-
公开(公告)号：CN106127105A
公开(公告)日：2016-11-16
申请号：CN201610415465.2
申请日：2016-06-13
Applicant: 长安大学
CPC classification number: G06K9/00637 , G06T2207/30184
Abstract: 本发明公开了一种基于快速随机Radon变换的无人机视觉巡线方法，首先利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转为灰度图；然后对获得的灰度图提取边缘；然后进行基于角度限定参数判决的Radon变换，将竖直方向检测到的线去掉；最后采用加入双阈值取值范围的随机Radon图像检测算法进行判决，得到输电直线。本发明基于高压输电线是暗目标且近似水平的线状特征，利用基于角度限定的多尺度线状目标强化方法对目标进行优化，然后对筛选后结果进行一定角度范围内的Radon变换，并在Radon变换中通过限定阈值的取值范围来达到准确识别高压电线的结果。
-
公开(公告)号：CN105976337A
公开(公告)日：2016-09-28
申请号：CN201610307360.5
申请日：2016-05-10
Applicant: 长安大学
Abstract: 本发明公开了一种基于中值引导滤波的图像去雾方法，获取雾霾天气下的图像；将获得的含雾图像转换到RGB颜色空间，并且获得各个像素点的R、G、B三个通道的值；对各个像素点的R、G、B三个通道值进行比较，获得最小值，从而得到图像的初始暗通道图像；根据获得的初始暗通道图像，计算大气光值A；根据透射率估计公式，得到粗估计透射率；通过中值引导滤波对粗估计透射率进行滤波，获得精准的透射率；将获得的图像以及获得的大气光值A和获得的透射率代入大气光成像模型方程反向求解即获得去雾图像。本发明在实现对透射率进行精确优化的同时还对暗通道先验对大气光估计的过程进行了优化，同时具有更快的运算速度，更加具有实用性。
-
公开(公告)号：CN105223559A
公开(公告)日：2016-01-06
申请号：CN201510657048.4
申请日：2015-10-13
Applicant: 长安大学
IPC: G01S7/41
Abstract: 本发明公开了一种可并行切换的远程雷达航迹起始方法，将基于一步延时的修正Hough变换航迹起始方法和快速修正Hough变换航迹起始方法并行运行，其中引入折扣判断系数Dis对两种航迹起始算法的判断切换，以及对航迹起始成功率、虚假航迹起始率和起始时间的综合评价。在低杂波密度的情况下运用快速修正Hough变换能快速的航迹起始方法，用时较短。在高杂波密度的情况下采用基于一步延时的修正Hough变换，该方法能在这种环境下较好的起始航迹。本发明通过对主要因素的权重匹配完美解决了该何时切换才能最快最准确的起始航迹。
-
公开(公告)号：CN104502899A
公开(公告)日：2015-04-08
申请号：CN201410833908.0
申请日：2014-12-27
Applicant: 长安大学
Abstract: 本发明涉及一种自适应的恒虚警率目标检测方法，包括以下步骤：1)：将雷达接收到的数据传入匹配滤波器中；2)：将匹配滤波器输出的信号传入平方律检波器中进行处理；3)：最后将平方律检波器中输出的信号传入CFAR检测器进行处理，获得参考单元采样根据相应CFAR算法产生的杂波功率水平的估计值Z；4)：根据3)获得的获得参考单元采样根据相应CFAR算法产生的杂波功率水平的估计值Z，CFAR检测器输出最终判决，即检测单元内是否存在目标。该方法根据参考滑窗内采样值的统计均值和方差，将方差大于一定数值的采样值删除，用剩余的有效的采样值的均值代替该采样值，重新计算采样值的均值。
-
公开(公告)号：CN110634142B
公开(公告)日：2024-02-02
申请号：CN201910767799.X
申请日：2019-08-20
Applicant: 长安大学
Abstract: 本发明提出了一种复杂车路图像边界优化方法，实现了复杂车路环境下图像目标的分类。首先通过SegNet算法模型进行大量数据的训练仿真得到粗糙的车路目标分类特征，然后利用简单线性迭代聚类算法获得图像的过分割区域，结合SegNet算法得到的神经网络确定每个超像素区域中每个像素的类别，最后通过利用条件随机场精确的边界恢复能力来优化语义分割的结果，实现对车路图像进行边界和小区域目标误分割优化。结果表明，本发明的方法可以提高对象边界的分割精度。
-
Patent Agency Ranking
公开(公告)号：CN112580424B
公开(公告)日：2023-08-11
申请号：CN202011057118.X
申请日：2020-09-29
Applicant: 长安大学
IPC: G06V20/56 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提出了一种针对复杂车路环境的偏振特征多尺度池化分类算法，实现了复杂车路环境下图像目标的分类。首先对车路环境介质状况进行分析，探索复杂车路环境下高质量的成像方式；其次基于模拟实验结果，设计偏振成像方案，并组装标定三通道成像系统；最后提出多尺度池化的深度语义识别算法，实现车路环境目标的识别分类。实验结果表明，本发明可以有效提高复杂场景的语义分类识别效果，为复杂车路环境下车辆的安全辅助驾驶行驶视觉感知提供可靠的技术保障。
-
公开(公告)号：CN109035242B
公开(公告)日：2022-03-01
申请号：CN201810903938.2
申请日：2018-08-09
Applicant: 长安大学
IPC: G06T7/00 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的HF‑ERW焊接状态检测方法及装置，能够大幅提升焊接状态图像测试精度。该方法包括：获取HF‑ERW焊接状态图像数据集；建立基于卷积神经网络CNN的图像分类模型；生成HF‑ERW焊接质量状态数据集；将图像分类模型的卷积层和池化层迁移到HF‑ERW焊接质量状态数据集上；从HF‑ERW焊接质量状态数据集选取部分样本图像数据作为训练集，将训练集中的样本图像数据输入图像分类模型进行训练，获取预测分类结果；每完成一次训练后，调整图像分类模型的参数；当损失值小于预设值时停止训练；将待检测的HF‑ERW焊接状态图像输入图像分类模型，获取分类结果。
-
公开(公告)号：CN110223332B
公开(公告)日：2021-08-31
申请号：CN201910497372.2
申请日：2019-06-10
Applicant: 长安大学
Abstract: 本发明公开了一种桥梁裂缝标定方法，获取桥梁裂缝原始图像；对获得的桥梁裂缝原始图像进行灰度处理；对灰度处理后的图像进行图像分块；对分块得到的裂缝图像进行高斯处理；对高斯处理后的裂缝图像进行特征提取；对特征提取后的裂缝图像进行SVM训练，从而确立桥梁裂缝的类型；对识别后的图像进行阈值分割；对分块得到的标定图像进行棋盘标定，通过改进的角点提取方法实现对棋盘角点的提取，从而确定像素点的单应性矩阵；对阈值分割后的图像，通过单应性矩阵确定裂缝的宽度，从而实现桥梁裂缝标定。
-
公开(公告)号：CN108898625B
公开(公告)日：2021-01-08
申请号：CN201810670576.7
申请日：2018-06-26
Applicant: 长安大学
IPC: G06T7/277
Abstract: 本发明公开了一种智能混合群体优化滤波方法法，首先按照权值对粒子进行分层；然后根据不同层粒子的数目，对不同层粒子进行相应的选择不同的运动方式；接着对粒子状态进行估计，将条件均值或具有极大后验概率密度的状态作为系统状态的估计值；然后对粒子状态进行更新，生成合适的建议分布，从而准确地估计目标在当前时刻的位置；最后对粒子状态进行预测，预测的目的是为了下一时刻能更准确的估计目标的状态，即是设计合适的先验分布函数。本发明方法能够更加准确地估计非线性系统中的后验状态，在复杂多变的场景环境中，表现出更高的跟踪准确性。
-
公开(公告)号：CN111924445A
公开(公告)日：2020-11-13
申请号：CN202010641561.5
申请日：2020-07-06
Applicant: 长安大学
IPC: B65G35/00
Abstract: 本发明一种轨道式水稻秧苗的田间电动运输装置及方法，所述装置中两个支柱沿平行于横向田埂的方向固定，两个支柱的上表面固定有支撑板，托架单元平行纵向田埂分布；两个轨道平行纵向田埂铺设在支撑板上表面，轨道上有秧苗苗车；第一底盘上安装电机，下方安装驱动轮，电机将动力传送至驱动轮，第一车厢内安装有控制器，控制器的输出端与电机的输入端连接；第二底盘下方安装轨道轮。所述方法为控制器控制电机前进，进而带动车头沿轨道向前运动，车头带动挂车沿轨道向前运动，之后当第二车厢运动到卸水稻秧苗区后，秧苗苗车停止运动，待卸完所需的水稻秧苗后，车头继续沿轨道向前运动，最后直至完成水稻秧苗的田间电动运输。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.032 seconds)
