-
公开(公告)号：CN110349247A
公开(公告)日：2019-10-18
申请号：CN201810305289.6
申请日：2018-04-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于语义理解的室内场景CAD三维重建方法，它涉及一种Y型融合RGB与Depth的语义分割网络、语义场景重建及聚类实例分割的CAD自动组合建模方法。它解决了传统室内三维CAD重建时，现有软件的使用复杂性和自动化程度低的问题，提高了室内高还原度组合建模的效率。本发明的步骤为：一、训练Y型融合RGB与Depth的语义分割网络，得到单帧二维的语义结果；二、语义场景的重建，完成3D立体像素的体积表示；三、同一语义类别的实例分割；四、基于语义实例及CAD模型的室内组合重建。本发明利用深度学习技术，克服了点云数据获取的缺失、表面重构的复杂性的难题，很方便的基于真实环境进行室内的CAD组合重建，提高室内CAD组合重建的真实性和智能化程度。
-
公开(公告)号：CN105610824B
公开(公告)日：2018-12-25
申请号：CN201511003052.5
申请日：2015-12-29
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于屏幕镜像及RTSP流媒体框架的屏幕共享方法，其步骤如下：步骤一：服务端开启自定义的RTSP服务及MediaProjection系统服务，开启端口进行监听，等待客户端连接；步骤二：客户端连入后进入RTSP应答流程；步骤三：通过镜像屏幕的方式将主屏幕信息捕获到画板对象上，获取屏幕信息；步骤四：对屏幕信息进行编码，通过RTP打包之后，使用多播形式向客户端进行发送。本发明使用MediaProjecion与VirtualDisplay结合的方式获取屏幕信息，使得APP不仅能够高效的获取屏幕信息，而且保持着跨平台性及类型安全等特性。
-
公开(公告)号：CN107894231A
公开(公告)日：2018-04-10
申请号：CN201711082587.5
申请日：2017-11-06
Applicant: 哈尔滨工业大学
IPC: G01C21/02
CPC classification number: G01C21/02
Abstract: 一种基于希尔伯特变换的X射线脉冲星辨识方法,它涉及微弱信号处理领域的轮廓辨识方法。它解决了当前辨识占用大量运算时间和存储空间的问题，同时可以有效抑制高频噪声的影响。本发明的步骤为：一、对标准轮廓和观测轮廓信号做希尔伯特变换。二、提取标准轮廓信号和待辨识轮廓信号的瞬时幅值特征，并利用标准轮廓的特征向量构建特征数据库。三、分别计算观测轮廓信号的特征向量与特征数据库中每个特征向量的空间距离，当距离取得最小值时，所对应的脉冲星序号即为辨识结果。本发明利用希尔伯特变换对高频噪声的抑制特性，提取瞬时幅值特征设计最小距离分类器完成脉冲星信号的高速辨识，适用于快速辨识X射线脉冲星。
-
公开(公告)号：CN103971396B
公开(公告)日：2017-02-15
申请号：CN201410225333.4
申请日：2014-05-24
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种ARM+GPU异构架构下的光线投射算法的OpenGL ES实现方法，所述方法包括如下步骤：步骤一：在ARM中建立显示窗口系统；步骤二：在ARM中获取原始体数据，并将原始体数据重建到三维笛卡尔坐标系下；步骤三：ARM对二维纹理进行排布，并利用OpenGL ES接口以二维纹理方式导入三维超声体数据；步骤四：GPU接收人机交互指令，计算坐标变换矩阵完成三维成像中的人机交互功能；步骤五：GPU进行光线投射算法的OpenGL ES实现，并对计算量进行控制；步骤六：GPU绘制显示平面。本发明将传统的基于显卡和Intel处理器的光线投射算法在嵌入式平台下实现，降低了系统开发成本。
-
公开(公告)号：CN105610824A
公开(公告)日：2016-05-25
申请号：CN201511003052.5
申请日：2015-12-29
Applicant: 哈尔滨工业大学
CPC classification number: H04L65/608 , G06F3/1423 , H04L67/02 , H04L67/04 , H04L67/1095 , H04N21/2408
Abstract: 本发明公开了一种基于屏幕镜像及RTSP流媒体框架的屏幕共享方法，其步骤如下：步骤一：服务端开启自定义的RTSP服务及MediaProjection系统服务，开启端口进行监听，等待客户端连接；步骤二：客户端连入后进入RTSP应答流程；步骤三：通过镜像屏幕的方式将主屏幕信息捕获到画板对象上，获取屏幕信息；步骤四：对屏幕信息进行编码，通过RTP打包之后，使用多播形式向客户端进行发送。本发明使用MediaProjecion与VirtualDisplay结合的方式获取屏幕信息，使得APP不仅能够高效的获取屏幕信息，而且保持着跨平台性及类型安全等特性。
-
Patent Agency Ranking
公开(公告)号：CN104546003A
公开(公告)日：2015-04-29
申请号：CN201510040779.4
申请日：2015-01-27
Applicant: 哈尔滨工业大学
IPC: A61B8/00
CPC classification number: A61B8/52
Abstract: 本发明公开了一种基于平面波发射的可变帧率彩色超高速超声成像方法，其步骤如下：探头发射多种角度的平面波超声信号到待测生物组织上，采样得到多通道射频回波信号并传输至后端CPU中；在后端CPU中对某一角度下的多通道射频回波信号进行波束合成，得到该角度对应的合成回波信号，并传到GPU内存中；在GPU中利用可变帧率平面波复合技术将不同角度的合成回波信号进行复合并解调出解析信号；利用GPU进行超声系统的B+Color双实时处理，实现高帧率、大视域的彩色超声成像模式。本发明将超声系统前端的波束形成转移至后端实现，同时结合可变帧率复合成像技术以适应不同后端处理器的计算能力，以达到符合要求的高速超声应用。
-
公开(公告)号：CN104019831A
公开(公告)日：2014-09-03
申请号：CN201410280636.6
申请日：2014-06-20
Applicant: 哈尔滨工业大学
IPC: G01C25/00
CPC classification number: G01C25/00
Abstract: 基于EMD和熵权的陀螺仪故障诊断方法，涉及一种陀螺仪的故障诊断方法，具体涉及一种基于经验模态分解和熵权的故障诊断方法，属于陀螺仪故障诊断领域。为解决针对现有的陀螺仪故障诊断方法的实用性和有效性受到限制，陀螺仪运行情况监测不足，单一信号故障检测的自适应性弱，检测过程繁琐的问题。本发明引入了一种经典的故障诊断方法—经验模态分解(EMD)方法，这是一种单一信号时域处理方法，即每次只能对一个轴上的陀螺角速度信号提取故障特征信息，然后创新性的使用熵权概念来实现故障诊断，这样可以更好的实现故障诊断，最后对所提出方法的有效性进行了仿真验证。本发明适用于卫星陀螺仪故障的诊断。
-
公开(公告)号：CN103784166A
公开(公告)日：2014-05-14
申请号：CN201410074903.4
申请日：2014-03-03
Applicant: 哈尔滨工业大学
Abstract: 多功能一体化数字超声诊断系统，涉及一种多功能的可利用超声实现对人体肌肉组织、心脏心血管疾病及骨质健康进行一体化检测与诊断的数字化超声系统。它为了解决现有的超声设备功能单一且操作复杂，不能实现远程操作的问题。本发明采用集成的探头单元、集成发射驱动/接收单元以及数字信号处理单元等，通过嵌入式计算机主控系统控制各模块单元采集信号和处理数据，并通过无线及网络通讯模块发送数据。本发明体积小、集成度高、使用携带方便，并且能够实现诊断数据的上传、下载，实现远程诊断。本发明适用于人体肌肉组织、心脏心血管疾病及骨质健康情况的诊断。
-
公开(公告)号：CN102306302B
公开(公告)日：2013-03-13
申请号：CN201110251051.8
申请日：2011-08-29
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于EMD与GARCH模型的卫星时钟误差预报方法，涉及卫星时钟的钟差预测领域，解决了现有的卫星时钟误差预报方法因缺少非平稳随机项的预测，而导致预报精度难以提高的问题，它包括步骤一、获取时钟误差历史数据，并进行数据修正预处理得到卫星钟差数据；步骤二、对卫星钟差数据的经验模态进行分解，得到卫星钟差数据的随机项部分；步骤三、对卫星钟差数据的趋势项进行预测，通过建立卡尔曼预报模型进行卫星钟差数据趋势项的预测；步骤四、对卫星钟差数据的随机项进行预测，去除趋势项后得到的随机项，采用ARMA和GARCH模型对随机项进行预测，提高卫星钟差预测精度。用于卫星导航系统的高精度时间同步。
-
公开(公告)号：CN101799873B
公开(公告)日：2011-10-19
申请号：CN201010102438.2
申请日：2010-01-28
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于经验模态分解的多分组图像有监督分类方法，属于图像处理领域，本发明为解决现有的有监督分类方法对特征利用不充分，分类精度低的问题。本发明方法包括以下步骤：一、对各像素的特征向量进行经验模态分解，得到扩展特征向量；二、将各像素的原始特征向量及其扩展特征向量按统一规则结合，得到扩维特征向量；三、对支持向量机进行训练，然后对扩维测试特征向量的类别进行归属判定，形成多个支持向量机子分类器；四、构建基于一对一策略的多分类器对各像素的归属类别作出决策，完成多分组图像的分类。本发明用于需要高精度分类的多分组图像模式识别应用。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.032 seconds)
