-
公开(公告)号：CN116095434B
公开(公告)日：2025-03-18
申请号：CN202310082244.8
申请日：2023-02-08
Applicant: 哈尔滨工业大学
IPC: H04N23/50 , B64D47/08 , B64U20/87 , G06T17/00 , G06T7/80 , G03B17/00 , G03B35/00 , G02B30/00 , H04N23/66 , H04N23/60 , H04N13/243 , G01N21/25 , G01C11/02 , B64U101/30
Abstract: 可配置多光谱遥感立体成像系统及设计方法，涉及多光谱倾斜遥感成像技术领域。为了解决现有的基于无人机的多光谱成像系统存在倾斜影像信息采集能力受限的问题，以及多相机之间缺乏采集同步性和累计误差的问题。本发明针对复杂遥感场景多角度多光谱数据采集需求，对可配置相机挂载结构、同步触发控制模块以及相机内外参数标定方法进行设计，采用合页式结构和固定插销实现相机数量配置、倾斜角度调节功能，基于微控制器与脉宽调制技术设计开发相机同步触发模块实现数据同步采集，设计开发多相机标定方法获得相机之间精确的空间变换关系，实现对多相机位置和姿态信息的修正。
-
公开(公告)号：CN119516170A
公开(公告)日：2025-02-25
申请号：CN202411601174.3
申请日：2024-11-11
Applicant: 哈尔滨工业大学
IPC: G06V10/25 , G06V10/82 , G06V20/64 , G06V20/17 , G06V20/10 , G06V10/10 , G06V10/58 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/094
Abstract: 基于柱体‑体素融合的机载高光谱点云三维目标检测系统及方法，属于三维目标检测技术领域。为了解决现有的三维目标检测存在难以充分提取特征的问题和空间与光谱失配的问题。本发明首先通过郁闭度计算与地面拟合，为待检测场景随机添加对抗样本；然后基于一种基于柱体‑体素融合的机载高光谱点云三维目标检测系统进行目标检测，系统通过柱体‑体素双分支编码器分别实现机载高光谱点云与拆分的几何点云的特征提取，通过稀疏特征融合模块对齐并动态调节和整合双分支中间层特征；然后利用分块特征融合模块自适应对齐和选择双分支的输出特征，得到场景的密集鸟瞰特征图，然后输入检测头得到预测结果。
-
公开(公告)号：CN119047524A
公开(公告)日：2024-11-29
申请号：CN202411158489.5
申请日：2024-08-22
Applicant: 哈尔滨工业大学
IPC: G06N3/0495 , G06N3/082 , G06N3/084 , G06N3/0464
Abstract: 一种面向复杂网络结构的递进式模型压缩方法，本发明属于卷积神经网络轻量化领域，涉及面向复杂网络结构的递进式模型压缩方法。本发明的目的是为了解决已有的轻量级网络设计方法难以应用在结构复杂的基础模型上，以及已有的轻量级网络不适用于对检测速度和检测精度同时有较高要求的场景的问题。过程为：步骤1、对用于图像识别的目标模型做滤波器剪枝与通道数对齐；步骤2、给定步骤1完成滤波器剪枝与通道数对齐后的目标模型的损失函数；将特征图输入步骤1完成滤波器剪枝与通道数对齐后的目标模型，目标模型每一个卷积层l输出yl，使用反向传播算法计算损失函数相对于yl的梯度Tl：根据梯度，将卷积层中卷积操作替换为轻量级卷积操作。
-
公开(公告)号：CN119007031A
公开(公告)日：2024-11-22
申请号：CN202411113632.9
申请日：2024-08-14
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/26 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 基于掩码图像建模的遥感图像多模态统一表示学习方法，本发明涉及遥感图像多模态统一表示学习方法，属于多模态卫星遥感技术领域。本发明的目的是为了解决现有方法由于遥感异构数据特征差异大与带标签的遥感数据量不足，导致现存方法难以充分利用到海量无标签多模态遥感数据，模型过拟合且分类准确率低的问题。过程为：获得训练好的基于掩码图像建模的遥感图像多模态统一表示学习的分类下游任务微调模型和基于掩码图像建模的遥感图像多模态统一表示学习的语义分割下游任务微调模型；将待测多模态遥感配对图像输入训练好的分类下游任务微调模型，输出分类结果；将待测多模态遥感配对图像输入训练好的语义分割下游任务微调模型，输出语义分割结果。
-
公开(公告)号：CN118941463A
公开(公告)日：2024-11-12
申请号：CN202411056531.2
申请日：2024-08-02
Applicant: 哈尔滨工业大学
IPC: G06T5/70 , G06T5/60 , G06N3/0895 , G06N3/0464
Abstract: 基于卷积神经网络和去噪正则化方法的激光雷达点云数据处理方法、存储介质及设备，本发明涉及激光雷达点云数据处理领域，涉及激光雷达点云数据处理方法、存储介质及设备。本发明的目的是为了解决现有激光雷达点云数据去噪方法去噪准确率低，处理效率低，导致获取的去噪后的图像与真实图像误差大的问题。过程为：获得预处理后的激光雷达点云数据；获取去噪器；构建正则化项；构建目标函数；对目标函数进行求解获得去噪后的激光雷达点云数据；将预处理后的激光雷达点云数据作为输入，去噪后的激光雷达点云数据作为输出，基于目标函数中的惩罚函数进行自监督训练，获得训练好的网络；基于训练好的网络对待测激光雷达点云数据进行处理。
-
Patent Agency Ranking
公开(公告)号：CN117522827B
公开(公告)日：2024-07-12
申请号：CN202311552590.4
申请日：2023-11-20
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/26 , G06V10/52 , G06V10/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 基于稀疏编码和低频重建的遥感基础模型构建方法及系统，本发明涉及遥感基础模型构建方法及系统。本发明针对现有遥感基础模型只注重样本实例或像素间的关联性，忽略了对遥感图像变化检测任务至关重要的多尺度特征和频率信息，导致模型泛化能力不足、遥感图像变化检测准确率低。过程为：构建无标注遥感图像样本集；基于低频频率生成低频重建目标1；采用骨干网络‑解码器网络对图像的掩码区域进行像素重建，基于重建的掩码区域和非掩码区域获得重建目标2；得到预训练好的骨干网络‑解码器网络；获得训练好的变化检测网络；将待测的同一地区不同时间的一对遥感图像输入训练好的变化检测网络进行变化检测。本发明属于遥感图像领域。
-
公开(公告)号：CN117315401A
公开(公告)日：2023-12-29
申请号：CN202311374280.8
申请日：2023-10-23
Applicant: 哈尔滨工业大学
IPC: G06V10/774 , G06V10/764 , G06T7/10
Abstract: 一种基于半监督迁移光谱重构网络的高光谱遥感图像生成方法，本发明属于卫星遥感技术领域，涉及一种高光谱图像生成方法。本发明目的在于针对获取大幅宽、高空间分辨率高光谱遥感图像困难的问题。过程为：1、得到训练完成的预训练光谱重构网络；2、得到训练完成的区域判别网络；3、构建高‑多光谱图像监督训练集和多光谱无监督训练集；4、构建半监督迁移光谱重构网络；半监督迁移光谱重构网络包括预训练光谱重构网络、区域判别网络和迁移网络；通过高‑多光谱图像监督训练集和多光谱无监督训练集交替对半监督迁移光谱重构网络进行训练，获得训练好的半监督迁移光谱重构网络；5、对待测多光谱图像进行光谱重构，生成高光谱遥感图像。
-
公开(公告)号：CN116577802A
公开(公告)日：2023-08-11
申请号：CN202310524952.2
申请日：2023-05-10
Applicant: 哈尔滨工业大学
Abstract: 基于ZYNQ的无人机平台多传感器数据同步采集系统，属于无人机平台遥感技术领域。为了解决现有系统对无人机搭载的多光谱相机与激光雷达不能进行同步采集或者同步误差较大的问题。本发明设计持续时间同步触发信号发生器，当ZYNQ开发板内部设置的毫秒定时计时每满一秒或者当惯性导航板卡接收到卫星GPS信号的秒脉冲上升沿时，由持续秒脉冲发生器输出持续时间同步触发信号，同时清空毫秒定时器，循环重复；在生成持续时间同步触发信号的同时，记录毫秒定时器所计数的一秒时长与UTC时间真实的一秒时长的差值，基于差值得到修正误差并对毫秒定时器进行修正。基于持续时间同步触发信号进行多光谱相机、激光雷达和惯性导航板卡的时间持续性同步。
-
公开(公告)号：CN116095434A
公开(公告)日：2023-05-09
申请号：CN202310082244.8
申请日：2023-02-08
Applicant: 哈尔滨工业大学
IPC: H04N23/50 , B64D47/08 , B64U20/87 , G06T17/00 , G06T7/80 , G03B17/00 , G03B35/00 , G02B30/00 , H04N23/66 , H04N23/60 , H04N13/243 , G01N21/25 , G01C11/02 , B64U101/30
Abstract: 可配置多光谱遥感立体成像系统及设计方法，涉及多光谱倾斜遥感成像技术领域。为了解决现有的基于无人机的多光谱成像系统存在倾斜影像信息采集能力受限的问题，以及多相机之间缺乏采集同步性和累计误差的问题。本发明针对复杂遥感场景多角度多光谱数据采集需求，对可配置相机挂载结构、同步触发控制模块以及相机内外参数标定方法进行设计，采用合页式结构和固定插销实现相机数量配置、倾斜角度调节功能，基于微控制器与脉宽调制技术设计开发相机同步触发模块实现数据同步采集，设计开发多相机标定方法获得相机之间精确的空间变换关系，实现对多相机位置和姿态信息的修正。
-
公开(公告)号：CN115797175A
公开(公告)日：2023-03-14
申请号：CN202211527017.3
申请日：2022-11-30
Applicant: 哈尔滨工业大学
Abstract: 一种基于亚像素字典学习的高光谱遥感图像空间超分辨方法，本发明涉及基于亚像素字典学习的高光谱遥感图像空间超分辨方法。本发明的目的是为了解决现有利用端元的解混方法针对最终的类别图，限制了高空间分辨率图像的应用范围，同时端元信息的有限性限制了重建高空间分辨率高光谱图像的质量的问题。一种基于亚像素字典学习的高光谱遥感图像空间超分辨方法具体过程为：步骤1：构建基于亚像素字典学习的高光谱遥感图像空间超分辨模型；步骤2：基于原始高光谱图像进行随机字典初始值选取；步骤3：用Split‑Bregman迭代法对超分辨模型进行迭代优化，输出高空间分辨率高光谱图像。本发明属于遥感图像处理领域。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.025 seconds)
