-
公开(公告)号：CN117409379A
公开(公告)日：2024-01-16
申请号：CN202311341478.6
申请日：2023-10-17
Applicant: 哈尔滨工业大学
IPC: G06V20/54 , G06V10/25 , G06V10/62 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁车辆追踪与车辆荷载谱智能识别方法。所述方法针对路侧摄像头在桥上分布布置的工况，首先通过训练后YOLOv7深度网络获取单摄像头数据中的车辆外观图像信息与对应车辆类型、时间等信息，并结合车道线识别方法实现车辆横向位置识别；然后引入L2‑Net深度描述符，通过各摄像头数据设计搜索匹配策略，实现行车方向各车辆行驶轨迹的精确追踪，得到车辆在桥上任意时刻的位置信息；最后将方法集成为车辆荷载谱识别系统，其可结合动态称重数据，以较低的运算耗时和较高的精度实现各种监控场景下车辆荷载谱的识别。
-
公开(公告)号：CN117409379B
公开(公告)日：2024-07-12
申请号：CN202311341478.6
申请日：2023-10-17
Applicant: 哈尔滨工业大学
IPC: G06V20/54 , G06V10/25 , G06V10/62 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁车辆追踪与车辆荷载谱智能识别方法。所述方法针对路侧摄像头在桥上分布布置的工况，首先通过训练后YOLOv7深度网络获取单摄像头数据中的车辆外观图像信息与对应车辆类型、时间等信息，并结合车道线识别方法实现车辆横向位置识别；然后引入L2‑Net深度描述符，通过各摄像头数据设计搜索匹配策略，实现行车方向各车辆行驶轨迹的精确追踪，得到车辆在桥上任意时刻的位置信息；最后将方法集成为车辆荷载谱识别系统，其可结合动态称重数据，以较低的运算耗时和较高的精度实现各种监控场景下车辆荷载谱的识别。
-
公开(公告)号：CN110311685A
公开(公告)日：2019-10-08
申请号：CN201910604340.8
申请日：2019-07-05
Applicant: 哈尔滨工业大学
Abstract: 本发明提出时序贝叶斯压缩采样及信号解压缩重构方法及数据丢失恢复方法，所述方法包括信号压缩采样的测量矩阵的选取、基向量矩阵的设计、信号本身与其在相邻时间段的变化稀疏性的建模、每一时段解压缩重构信号的贝叶斯概率求解、超参数的快速优化估计、基于后验不确定量化进行重构精度的诊断、健康监测无线传感中信号丢失的恢复方法等。本发明所述方法采用层次稀疏贝叶斯学习建模和求解算法，在嵌入信号本身及其随时间变化的两个稀疏性特征，超参数快速求解，较高压缩率下信号重构的鲁棒性及信号重构不确定性量化等方面具有独特的优势，对噪声的鲁棒性也较好。
-
公开(公告)号：CN118465299A
公开(公告)日：2024-08-09
申请号：CN202410497886.9
申请日：2024-04-24
Applicant: 哈尔滨工业大学
IPC: G01P1/00 , B64U10/00 , B64U20/80 , G06F30/28 , G01P5/00 , G01P13/02 , G01P21/02 , B64U101/00 , G06F113/08 , G06F119/14
Abstract: 本发明提出一种基于无人机的现场桥梁绕流流场移动测量方法。所述方法使用开源式四旋翼无人机搭配小型风速风向传感器组成无人机测风系统，结合机身的姿态数据与风速风向解算方法，可还原环境风场的风速风向数据。本发明与现有大桥测风技术相比，具有机动性好、成本低廉、便捷性强的优势，实现了使用无人机的测风技术，为桥梁健康监测提供新方案。
-
Patent Agency Ranking
公开(公告)号：CN118365522A
公开(公告)日：2024-07-19
申请号：CN202410482908.4
申请日：2024-04-22
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/082
Abstract: 本发明提出一种基于卷积神经网络的大视场高空间分辨率流场重构方法。该方法基于局部小视场高空间分辨率粒子图像测速技术PIV测量结果和大视场低空间分辨率测量结果，采用卷积神经网络学习大视场低分辨率流场和小视场高分辨率流场之间的映射关系，通过滑动窗口遍历整个流场即可重构出大视场高空间分辨率流场。本发明无需采用多台PIV设备同时拍摄流场进行拼接，只需采用两台PIV即可较好地重构出大视场高空间分辨率流场。
-
公开(公告)号：CN118351494A
公开(公告)日：2024-07-16
申请号：CN202410393009.7
申请日：2024-04-02
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于计算机视觉的大跨桥梁全视野车辆追踪与荷载分布在线实时识别方法。所述方法针对摄像头在桥塔上布置且视野基本覆盖全桥的工况，首先基于俯拍交通监控数据，结合视频流实时处理技术进行图像透视变换与拼接，获取全视野图像信号；进一步开展基于YOLOv7深度网络模型的桥梁全视野车辆目标检测训练，识别车辆位置信息；然后基于改进SORT算法进行车辆多目标追踪，并设计匹配策略实现盲区车辆再识别，获取车辆在全桥行驶轨迹信息；最后搭建多进程并行计算的在线实时系统，其可实现车辆轨迹精确追踪，可结合在线动态称重数据高精度实时识别桥梁车辆荷载分布信息。
-
公开(公告)号：CN119809351A
公开(公告)日：2025-04-11
申请号：CN202510246806.7
申请日：2025-03-04
Applicant: 宁波东方理工大学(暂名) , 哈尔滨工业大学
IPC: G06Q10/0635 , G01V1/30 , G01V1/01 , G06Q50/26 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供一种基于深度学习代理模型的区域地震风险评估方法，包括步骤：准备A份训练地震数据和B份验证地震数据，A份训练地震数据均输入深度学习框架的图像生成器进行迭代生成对应的预测地震动强度分布图及区域地震风险分布图；之后与真实值对比，为评估二者的差异，构建特征损失函数和对抗损失函数；基于特征损失函数和对抗损失函数持续调整生成器参数，直到所构建的损失函数值趋于平稳，所构建的模型训练完成；验证数据输入所构建的模型验证模型的性能，向训练后模型输入待测地震数据后输出待测地震风险分布图并判定损害等级，本发明方法降低了计算二阶段分析产生的误差，提升了区域地震评估效率和准确性。
-
公开(公告)号：CN119475000A
公开(公告)日：2025-02-18
申请号：CN202510066741.8
申请日：2025-01-16
Applicant: 宁波东方理工大学(暂名) , 哈尔滨工业大学
IPC: G06F18/24 , G06F18/21 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于物理融合深度学习的非线性模态数据驱动识别方法，该方法利用深度学习技术，仅依赖于非线性系统的响应数据即可识别出非线性模态。这一过程严格遵循非线性正则模态的定义，确保了识别过程的物理可解释性，并适用于各类非线性系统。相较于传统的非线性模态识别方法，本发明有效解决非线性模态识别计算复杂性高、非线性行为的先验知识依赖以及识别方法缺乏物理解释等问题。
-
公开(公告)号：CN110311685B
公开(公告)日：2020-04-24
申请号：CN201910604340.8
申请日：2019-07-05
Applicant: 哈尔滨工业大学
Abstract: 本发明提出时序贝叶斯压缩采样及信号解压缩重构方法及数据丢失恢复方法，所述方法包括信号压缩采样的测量矩阵的选取、基向量矩阵的设计、信号本身与其在相邻时间段的变化稀疏性的建模、每一时段解压缩重构信号的贝叶斯概率求解、超参数的快速优化估计、基于后验不确定量化进行重构精度的诊断、健康监测无线传感中信号丢失的恢复方法等。本发明所述方法采用层次稀疏贝叶斯学习建模和求解算法，在嵌入信号本身及其随时间变化的两个稀疏性特征，超参数快速求解，较高压缩率下信号重构的鲁棒性及信号重构不确定性量化等方面具有独特的优势，对噪声的鲁棒性也较好。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.063 seconds)
