-
公开(公告)号：CN105136300B
公开(公告)日：2017-04-05
申请号：CN201510251470.X
申请日：2015-05-18
Applicant: 中北大学
Abstract: 本发明一种弹光调制器的驱动控制装置及方法，属于弹光调制干涉仪技术领域；提供一种高分辨率弹光调制驱动控制装置及方法，可实现近红外波段(8‑14)范围内，光谱分辨率达到10cm‑1的弹光调制干涉仪的稳定驱动和控制；一种弹光调制器的驱动控制装置，包括以FPGA为核心的控制器、反向差分高压谐振驱动电路、驱动电流检测电路和最大光程差检测电路，所述弹光调制器的驱动控制装置是以FPGA为控制核心，结合反向差分高压谐振驱动电路、驱动电流检测电路和最大光程差检测电路，实现弹光调制驱动控制信号的频率和电压的调节，产生稳定的干涉图；本发明主要应用在弹光调制方面。
-
公开(公告)号：CN105136300A
公开(公告)日：2015-12-09
申请号：CN201510251470.X
申请日：2015-05-18
Applicant: 中北大学
Abstract: 本发明一种弹光调制器的驱动控制装置及方法，属于弹光调制干涉仪技术领域；提供一种高分辨率弹光调制驱动控制装置及方法，可实现近红外波段(8-14 μm)范围内，光谱分辨率达到10cm-1的弹光调制干涉仪的稳定驱动和控制；一种弹光调制器的驱动控制装置，包括以FPGA为核心的控制器、反向差分高压谐振驱动电路、驱动电流检测电路和最大光程差检测电路，所述弹光调制器的驱动控制装置是以FPGA为控制核心，结合反向差分高压谐振驱动电路、驱动电流检测电路和最大光程差检测电路，实现弹光调制驱动控制信号的频率和电压的调节，产生稳定的干涉图；本发明主要应用在弹光调制方面。
-
公开(公告)号：CN116007607B
公开(公告)日：2025-05-16
申请号：CN202211551320.7
申请日：2022-12-05
Applicant: 中北大学
Abstract: 本发明属于机器人动态SLAM视觉技术领域，具体涉及一种多源语义感知下的室内动态SLAM方法。针对室内动态环境中的定位及建图精度不高，没有统一的语义表征和计算方法等问题，本发明拟基于多传感器，对室内常见物体分类，识别并移除分割出运动物体及与其交互的可移动物体，得到清晰完整的单视角三维点云；追踪帧间运动，基于加权RANSAC方法计算局部摄像机位姿；基于多传感器感知因子图，计算摄像机全局位姿并进行回环检测，基于微分流形方法得到整个场景的全局三维点云图及摄像机运动轨迹。
-
公开(公告)号：CN119904577A
公开(公告)日：2025-04-29
申请号：CN202411990516.5
申请日：2024-12-31
Applicant: 中北大学
IPC: G06T17/00 , G06T19/20 , G06V20/64 , G06V10/20 , G06V10/40 , G06V10/80 , G06V10/75 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于向量神经元网络的点云场景重建方法，属于计算机视觉和三维重建技术领域。针对目前点云场景重建方法在处理旋转变化和复杂场景重建时的不足问题，本发明利用PointNet对点云场景数据进行实例分割，识别并分割场景中的各个物体；建立一个涵盖常见室内场景物体的CAD模型库，训练VN网络，利用向量卷积层对每个点及其邻域进行特征提取；通过堆叠多个向量卷积层，并结合残差连接和跳跃连接，获取不同尺度的特征表示；随后计算点云特征与CAD模型特征之间的相似度，采用Chamfer距离进行检索，选取最相似的CAD模型作为候选；最后将CAD模型候选逐一与场景点云进行对齐，并引入物理违规检查模块，确保重建后场景的精确性和物理合规性。
-
公开(公告)号：CN114581718B
公开(公告)日：2025-04-01
申请号：CN202210233977.2
申请日：2022-03-10
Applicant: 中北大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G01S13/86 , G06V20/64
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种融合持久同调的三维点云分类方法，为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题，本发明在现有基于神经网络的点云分类技术PointNet++基础上，进一步引入代数拓扑学中的持久同调方法进行点云分类。首先，构建点云witness单纯复形拓扑结构，从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次，定义一个基于持久同调的损失函数，据此对三维点云分类的网络模型进行训练学习，得到神经网络模型各项参数。最后，利用训练好的卷积神经网络，进行三维点云的分类任务。测试结果显示，本发明显著提升了点云分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN119691292A
公开(公告)日：2025-03-25
申请号：CN202411763492.X
申请日：2024-12-03
Applicant: 中北大学
IPC: G06F16/9537 , G06Q50/00 , G06F18/241 , G06F18/25 , G06F18/15 , G06N3/0455 , G06N3/042 , G06N3/0499
Abstract: 本发明属于大数据分析技术领域，具体涉及一种融合社会关系网络和时空上下文信息的POI推荐方法。针对没有充分考虑社会关系对个人访问轨迹的影响、未有效提取和融合时空上下文信息特征的问题，将用户特征和时间信息特征细分为多个子特征，深入挖掘特征之间的关系，同时构建区域用户轨迹图对POI‑POI社会关系网络进行建模，通过编码器全面学习用户和时空上下文信息特征，并进行加权融合，捕捉用户的动态偏好，从而提升POI预测的准确性。
-
公开(公告)号：CN118171000A
公开(公告)日：2024-06-11
申请号：CN202410280679.8
申请日：2024-03-12
Applicant: 中北大学 , 山西文旅集团信息技术有限公司
IPC: G06F16/9537 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种融合人群移动轨迹和时空‑类别的POI推荐方法，属于大数据分析技术领域。针对不能有效建模用户共同轨迹、对时空特征的挖掘不够充分的问题，依据大批量用户的运动轨迹，构建整个区域的轨迹图，通过提出的门控图卷积神经网络对共同轨迹进行建模，同时将用户签到序列中的时空和类别信息进行多维度的特征融合，并利用自注意力机制捕获用户偏好，从而为用户提供准确的下一个POI推荐。
-
公开(公告)号：CN117635488A
公开(公告)日：2024-03-01
申请号：CN202311604390.9
申请日：2023-11-28
Applicant: 中北大学
IPC: G06T5/77 , G06T5/60 , G06V20/64 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种结合通道剪枝和通道注意力的轻量型点云补全方法，属于计算机视觉技术领域。针对现有网络对点云局部信息的忽视和推理时间过长的问题。为了提高网络推理效率，采用一种高效的一次性通道剪枝技术提高网络的补全效率；在特征提取阶段网络加入通道注意力模块，将加权特征与全局特征拼接，通过两层多维特征信息提取，得到最终的特征向量；将特征向量传入双解码器结构中，分别通过全连接层和多层感知机生成稠密的粗糙点云和输入点云偏差值；将粗糙点云与输入点云偏差值相加得到最终的精细化完整点云。在PCN数据集上进行实验，实验结果表明在补全缺失车辆信息的实时性上有着显著的提升，并且在补全精度上也有不错的表现。
-
公开(公告)号：CN117541961A
公开(公告)日：2024-02-09
申请号：CN202311539215.6
申请日：2023-11-17
Applicant: 中北大学
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/0985
Abstract: 本发明公开了基于人工智能的独居老人生活行为识别分析与预警方法，属于智能居家分析技术领域。针对农村独居老人的监护问题，通过深度摄像头获取人物的骨架关节点数据，输入GCN图卷积神经网络进行归一化处理，添加一个可变超参数和位置编码器后，输入transformer神经网络，输出的数据通过两层全连接层和一层softmax层，得到动作分类的结果；更新并向户主的手机发布状态完成预警。基于transformer的图卷积行为识别方法在图像识别上取得了比resNet更好的准确率，运算速度大幅度增强。本发明采用基于骨架序列数据研究，能有效利用国外的公共数据集，提高资源的利用。
-
公开(公告)号：CN117541795A
公开(公告)日：2024-02-09
申请号：CN202311694184.1
申请日：2023-12-12
Applicant: 中北大学
Abstract: 本发明公开了一种注意力机制结合双图卷积的点云分割网络，属于计算机视觉技术领域。针对动态图卷积局部特征表征不足、全局信息利用不充分的问题，通过在动态图的基础上，利用K近邻算法通过点云的几何距离构造静态图，将动态图与静态图结合为双图结构，弥补动态图几何位置关系利用不充分的缺陷；使用边卷积提取双图结构的边特征，利用注意力池化结合最大池化与平均池化操作，进一步增强局部特征的捕获能力；其次引入通道注意力模块和空间自注意力模块改善全局特征表征能力，提升网络语义分割精度。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.024 seconds)
