-
公开(公告)号：CN119762546A
公开(公告)日：2025-04-04
申请号：CN202411874902.8
申请日：2024-12-19
Applicant: 桂林电子科技大学
IPC: G06T7/32 , G06N3/0455 , G06V10/80 , G06V10/82
Abstract: 本发明提供的是一种基于低重叠三维点云地图的无监督配准方法。针对获取的待配准三维点云地图的源点云和目标点云数据，采用特征提取模块进行两组点云全局特征提取；基于所述得到的全局特征，使用残差迭代Transformer模块捕捉全局信息联系，得到两组点云全局融合特征；基于所述全局融合特征，生成两组点云各点预测重叠权重；采用关键点筛选法，根据所述各点预测重叠权重，分别生成两组点云重叠区域点云集；通过对所述两组点云重叠区域点云集进行k近邻簇局部特征融合，并生成重叠匹配矩阵；基于所述重叠匹配矩阵，得到待配准重叠点对权重，根据所述重叠点对求解旋转变化矩阵，最终生成点云地图配准结果；基于网络损失函数，迭代训练网络模型直至损失收敛，得到低重叠三维点云地图的无监督配准模型。本发明可用于大场景低重叠三维点云地图的高精度配准工作，解决了模型对标注数据依赖、全局信息关联捕捉能力弱、应对低重叠三维点云地图场景泛化性差等问题。
-
公开(公告)号：CN117974801A
公开(公告)日：2024-05-03
申请号：CN202311832150.4
申请日：2023-12-28
Applicant: 桂林电子科技大学
IPC: G06T7/80 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的多视角相机标定方法，构建三维点数据集，生成相机内参信息、内参矩阵；通过相机物理姿态参数生成多视角的外参矩阵；通过相机成像模型坐标关系将三维点映射为二维点，获得多视角匹配点对；通过相机内参估计网络，输出内参信息；采用重投影误差和均方误差作为损失训练模型。采用自制数据集，保证了内参标签数据集的多样性和准确性，同时增加了相机内参估计网络模型预测的泛用性。本发明用于多视角场景下，能够灵活、低成本地对相机进行内部参数标定，可广泛用于计算机视觉领域。
-
公开(公告)号：CN117808859A
公开(公告)日：2024-04-02
申请号：CN202311844713.1
申请日：2023-12-28
Applicant: 桂林电子科技大学
IPC: G06T7/55 , G06T5/50 , G06V10/44 , G06V10/46 , G06V10/75 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种高质量轻量级无监督深度估计网络模型设计方法，通过对图像序列进行核线校正、特征提取与特征匹配获得稀疏匹配点对之间的视差。将影像序列进行两两组合为图像对，然后对图像对进行核线校正及预处理，通过编码器提取不同尺度的图像特征；将图像特征与拉普拉斯金字塔融入拉普拉斯残差解码器获得不同尺度的粗略视差图；将粗略视差图进行融合得到精细视差图；利用左右视差图重构左、右图像及左、右视差图，求重构图像损失、视差损失及稀疏匹配点对视差损失以训练网络。本发明利用核线影像之间的几何关系重构图像训练网络克服有监督深度估计需要大量标签的困难，并达到了实时的推理速度，可广泛应用于三维重建等实际应用当中。
-
公开(公告)号：CN117669694A
公开(公告)日：2024-03-08
申请号：CN202311680026.0
申请日：2023-12-07
Applicant: 桂林电子科技大学
IPC: G06N3/096 , G06N3/045 , G06N3/0464 , G06V10/25 , G06V10/82
Abstract: 本发明公开了一种去除动态目标影响的模型部署后迁移学习训练方法，其特征是：它由功能网络、动态目标检测网络组成；在公开数据集上训练得到功能网络的预训练模型和动态目标检测网络的预训练模型，再通过实际场景，将功能网络预训练模型与动态目标检测网络预训练模型结合起来迁移学习训练适用于当前监视场景的功能网络模型，所述动态目标检测网络模型可得到动态目标位置信息的二值化图像；通过动态目标检测网络得到动态目标位置信息，在后面的迁移训练中去除目标影像中动态目标区域的影响，将功能网络模型在真实场景进行迁移学习，得到适用于当前场景的功能网络模型。本发明解决了真实场景下迁移学习时难以获得高质量样本数据的问题。
-
公开(公告)号：CN117635947A
公开(公告)日：2024-03-01
申请号：CN202311679841.5
申请日：2023-12-07
Applicant: 桂林电子科技大学
IPC: G06V10/26 , G06V10/52 , G06V10/764 , G06V10/771 , G06V10/80 , G06V10/82 , G06V10/77 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明提供的是一种室外复杂场景的RGB‑D语义分割算法，所述算法利用RGB影像信息和深度图信息的多模态数据，提取并融合多模态特征用于计算机视觉中的语义分割任务。该算法首先将深度图转换为HHA图并使用多级改进Transformer特征提取模块提取HHA图的多尺度特征，然后通过RGB‑D融合模块将各尺度HHA特征图分别融入到对应尺度的RGB影像特征图中，最后通过对各级融合特征进行解码并分类输出每个像素点的类别。本发明可用于智能驾驶汽车对复杂室外场景。
-
Patent Agency Ranking
公开(公告)号：CN108615041B
公开(公告)日：2021-11-12
申请号：CN201810436704.1
申请日：2018-05-09
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种角点检测方法,该方法包括以下步骤：步骤一：在第一级筛选中设立条件C1，使用梯度算子获得边缘像素；步骤二：在第二级筛选中设立条件C2，在边缘像素中获得候选角点像素；步骤三：在第三级筛选中设立条件C3，通过梯度方向变化准则获取提炼后的候选角点像素；步骤四：在第四级筛选中设立条件C4，使用灰度分布准则获取真实角点。本算法能准确快速地检测图像中的角点，并可适用于不同灰度变化的图像，同时通过重复性测试发现其可重复性好于SIFT等经典特征点检测算法，故此算法可以作为特征点检测使用。
-
公开(公告)号：CN106680854A
公开(公告)日：2017-05-17
申请号：CN201710035360.9
申请日：2017-01-17
Applicant: 桂林电子科技大学
IPC: G01S19/46
CPC classification number: G01S19/46
Abstract: 本发明公开一种低成本高精度定位系统及方法，由单频接收机、GPRS模块和处理器控制模块组成。单频接收机作为用户接收机，获取卫星数据；GPRS模块与基站通信，获得基站数据；处理器控制模块对单频接收机和GPRS模块送来的数据进行解码，获得星历数据、单频接收机的观测值数据、基站的坐标数据和基站的观测值数据；再根据这些数据求解偏移量；后根据偏移量和基站的坐标得到用户的坐标。本发明采用单频接收机来实现RTK技术；首先单频接收机价格低廉，只有双频接收机的十分之一，能被市场广泛使用；其次单频接收机功耗低，适用于嵌入式设备；本发明具有体积小，重量轻和方便携带的特点，可以安装在无人机上。
-
公开(公告)号：CN208020198U
公开(公告)日：2018-10-30
申请号：CN201721581778.1
申请日：2017-11-23
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本实用新型公开了一种基于RGBD的智能抓取机器人，包括可移动躯体（1）、机械手（2）及智能控制系统，可移动躯体（1）与机械手（2）相连，还包括RGBD视觉系统，RGBD视觉系统装在可移动躯体（1）及机械手（2）上，智能控制系统接收所述RGBD视觉系统采集数据并向机械手（2）发出指令完成精确抓取动作。本实用新型结构简单且操作方便，能够在小范围内精确抓取，提避免物件损伤，提高工作效率和质量。
-
公开(公告)号：CN205193778U
公开(公告)日：2016-04-27
申请号：CN201521017661.1
申请日：2015-12-09
Applicant: 桂林电子科技大学
IPC: G06F3/06
Abstract: 本实用新型为一种兼容多种接口的多硬盘管理系统，微机连接的主控制模块连接1～10个子控制模块，每个子控制模块连接1～10个连接硬盘的接口转换器。主控制模块主集线器的主数据传输接口与微机连接，与主集线器相连的切换控制器的控制信号输出端口与子控制模块的硬盘控制信号输入端口相连，其1～10个数据电源接口与各子控制模块子集线器的数据电源传输接口相连。子控制模块与子集线器相连的硬盘切换控制器有1～10个有地址的硬盘数据电源接口，与接口转换器相连，后者配多种硬盘接口。主、子控制模块按微机指令给所选硬盘供电，使之挂载至微机。本系统微机管理多种接口的硬盘可达百台，满足对海量数据硬盘的管理；成本低、结构简单，方便扩充。
-
公开(公告)号：CN204498792U
公开(公告)日：2015-07-29
申请号：CN201520047593.7
申请日：2015-01-23
Applicant: 桂林电子科技大学
Abstract: 本实用新型公开了一种基于双目视觉的苹果成熟度自动检测及采摘机器人，其特征是：包括移动平台和与移动平台连接的双目视觉系统、柔性机械手，双目视觉系统设置在柔性机械手上；所述双目视觉系统，由两个图像采集装置组成；图像采集装置通过数据采集卡与智能控制系统连接，图像采集装置设置在距离地面高度约135cm的架子上；架子固定在移动平台的左边，两个图像采集装置的距离相差47cm，并聚焦于柔性机械手前方60cm处。本实用新型能够自动检测苹果的颜色、大小、形状，然后对获取的图像进行自动处理、检测与识别，以便提高系统的运行效率，且可实时反馈采摘情况，提高了采摘的准确率，大大提高其生产自动化水平，结构简单、自动化程度高，适用性广。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.029 seconds)
