-
公开(公告)号：CN114399522B
公开(公告)日：2025-01-03
申请号：CN202210044131.4
申请日：2022-01-14
Applicant: 东南大学
IPC: G06T7/13 , G06T7/155 , G06T5/20 , G06T5/70 , G06V10/762
Abstract: 本发明提出了一种基于高低阈值的Canny算子的边缘检测方法，主要步骤如下：1)对源图像进行平滑滤波处理，并用开关中值滤波代替高斯滤波对图像去除噪声；2)对步骤1中平滑滤波处理并去噪声后的图像采用sobel算子计算图像梯度幅值和方向；3)对步骤2得到的梯度幅值进行非极大值抑制得单像素宽度的边缘图像；4)采用k‑means聚类算法得到高、低梯度值的聚类中心；5)otsu算法得到梯度的otsu阈值，在高聚类中心、otsu阈值和低聚类中心之间取高、低阈值；6)利用高、低阈值处理步骤3得到的单像素宽度的边缘图像，并得到二值化边缘；7)采用面积形态学开运算对二值化边缘的干扰边缘进行去除，并得到最终边缘图像。本发明的Canny算法具有定位精度高、自适应性强以及干扰点去除效果好等优点。
-
公开(公告)号：CN115167398A
公开(公告)日：2022-10-11
申请号：CN202210712060.0
申请日：2022-06-22
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开一种基于改进A星算法的无人船路径规划方法，包括以下步骤：步骤S1：利用语义分割结果所得到的环境信息建立栅格地图，每个栅格被标记为可行区域或障碍区域，并给定路径规划的起始点B和目标点；步骤S2：引入方位角代价优化代价函数，降低总搜索路径点，提高搜索效率；步骤S3：对改进后的A*算法寻路结果进行剪枝与B样条曲线优化，降低路径总长度的同时使得行驶路径更加平缓；步骤S4：添加碰撞检测功能，为无人船与障碍物之间预留足够的安全距离。本发明引入方位角代价对传统A*算法的代价函数进行优化，对改进后的A*算法寻路结果进行剪枝与B样条曲线优化，降低路径总长度的同时使得行驶路径更加平缓。
-
公开(公告)号：CN114399522A
公开(公告)日：2022-04-26
申请号：CN202210044131.4
申请日：2022-01-14
Applicant: 东南大学
IPC: G06T7/13 , G06T7/155 , G06T5/00 , G06K9/62 , G06V10/762
Abstract: 本发明提出了一种基于高低阈值的Canny算子的边缘检测方法，主要步骤如下：1)对源图像进行平滑滤波处理，并用开关中值滤波代替高斯滤波对图像去除噪声；2)对步骤1中平滑滤波处理并去噪声后的图像采用sobel算子计算图像梯度幅值和方向；3)对步骤2得到的梯度幅值进行非极大值抑制得单像素宽度的边缘图像；4)采用k‑means聚类算法得到高、低梯度值的聚类中心；5)otsu算法得到梯度的otsu阈值，在高聚类中心、otsu阈值和低聚类中心之间取高、低阈值；6)利用高、低阈值处理步骤3得到的单像素宽度的边缘图像，并得到二值化边缘；7)采用面积形态学开运算对二值化边缘的干扰边缘进行去除，并得到最终边缘图像。本发明的Canny算法具有定位精度高、自适应性强以及干扰点去除效果好等优点。
-
公开(公告)号：CN112683278A
公开(公告)日：2021-04-20
申请号：CN202110024447.2
申请日：2021-01-08
Applicant: 东南大学
IPC: G01C21/20 , G01C21/34 , G05D1/02 , G01S17/931
Abstract: 本发明公开一种基于改进A*算法和贝塞尔曲线的全局路径规划方法，具体包括以下步骤：步骤S1：利用激光雷达传感器采集的环境信息建立栅格地图，每个栅格被标记为可行区域或障碍区域，并给定路径规划的起始点S和目标点G；步骤S2：引入动态调整因子μ优化代价函数f(N)；步骤S3：将搜索邻节点范围扩大为24邻域，执行改进的A*算法，找出最优路径；步骤S4：去除路径中的共线节点；步骤S5：利用贝塞尔曲线对路径进行平滑处理。本发明将传统A*算法8邻域搜索范围扩大为24邻域，引入动态调整因子μ优化代价函数，提高了算法搜索效率，利用贝塞尔曲线对路径进行平滑处理，减少了折弯次数，相比传统A*算法，路径更平滑，路径规划效率更高且更可靠。
-
公开(公告)号：CN112683278B
公开(公告)日：2024-01-30
申请号：CN202110024447.2
申请日：2021-01-08
Applicant: 东南大学
IPC: G01C21/20 , G01C21/34 , G01S17/931 , G05D1/242 , G05D1/246 , G05D1/43 , G05D109/10
Abstract: 本发明公开一种基于改进A*算法和贝塞尔曲线的全局路径规划方法，具体包括以下步骤：步骤S1：利用激光雷达传感器采集的环境信息建立栅格地图，每个栅格被标记为可行区域或障碍区域，并给定路径规划的起始点S和目标点G；步骤S2：引入动态调整因子μ优化代价函数f(N)；步骤S3：将搜索邻节点范围扩大为24邻域，执行改进的A*算法，找出最优路径；步骤S4：去除路径中的共线节点；步骤S5：利用贝塞尔曲线对路径进行平滑处理。本发明将传统A*算法8邻域搜索范围扩大为24邻域，引入动态调整因子μ优化代价函数，提高了算法搜索效率，利用贝塞尔曲线
-
Patent Agency Ranking
公开(公告)号：CN116309780A
公开(公告)日：2023-06-23
申请号：CN202310242498.1
申请日：2023-03-14
Applicant: 东南大学
IPC: G06T7/60 , G06T5/00 , G06T5/20 , G06T7/13 , G06T5/30 , G06T7/70 , G06V30/14 , G06V30/146 , G06V30/19
Abstract: 本发明提出了一种基于目标检测的水尺水位识别方法，利用目标检测得到的水尺区域图像，先进行中值滤波，再进行均值迁移双边滤波。对处理过的图像使用canny算子检测边缘，使用直线平均角度旋转图像，进行图像的校正，对图像进行二值化操作，先采用面积形态学闭运算和开运算，通过水平投影的连续阈值判定找出水位线的位置。采用目标检测算法对水尺上的数字进行定位，并训练数字模型识别数字数值，结合水平投影找出数字的位置，计算高度。本发明易于实现、可靠性强、实时性高，可为河流水位监测提供实时可靠的信息。
-
公开(公告)号：CN110728357B
公开(公告)日：2022-11-18
申请号：CN201910888811.2
申请日：2019-09-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于循环神经网络的IMU数据去噪方法，先建立IMU数据时间序列样本数据集后搭建循环神经网络，训练优化得到权值文件；最后得到部署模型；本发明将时间序列预测方法引入微机械电子系统惯性测量单元（MEMS IMU）的测量数据中，通过将测量数据视为时间序列，设计了长短时记忆网络（LSTM）提取时间序列的非线性关系，以序列预测的方法达到去除噪声的效果。本发明与基于统计模型的传统去噪方法相比，算法拥有更好的鲁棒性与泛化能力，同时不会改变原始数据的随机性。本方法在惯性技术、组合导航等方面有着重要的应用价值。
-
公开(公告)号：CN111553193A
公开(公告)日：2020-08-18
申请号：CN202010249172.8
申请日：2020-04-01
Applicant: 东南大学
Abstract: 本发明公开了一种基于轻量级深层神经网络的视觉SLAM闭环检测方法，通过卷积神经网络搭建了图像识别模型。本方法中图像识别模型采用轻量级深层神经网络，训练方法是利用相似场景的数据集对构架好的网络模型进行图集训练，通过训练优化网络到达一定精度。最终目的是令训练好的神经网络模型能够从训练样本中学习图像样本所对应的概率分布，从而实现对场景特征的提取并得到图像的相似性以达到检测闭环的目的，并为后续SLAM建图优化做准备。本发明在复杂光照下能取得较好的检测效果，可以提升模型实际引用时的速度，此外在较低的计算成本下大幅度提高了算法的准确性。本方法在闭环检测等方面有着重要的应用价值。
-
公开(公告)号：CN118010030A
公开(公告)日：2024-05-10
申请号：CN202410209547.6
申请日：2024-02-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于自适应蒙特卡洛定位算法和二维码定位的全局定位方法。该定位方法首先根据参数设置以及起始点二维码坐标对自适应蒙特卡洛的粒子群进行初始化；使用轮式里程计和IMU数据通过扩展卡尔曼滤波得到里程计数据，使用该里程计数据更新粒子位姿；使用改进羚羊优化粒子滤波优化粒子位置；根据激光雷达与二维栅格地图数据匹配计算粒子集中各个粒子权重；最后根据粒子权重对粒子集进行重采样得到新的粒子集合。在重采样环节中，当移动机器人识别到环境中有二维码存在，会在根据二维码计算的地图坐标附近添加带有高斯噪声的粒子，对定位进行修正。
-
公开(公告)号：CN117893987A
公开(公告)日：2024-04-16
申请号：CN202410076864.5
申请日：2024-01-18
Applicant: 东南大学
IPC: G06V20/56 , G06V10/26 , G06V10/44 , G06V10/48 , G06V10/30 , G06T5/70 , G06T5/80 , G06T5/90 , G06T7/90 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/68
Abstract: 本发明公开了一种基于视觉特征和数学模型的车道线检测和拟合方法，属于自动驾驶技术领域。在对车道线的检测上，首先对图像进行逆透视变换将其转换为俯视图的视角，然后利用高斯滤波对图像进行去噪处理，接着利用MSRCR算法对图像的暗部进行增强，同时减小图像颜色失真带来的影响，接着利用颜色空间转换将图像转换到HSV空间，再设置阈值对图像进行分割，接着对其进行Sobel边缘检测，并使用霍夫直线检测对结果进行修正。最后，使用直方图统计得到车道线在图像中的位置，结合滑动窗口搜索法获取车道线中心线上的点，根据多项式拟合法得到车道线方程。本发明方法在对复杂环境中对车道线的检测效果车道线更连续和完整、算法鲁邦性更强、实时性能更好。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
