-
公开(公告)号：CN105096328A
公开(公告)日：2015-11-25
申请号：CN201510497112.7
申请日：2015-08-13
Applicant: 北京理工大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于IOS-PSO的摄像机自标定方法，该方法不仅算法比较简单、效率较高，而且寻优结果精度较高。主要包括三个步骤：S1、建立摄像机基于内参数的代价函数；S2、IOS-PSO优化代价函数；S3、IOS-PSO搜索结果限定规则。该方法的具体步骤为：采集同一场景的不同角度的四幅图片；进行图像特征点提取、匹配；利用匹配点对，采用RANSAC方法求取三个基础矩阵F，然后通过基础矩阵的SVD分解，构造代价函数作为粒子群算法的适应值函数；对设定的初始搜索区间划分，并按照最优值的取值情况设定搜索规则；将要标定的摄像机五个未知内参数fu,fv,u0,v0,s作为粒子群粒子的元素；采用IOS-PSO优化搜索；若搜索结果符合搜索规则，则取最终搜索结果，否则重新搜索。通过四种算法的对比实验，验证了本发明标定结果精确、稳定、高效。
-
公开(公告)号：CN104793183A
公开(公告)日：2015-07-22
申请号：CN201510194225.X
申请日：2015-04-22
Applicant: 北京理工大学
Abstract: 本发明提供一种基于交点判定的三边定位方法，具体过程为：选择3参考节点；针对每一参考节点设圆，计算3个圆中任意两圆之间的交点；从每一相交两圆的交点中选定一交点作为三角形的顶点，选定准则为：当两圆之间交点存在两个时，判定离第三个圆的圆周最近的交点为三角形的一个顶点；三个顶点构成的三角形重心作为标签节点的位置估计值；计算每一参考节点组合情况的位置估计值；计算所有标签节点位置估计值的均值，并将其作为标签节点的最终位置，实现标签节点的定位。本发明以第三个圆为参考，通过对两圆之间的两交点进行选取，使得确定的三角形有更好的容错性，三角形重心更接近标签节点，选取方法计算简单，易于实现。
-
公开(公告)号：CN103956956A
公开(公告)日：2014-07-30
申请号：CN201410200184.6
申请日：2014-05-13
Applicant: 北京理工大学
IPC: H02P21/14
Abstract: 本发明公开了一种基于扩展卡尔曼滤波器的无位置传感器无刷直流电机状态估计方法。使用本发明能够在系统噪声和测量噪声为非零均值白噪声以及系统模型存在误差的情况降低调试难度，提高观测精度。本发明通过模糊规则调整测量误差协方差矩阵R，从而大幅度降低了系统调试难度，并提高了精度；同时在状态更新方程中加入一个衰减因子，调整了新旧观测量对估计值的修正权重，提高了跟踪性能；此外，通过将p(0)，Q的值做适当分组调整的方法，抑制严重失真情况并提高扩展卡尔曼滤波器的估计准确性。
-
公开(公告)号：CN103956953A
公开(公告)日：2014-07-30
申请号：CN201410199685.7
申请日：2014-05-13
Applicant: 北京理工大学
IPC: H02P21/13
Abstract: 本发明公开了一种基于滑膜观测器的无位置传感器无刷直流电机的状态估计方法。使用本发明能够有效地提高无刷直流电机状态观测的精度，减小了延迟，增加了鲁棒性。本发明针对滑模观测器存在估计精度不佳、电感鲁棒性不佳的问题，通过结合加权积分增益与指数趋近律，有效地提高了估计精度和电感鲁棒性；针对滑模结构存在的固有抖震问题，通过改变滑模面，从而避免低通滤波器的使用，进一步提高了估计精度。通过仿真以及半实物仿真实验，验证了本发明提出方法的可行性。
-
公开(公告)号：CN102052934A
公开(公告)日：2011-05-11
申请号：CN200910237429.1
申请日：2009-11-06
Applicant: 北京理工大学
Abstract: 本发明为一种多线传感器的故障诊断方法，第一步：通过均匀采样和随机采样两种方式采样；第二步：记录各个分线上的状态变化值；第三步：找出当前有状态变化的最大位α；第四步：对数据进行归一化处理；第五步：故障判断与定位：当满足式时，表示此线正常，如果远远大于或是小于1表明此线故障；第六步：故障复核。本发明分析了不同采样条件下的故障特征，将基于统计结果和基于相关变化的两种故障诊断方法相结合，成功的解决了在实际使用过程中的多线传感器的故障诊断问题，可以准确发现和定位多线传感器多种故障，并具有一定的实时性，对软硬件的要求低。
-
Patent Agency Ranking
公开(公告)号：CN101499696B
公开(公告)日：2010-12-22
申请号：CN200910008739.6
申请日：2009-03-06
Applicant: 北京理工大学
Abstract: 一种伺服系统控制方法，第一步：分析伺服系统处于间隙模式的间隙约束条件；第二步：将系统处于间隙模式与接触模式两种模式下的系统的状态方程集成系统的状态方程；第三步：将离线控制律存储到设置在控制器内的存储模块中；第四步：控制器将计算得到的控制输入量u输出给电机，控制电机的转速；第五步：数据采集和传送部分采集齿轮单元的间隙角和负载端电机的转速，将采集的间隙角和负载端电机的转速传送到控制器中，控制器根据采集的间隙角和负载端电机的转速计算当前的控制输入量。本发明将系统处于间隙模式的条件考虑到控制器的设计中，提前计算离线控制律，并且将离线控制器存储到存储器中以便于实时控制时计算当前的控制输入量。
-
公开(公告)号：CN117253056A
公开(公告)日：2023-12-19
申请号：CN202311091496.3
申请日：2023-08-28
Applicant: 北京理工大学
IPC: G06V10/62 , G06V10/46 , G06V10/50 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明涉及一种基于对比学习的无监督目标跟踪器预训练方法，属于计算机视觉技术领域，适用于目标跟踪模型在数据无标注情况下的预训练，可广泛应用于视频监控、人机交互、医学诊断等领域。该方法能够为目标跟踪器充分挖掘鲁棒的视觉表征，以激活外观变化适应能力与时序信息挖掘间的正反馈循环，提高无监督跟踪器的性能。整个预训练方法包括：联合个体判别与定位的代理任务，充分考虑了迁移至目标跟踪任务时的特征泛化性；正负样本构建，为对比学习提供了具有准确语义的训练数据；对比学习训练，帮助跟踪模型提取到丰富的特征。最终，得益于此种预训练方法，无监督跟踪器取得了相比其他方法更强的性能表现。
-
公开(公告)号：CN117252771A
公开(公告)日：2023-12-19
申请号：CN202311081677.8
申请日：2023-08-25
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于帧对齐和注意力机制的深度学习视频去雾方法，属于图像处理领域；所述方法包括：首先，利用大气散射模型和深度视频，构造合成视频去雾数据集；其次，基于可变形卷积和时间注意力机制，构造前后两个子网络；最后，将预训练的单幅图像去雾网络与子网络串联，并在合成视频数据集上训练得到端到端的视频去雾网络；本发明提出的方法可以抑制单幅图像去雾网络直接应用于视频去雾时产生的闪烁和色差现象，提升去雾视频的观感；同时利用预训练的单幅去雾网络，可以使用较小的视频数据集完成训练。
-
公开(公告)号：CN116703752A
公开(公告)日：2023-09-05
申请号：CN202310524524.X
申请日：2023-05-10
Applicant: 北京理工大学
Abstract: 本发明公开了融合近红外的Transformer结构的图像去雾方法及装置，能够利用额外的近红外特征作为补充信息，采用Transformer深度神经网络结构，其特征提取能力更强，能够生成分辨率高，保真度高和纹理细节突出的去雾图片。针对同一场景对应拍摄近红外图像和可见光图像，组成数据集。将近红外图像和可见光图像输入到预先训练好的Transformer结构图像去雾模型；该模型对可见光、近红外图像进行编码表征，分别得到可见光和近红外图像的特征向量，二者融合得到交互特征向量；对可见光和近红外图像的特征向量分别进行解码，获得可见光和近红外图像序列，二者处理后与交互特征向量进行合并，对合并结果进行通道重组以及卷积处理，输出去雾后的图像结果。
-
公开(公告)号：CN116168320A
公开(公告)日：2023-05-26
申请号：CN202310020257.2
申请日：2023-01-05
Applicant: 北京理工大学
IPC: G06V20/40 , G06V10/80 , G06V10/82 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及人工智能理解和环境交互，具体涉及一种用于在线视频视觉关系检测的自适应时间聚合网络及方法。本发明采用的动态缓冲存储器来保存历史视频片段可以固定存储内容的大小，不会因为时间而使得存储内容越来越大。本发明采用的步进采样策略通过对视频帧与当前关键帧的关联性的强弱来设置采样频率，可以在保持对视频中的对象在时间维度上关系的检测结果的准确性的同时减少网络所需要的运算消耗。本发明所提出的自适应时空激活模块和基于注意力的知识状态融合模块使该发明能够自适应的提取和融合历史信息和当前状态，能够检测对象的动态关系和静态关系。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.025 seconds)
