-
公开(公告)号：CN113362358A
公开(公告)日：2021-09-07
申请号：CN202110615548.7
申请日：2021-06-02
Applicant: 东南大学
Abstract: 本发明公开了一种动态场景下基于实例分割的鲁棒性位姿估计方法，可以在视觉导航过程中剔除动态场景，其思路是在实例分割区域结合光流跟踪检测图像序列中的动态区域并剔除。该算法首先用实例分割结合目标跟踪算法，锁定潜在的动态物体区域；然后在采用光流法在分割区域进行动态点检测，获得分割区域物体的动态概率；最后用动态概率结合语义先验信息判断动态区域。本发明通过剔除环境信息中的动态部分，可以显著提高SLAM系统的实时定位精度，大大增加机器人定位系统的鲁棒性，以便满足机器人更智能化的应用场景。
-
公开(公告)号：CN110378398A
公开(公告)日：2019-10-25
申请号：CN201910566224.1
申请日：2019-06-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于多尺度特征图跳跃融合的深度学习网络改进方法，通过多尺度特征图层间的跳跃连接进行特征融合，通过融合高层语义和低层位置信息使网络能够充分利用高低层特征，提高模型对小目标的敏感性和感知度，同时提升了模型总体检测性能。其次通过多视角多分类策略，实现了高动态场景下目标类别的精准检测。本发明从速度、实用、鲁棒性等方面考虑，提出了一种基于多尺度特征图跳跃融合的深度学习网络改进方法，提高了SSD算法在高动态场景下的检测性能。
-
公开(公告)号：CN110070109A
公开(公告)日：2019-07-30
申请号：CN201910241213.6
申请日：2019-03-28
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种适用于建筑排列密集区的地物散乱点自动聚类的方法，首先，获取建筑物散乱点数据，并对数据进行预处理；其次，计算每个点的邻近两个点及对应距离，判断原建筑物间是否存在宽阔道路；若存在宽阔道路计算宽阔道路所在直线方程，将散乱点分割为独立的建筑群点集；若不存在宽阔道路，计算细窄道路所在直线方程，将独立建筑群点集分割为独立的建筑点集。本发明可适用于建筑物普遍比较方正且排列极其密集区域的人工地物散乱点自动聚类的任务，具有广阔的应用前景。
-
公开(公告)号：CN113362358B
公开(公告)日：2025-03-04
申请号：CN202110615548.7
申请日：2021-06-02
Applicant: 东南大学
Abstract: 本发明公开了一种动态场景下基于实例分割的鲁棒性位姿估计方法，可以在视觉导航过程中剔除动态场景，其思路是在实例分割区域结合光流跟踪检测图像序列中的动态区域并剔除。该算法首先用实例分割结合目标跟踪算法，锁定潜在的动态物体区域；然后在采用光流法在分割区域进行动态点检测，获得分割区域物体的动态概率；最后用动态概率结合语义先验信息判断动态区域。本发明通过剔除环境信息中的动态部分，可以显著提高SLAM系统的实时定位精度，大大增加机器人定位系统的鲁棒性，以便满足机器人更智能化的应用场景。
-
公开(公告)号：CN110070109B
公开(公告)日：2021-02-26
申请号：CN201910241213.6
申请日：2019-03-28
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种适用于建筑排列密集区的地物散乱点自动聚类的方法，首先，获取建筑物散乱点数据，并对数据进行预处理；其次，计算每个点的邻近两个点及对应距离，判断原建筑物间是否存在宽阔道路；若存在宽阔道路计算宽阔道路所在直线方程，将散乱点分割为独立的建筑群点集；若不存在宽阔道路，计算细窄道路所在直线方程，将独立建筑群点集分割为独立的建筑点集。本发明可适用于建筑物普遍比较方正且排列极其密集区域的人工地物散乱点自动聚类的任务，具有广阔的应用前景。
-
Patent Agency Ranking
-
公开(公告)号：CN109493360A
公开(公告)日：2019-03-19
申请号：CN201811176798.X
申请日：2018-10-10
Applicant: 东南大学
Abstract: 本发明公开了一种人工地物散乱形状点自动生成建筑物轮廓的方法，将Pointer Network网络模型应用于建筑物区域描述任务中，对于人工地物的散乱形状点，能够准确的输出较好的封闭连线方案，自动生成人工地物地面轮廓。本发明包括如下步骤：(1)构建人工地物散乱形状点数据集；(2)构建Pointer Network网络模型；(3)调整网络参数使模型能够收敛；(4)训练并得到最终模型。本发明可适用于任意的自动生成封闭区域的任务，且能够应用于大规模样本，有较高的鲁棒性，能适用于现实世界中各种复杂的生成封闭区域的任务，具有广阔的应用前景。
-
公开(公告)号：CN109493360B
公开(公告)日：2021-07-09
申请号：CN201811176798.X
申请日：2018-10-10
Applicant: 东南大学
Abstract: 本发明公开了一种人工地物散乱形状点自动生成建筑物轮廓的方法，将Pointer Network网络模型应用于建筑物区域描述任务中，对于人工地物的散乱形状点，能够准确的输出较好的封闭连线方案，自动生成人工地物地面轮廓。本发明包括如下步骤：(1)构建人工地物散乱形状点数据集；(2)构建Pointer Network网络模型；(3)调整网络参数使模型能够收敛；(4)训练并得到最终模型。本发明可适用于任意的自动生成封闭区域的任务，且能够应用于大规模样本，有较高的鲁棒性，能适用于现实世界中各种复杂的生成封闭区域的任务，具有广阔的应用前景。
-
公开(公告)号：CN110378398B
公开(公告)日：2023-08-25
申请号：CN201910566224.1
申请日：2019-06-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于多尺度特征图跳跃融合的深度学习网络改进方法，通过多尺度特征图层间的跳跃连接进行特征融合，通过融合高层语义和低层位置信息使网络能够充分利用高低层特征，提高模型对小目标的敏感性和感知度，同时提升了模型总体检测性能。其次通过多视角多分类策略，实现了高动态场景下目标类别的精准检测。本发明从速度、实用、鲁棒性等方面考虑，提出了一种基于多尺度特征图跳跃融合的深度学习网络改进方法，提高了SSD算法在高动态场景下的检测性能。
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.02 seconds)
