-
公开(公告)号：CN103393526A
公开(公告)日：2013-11-20
申请号：CN201310322097.3
申请日：2013-07-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种引导盲人避障的导盲拐及其避障方法，导盲拐本体上设有微处理器模块、震动模块、语音模块、电源模块和两个超声波测距模块，其中两个超声波测距模块在同一水平高度、发射方向均为导盲拐的正前方，当导盲拐测量范围内存在障碍物时，微处理器模块根据两个超声波测距模块所测量的数据、结合两个超声波测距模块的距离计算出障碍物相对盲人正前方的偏离方向、偏离角度和偏离距离，对盲人同时进行语音和震动提示。本发明可以准确判断出障碍物的位置，并通过震动方式的提醒加强了安全保障，智能便捷。
-
公开(公告)号：CN102322800A
公开(公告)日：2012-01-18
申请号：CN201110145611.1
申请日：2011-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于汽车列车行驶过程中牵引车和挂车之间最大横向摆动量的检测方法，其特征是利用安装在牵引车和挂车底部的两个摄像头，实时采集汽车列车下方直线标志线的图像信息，运用机器视觉检测算法分别计算牵引车和挂车底部中心固连点相对于直线标志线的距离值，同时利用GPS获得列车沿直线标志线的纵向行驶速度信息，根据同一时刻牵引车和挂车相对直线标志线的距离信息计算出牵引车和挂车之间的最大横向摆动值，实现汽车列车在行驶过程中最大横向摆动量的检测。
-
公开(公告)号：CN102252859A
公开(公告)日：2011-11-23
申请号：CN201110143729.0
申请日：2011-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于检测汽车列车行驶过程中牵引车和挂车之间最大横向摆动量的汽车列车直线行驶横向稳定性自动辨识系统，其特征是采用了一种基于机器视觉和GPS的汽车列车横向稳定性自动辨识方法，该方法利用安装在牵引车和挂车底部的两个摄像头，实时采集汽车列车下方直线标志线的图像信息，运用机器视觉检测算法分别计算牵引车和挂车底部固连点相对于直线标志线的距离，同时利用GPS获得列车沿直线标志线的行驶速度，根据同一时刻牵引车和挂车相对直线标志线的距离统计出牵引车和挂车之间的最大横向摆动量，该检测系统具有较高的检测精度，能够满足汽车列车最大横向摆动量实时、可靠检测和横向稳定性自动辨识的需要。
-
公开(公告)号：CN101996280A
公开(公告)日：2011-03-30
申请号：CN201010299168.9
申请日：2010-09-27
Applicant: 南京信息工程大学
IPC: G06F19/00
Abstract: 本发明公开了一种用于力触觉再现的板弹簧虚拟模型的建模方法，其特征是当检测到虚拟代理碰撞到虚拟柔性体表面上任何一点时，在给定的虚拟接触拉力作用下，虚拟代理与虚拟柔性体交互的局部区域内部填充板弹簧虚拟模型，在交互过程中，输出反馈为采用板弹簧虚拟模型计算出来的反应在拉力作用下虚拟柔性体实时变形仿真的力触觉信息的信号；用于力触觉再现的板弹簧虚拟模型中所有单板弹簧变形量之和的叠加对外等效为虚拟柔性体表面的变形，所有单板弹簧被拉伸时消耗的拉力之和等效为给定的虚拟接触拉力；该建模方法准确可靠、计算简便、实时性好、通用性强，能真实的将力触觉信息反馈给操作者，实时逼真地实现对虚拟柔性体的变形仿真。
-
公开(公告)号：CN119756337A
公开(公告)日：2025-04-04
申请号：CN202510252390.X
申请日：2025-03-05
Applicant: 南京信息工程大学
IPC: G01C21/00 , G06V10/26 , G06V10/764 , G01S7/48
Abstract: 本发明公开了一种基于点云流形分析的建图与定位方法、电子设备及存储介质，通过激光雷达获取环境的点云数据，将点云数据进行坐标系转换，得到车辆坐标系下的点云数据；利用车辆坐标系下的点云数据构建因子优化目标函数，求解因子优化目标函数，删除由于动态物体和高亮度镜面反射物体干扰造成的异常点云，得到更新优化后的点云数据；利用删除异常点后的点云数据构建地面分割二分类模型，求解二分类模型，得到地面分割后的地面点集合以及非地面点集合；利用分割后的地面点集合以及非地面点集合，估计车辆当前位置并最终生成环境地图。本发明方法通过分析点云流形特征，优化地图构建，提高建图系统的精度和鲁棒性，更好地适应复杂场景。
-
Patent Agency Ranking
公开(公告)号：CN114282593B
公开(公告)日：2024-09-27
申请号：CN202111386047.2
申请日：2021-11-22
Applicant: 南京信息工程大学
IPC: G06V40/10 , G06V40/20 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了手语识别领域的一种基于机器视觉的手语识别方法，包括根据待识别的手语视频构建上肢骨骼数据；获得包含上肢且无背景的检测图像；计算得到检测图像的像素特征以及上肢骨骼数据的骨骼特征；通过卷积神经网络分别对像素特征和骨骼特征进行提取，得到像素识别特征和骨骼识别特征；根据像素识别特征、骨骼识别特征获得识别向量；再将识别向量输入softmax层获得结果向量，结果向量中值最大的元素对应的手语词汇为识别结果；本发明通过识别双臂的移动和位置特征，增加了手语识别的范围，提高了手语识别的精度。
-
公开(公告)号：CN118397573A
公开(公告)日：2024-07-26
申请号：CN202410334512.5
申请日：2024-03-22
Applicant: 南京信息工程大学
IPC: G06V20/54 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了图像处理领域中一种基于多级融合和池化注意力机制的船舶重识别方法，包括以下步骤获取图库和待重识别的船舶图像；根据图库和船舶图像，采用重识别网络模型获取船舶图像的重识别结果；其中重识别网络模型包括ResNet50、多级融合模块、池化注意力模块和相似度计算模块；所述多级融合模块用以融合所述ResNet50每层提取的特征，所述池化注意力模块用以获取所述多级融合模块输出特征中的判别性特征；相似度计算模块计算船舶图像判别性特征和图库中图像判别性特征的相似度，确定船舶图像的重识别结果；本申请以骨干网ResNet50为主干网络，对输入图片进行特征提取，并利用多级融合和池化注意力的方法进行特征增强，以提取出更具有辨识度的船舶特征。
-
公开(公告)号：CN118381861A
公开(公告)日：2024-07-23
申请号：CN202410527911.3
申请日：2024-04-29
Applicant: 南京信息工程大学
IPC: H04N1/32
Abstract: 本发明公开了信息隐藏技术领域的一种JPEG图像可逆信息隐藏方法、装置、介质及设备，旨在解决现有技术在视觉质量和文件大小增量上有待提升的问题。包括：解码原始JPEG图像并进行预处理，得到量化表Q和DCT频段序列；根据量化表Q和DCT频段序列，计算筛选得到最优频段长度集合；根据最优频段长度集合，计算其所有二维映射的最小整体畸变，得到最优二维映射；根据最优二维映射及其对应的频段和长度，通过二维直方图移位机制，在原始JPEG图像中嵌入给定的秘密数据，得到含秘JPEG图像。本发明采用自适应频段选择，引入渐进式二维映射，通过计算最小整体畸变来确定最合适的二维映射，进一步嵌入秘密数据，能有效减少文件大小增量，具有现实意义和良好的应用前景。
-
公开(公告)号：CN118334738A
公开(公告)日：2024-07-12
申请号：CN202410406430.7
申请日：2024-04-07
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于改进YOLOv5s的老人摔倒检测方法、系统、装置及存储介质，改进YOLOv5s包括骨干网络和特征整合网络；骨干网络包括非对称C3模块；非对称C3模块用于融合从预处理后的图像中提取的水平和垂直两个方向的特征，得到浅层特征图；特征整合网络包括FPN+PAN模块和可形变卷积位置注意力模块；FPN+PAN模块用于融合浅层特征图中高层的强语义特征和低层的强定位特征，得到融合特征图；可形变卷积位置注意力模块分别对融合特征图进行可形变卷积和方向感知。本发明采用的非对称C3模块在原有卷积的基础上融合了水平和垂直两个方向的特征，有更好的泛化能力，能适应更多的应用场景；可形变卷积位置注意力模块可以得到表征能力更强、目标定位更准确的输出特征。
-
公开(公告)号：CN118094127B
公开(公告)日：2024-07-02
申请号：CN202410527815.9
申请日：2024-04-29
Applicant: 南京信息工程大学
IPC: G06F18/15 , G06F18/2431 , G06F17/13 , G01W1/10
Abstract: 本发明公开了一种基于高空数据与GM灰色迭代的降水量预测方法，包括：步骤1：将高空数据按照高度进行划分，得到X个高度层次数据；步骤2：针对某一时刻的降水量，建立该时刻的地面降水量与该时刻第i个高度层次数据中的第j个气象要素数据xij之间的合关系模型，进行多项式拟合；步骤3：基于GM灰色模型预测未来时间段内第i个高度层次的第j个气象要素数据；步骤4：采用与步骤3相同的方法预测未来时间段内的地面降水量；步骤5：计算最终预测的未来时间段内的地面降水量。发明结合高空与地面气象观测数据对降水量进行耦合分析，充分利用了高空气象探空仪的观测垂直精度，模型的灵敏度较高，所得预测结果较为客观准确。
-
-
-
-
-
-
-
-
-
Search Results
492
records
(took 0.047 seconds)
