进行标记。本发明显著提高了行人探测器的鲁棒性和跨模态检测的准确性。
-
公开(公告)号：CN109176532A
公开(公告)日：2019-01-11
申请号：CN201811333508.8
申请日：2018-11-09
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明属于机器人技术领域，具体涉及一种机械臂路径规划方法、系统及装置，旨在解决从序贯式数据逐步建立序列模型而发生灾难性遗忘的问题。本发明方法包括，从多任务序列R中选取一个未经优化的任务Ri；基于任务Ri的局部策略pi来生成成功抓取的样本轨迹集合Dm；基于Dm拟合线性高斯动力学模型；采用直接优化单一的局部策略的方法优化得到优化后的局部策略p1i；基于p1i生成成功抓取的样本轨迹集合D1m；采用EWC算法，基于D1m优化全局策略πθ；重复上述步骤直至R任务被遍历，输出最后优化的到的全局策略πθ，进行机械臂多任务下的路径规划。通过本发明从序贯式数据逐步建立序列模型而不发生灾难性的遗忘。
-
公开(公告)号：CN109101897A
公开(公告)日：2018-12-28
申请号：CN201810806439.1
申请日：2018-07-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及机器人视觉、模式识别与机器学习领域，具体涉及一种水下机器人的目标检测方法、系统及相关设备。旨在提升目标检测技术对水下目标遮挡、变形、光照变化的鲁棒性。本发明的目标检测方法包括：获取原始的待检测图像；对原始的待检测图像进行像素值归一化，得到预处理后的待检图像；将预处理后的待检测图像输入目标检测网络进行检测，得到感兴趣区域的包围框和属于各目标类别的概率；根据感兴趣区域的包围框和属于各目标类别的概率，采用改进的非极大值抑制算法得到目标物体的包围框和所属类别。其中，目标检测网络中采用可变形卷积神经网络提取特征图，基于候选区域法进行目标检测。本发明的检测方法在保证速度的情况下提升了检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN104463786B
公开(公告)日：2017-06-16
申请号：CN201410727745.8
申请日：2014-12-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种图像拼接方法及装置，适用于双目视觉移动机器人平台，利用图像拼接技术对机器人双目采集的图像进行拼接，可以增大机器人视野，便于机器人更好地完成定位和环境重建。本发明方法包括：采用SURF特征提取图像序列特征点，形成特征向量；搜索特征向量空间，寻找特征匹配点；采用随机采样一致性算法(RANSAC)鲁棒地估计变换模型参数；利用变换模型对待配准图像进行坐标变换，实现图像序列的坐标统一；根据对应匹配点的亮度值，估计出图像序列亮度空间满足的变换关系，实现曝光度补偿；采用像素标签方法确定图像重叠区域像素取值，实现拼接图像去鬼影；根据最优标签值集合生成图像掩膜，对图像进行拉普拉斯金字塔融合。
-
公开(公告)号：CN103246940B
公开(公告)日：2017-02-08
申请号：CN201310177392.4
申请日：2013-05-14
Applicant: 中国科学院自动化研究所
IPC: G06Q10/04
Abstract: 本发明公开了一种工厂设备优化布局方法，该方法对工厂设备的布局建立模型，模型以以下形式给出：min F(X)＝tr(AXBTXT+CXT)s.t.X∈Π，其中 是三个规模相同的矩阵，损耗矩阵A表示设备间单位耗损，距离矩阵B表示地点间差异；C表示维护费用矩阵，是待求的分配矩阵，其形式为置换矩阵，Π是置换矩阵集，tr(*)表示矩阵的迹。然后本发明基于逐步非凸逐步凹过程对所述模型的目标函数进行优化。本发明的方法在保持很高的布局精度的同时，能大幅度降低时间消耗和存储消耗。
-
公开(公告)号：CN104463786A
公开(公告)日：2015-03-25
申请号：CN201410727745.8
申请日：2014-12-03
Applicant: 中国科学院自动化研究所
CPC classification number: G06T3/0068 , G06T5/50
Abstract: 本发明公开了一种图像拼接方法及装置，适用于双目视觉移动机器人平台，利用图像拼接技术对机器人双目采集的图像进行拼接，可以增大机器人视野，便于机器人更好地完成定位和环境重建。本发明方法包括：采用SURF特征提取图像序列特征点，形成特征向量；搜索特征向量空间，寻找特征匹配点；采用随机采样一致性算法(RANSAC)鲁棒地估计变换模型参数；利用变换模型对待配准图像进行坐标变换，实现图像序列的坐标统一；根据对应匹配点的亮度值，估计出图像序列亮度空间满足的变换关系，实现曝光度补偿；采用像素标签方法确定图像重叠区域像素取值，实现拼接图像去鬼影；根据最优标签值集合生成图像掩膜，对图像进行拉普拉斯金字塔融合。
-
公开(公告)号：CN117953153B
公开(公告)日：2025-03-25
申请号：CN202410025261.2
申请日：2024-01-08
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种三维重建方法即装置、设备即存储介质，所述方法包括：将源图像输入已知的多视图三维重建网络，输出与源图像对应的视频和相机位姿信息；抽取所述视频的每一图像帧，并将抽取的每一图像帧与相机位姿信息进行匹配；对源图像进行识别，得到与源图像相关的文字描述；将与源图像相关的文字描述以及相互匹配的每一图像帧与相机位姿信息，作为已知的图像生成模型的输入，生成与源图像对应的各个角度的图像，以组成与源图像对应的三维模型，能够准确地对图像中的物品进行三维重建。
-
公开(公告)号：CN117893876A
公开(公告)日：2024-04-16
申请号：CN202410027733.8
申请日：2024-01-08
Applicant: 中国科学院自动化研究所
IPC: G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N5/022 , G06V10/764
Abstract: 本发明提出了一种基于场景图的零样本训练方法、装置、存储介质和电子设备，涉及计算机视觉领域。零样本训练包括：获取与检测样本相关的第一知识图谱；获取第一知识图谱中与检测样本相关的类别信息和连接信息，构建与检测样本相关的第二知识图谱；根据图卷积神经网络对第二知识图谱的信息进行训练，得到第一训练检测模型；根据第一训练检测模型推理得到分类器；根据类别信息和连接信息构建场景图；根据场景图和分类器对第一训练检测模型进行训练，得到第二训练检测模型。本发明通过构建场景图结构，利用前景之间的交互信息，形成新任务和旧任务之间的关联，从而依托模型和旧任务之间的交互信息，实现对新任务的辨识。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.039 seconds)
