-
公开(公告)号：CN109903341B
公开(公告)日：2023-09-08
申请号：CN201910073564.0
申请日：2019-01-25
Applicant: 东南大学
IPC: G06T7/80
Abstract: 本发明公开了一种车载摄像机外参动态自标定方法，涉及智能车辆信息处理技术领域，该方法在载体车辆上设置一正六边形黑白标定参照物，首先利用张氏标定法对静态载体车辆上监控摄像机的参数进行标定，获得摄像机内参与初始外参，进而结合参照物中各标定参照点的三维世界坐标计算各标定参照点的初始三维摄像机坐标；然后在监控摄像机工作过程中对动态变化的外参进行定时检测更新。本方法保持监控摄像机外参的准确可靠，为后续进行相关机器视觉应用提供标定准确性前提。
-
公开(公告)号：CN112132746A
公开(公告)日：2020-12-25
申请号：CN202010982493.9
申请日：2020-09-17
Applicant: 东南大学
Abstract: 本发明公开了一种面向智能路侧设备的小尺度行人目标快速超分辨率化方法，该方法包括：采集并构建小尺度行人高低分辨率数据训练集；基于生成对抗思想，搭建针对低分辨率小尺度行人图像的轻量化生成网络，该网络首先利用可分离卷积进行图像初步特征的提取，然后结合残差模块对高频信息进行拟合，最后借助像素重组模块对低分辨率行人图像进行高分辨率化重建；搭建判别网络，对生成网络的参数进行判别训练，得到最佳生成网络；利用最佳生成网络对低分辨率小尺度行人图片进行超分辨化，得到高分辨率的行人目标。本发明所设计轻量级的超分辨率化生成网络具备训练时间短、推理延时低的显著优势，填补了智能路侧领域小尺度行人实时超分辨率化技术空白。
-
公开(公告)号：CN107239746A
公开(公告)日：2017-10-10
申请号：CN201710341934.5
申请日：2017-05-16
Applicant: 东南大学
Abstract: 一种面向道路救援安全监控的障碍物识别跟踪方法，结合道路救援现场障碍物特点，通过激光雷达探测作业现场周围的障碍物，首先进行激光雷达数据的预处理，将其转换成一幅二值图像，运用所提出的基于背景差法的识别方法提取动态障碍物并运用距离相关性区域标记算法进行聚类分析，然后通过Harris角点提取法提取障碍物特征信息，最后，使用状态转移的方法对障碍物进行跟踪。本发明提出的识别方法具有良好的实时性、环境适应能力和抗干扰能力。
-
Patent Agency Ranking
公开(公告)号：CN112132746B
公开(公告)日：2022-11-11
申请号：CN202010982493.9
申请日：2020-09-17
Applicant: 东南大学
Abstract: 本发明公开了一种面向智能路侧设备的小尺度行人目标快速超分辨率化方法，该方法包括：采集并构建小尺度行人高低分辨率数据训练集；基于生成对抗思想，搭建针对低分辨率小尺度行人图像的轻量化生成网络，该网络首先利用可分离卷积进行图像初步特征的提取，然后结合残差模块对高频信息进行拟合，最后借助像素重组模块对低分辨率行人图像进行高分辨率化重建；搭建判别网络，对生成网络的参数进行判别训练，得到最佳生成网络；利用最佳生成网络对低分辨率小尺度行人图片进行超分辨化，得到高分辨率的行人目标。本发明所设计轻量级的超分辨率化生成网络具备训练时间短、推理延时低的显著优势，填补了智能路侧领域小尺度行人实时超分辨率化技术空白。
-
公开(公告)号：CN109903341A
公开(公告)日：2019-06-18
申请号：CN201910073564.0
申请日：2019-01-25
Applicant: 东南大学
IPC: G06T7/80
Abstract: 本发明公开了一种车载摄像机外参动态自标定方法，涉及智能车辆信息处理技术领域，该方法在载体车辆上设置一正六边形黑白标定参照物，首先利用张氏标定法对静态载体车辆上监控摄像机的参数进行标定，获得摄像机内参与初始外参，进而结合参照物中各标定参照点的三维世界坐标计算各标定参照点的初始三维摄像机坐标；然后在监控摄像机工作过程中对动态变化的外参进行定时检测更新。本方法保持监控摄像机外参的准确可靠，为后续进行相关机器视觉应用提供标定准确性前提。
-
公开(公告)号：CN112131996B
公开(公告)日：2022-04-29
申请号：CN202010980622.0
申请日：2020-09-17
Applicant: 东南大学
Abstract: 本发明公开了基于通道分离卷积的路侧图像多尺度行人快速检测方法，该方法克服了现在大多数行人检测模型难以对多尺度行人目标进行快速精准检测的难题，创新性的提出了基于通道分离卷积的检测网络，该网络首先通过样本相关的通道分离卷积操作，针对多尺度目标设定不同类别的卷积操作，缓解了样本不均衡条件下的精度差距，其次设计了尺度不敏感的感兴趣区域对齐结构，利用不同层级的特征图来对不同尺度的目标进行推理，避免了单一层级推理时的梯度竞争，最后，设计了尺度不敏感的损失函数用于提升多尺度行人目标位置的精确度，本发明设计的检测方法获得了准确度与实时性的双重提升，可以在路侧视角下实现快速、准确、可靠的行人检测。
-
公开(公告)号：CN112131996A
公开(公告)日：2020-12-25
申请号：CN202010980622.0
申请日：2020-09-17
Applicant: 东南大学
Abstract: 本发明公开了基于通道分离卷积的路侧图像多尺度行人快速检测方法，该方法克服了现在大多数行人检测模型难以对多尺度行人目标进行快速精准检测的难题，创新性的提出了基于通道分离卷积的检测网络，该网络首先通过样本相关的通道分离卷积操作，针对多尺度目标设定不同类别的卷积操作，缓解了样本不均衡条件下的精度差距，其次设计了尺度不敏感的感兴趣区域对齐结构，利用不同层级的特征图来对不同尺度的目标进行推理，避免了单一层级推理时的梯度竞争，最后，设计了尺度不敏感的损失函数用于提升多尺度行人目标位置的精确度，本发明设计的检测方法获得了准确度与实时性的双重提升，可以在路侧视角下实现快速、准确、可靠的行人检测。
-
公开(公告)号：CN107239746B
公开(公告)日：2020-08-14
申请号：CN201710341934.5
申请日：2017-05-16
Applicant: 东南大学
Abstract: 一种面向道路救援安全监控的障碍物识别跟踪方法，结合道路救援现场障碍物特点，通过激光雷达探测作业现场周围的障碍物，首先进行激光雷达数据的预处理，将其转换成一幅二值图像，运用所提出的基于背景差法的识别方法提取动态障碍物并运用距离相关性区域标记算法进行聚类分析，然后通过Harris角点提取法提取障碍物特征信息，最后，使用状态转移的方法对障碍物进行跟踪。本发明提出的识别方法具有良好的实时性、环境适应能力和抗干扰能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
