-
公开(公告)号：CN119649453A
公开(公告)日：2025-03-18
申请号：CN202411716074.5
申请日：2024-11-27
Applicant: 中北大学
IPC: G06V40/20 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种结合多尺度特征和双向时间的人群异常行为检测方法，属于计算机视觉技术领域。针对现有方法仅利用卷积神经网络提取单一尺度特征时，会造成不同尺度特征提取不足，同时，忽略了对反向时间信息有效提取的问题，通过在编码器中加入全局跨通道特征提取模块提取全局上下文特征，在编码器与解码器之间加入结合双分支操作的多尺度特征融合模块提取不同尺度下视频帧的局部空间信息和全局语义表示，并将其进行有效结合，同时加入双向卷积长短时记忆模块，充分利用正向和逆向时间信息以提高检测性能，提高网络整体检测精度，广泛适用于视频中的人群异常行为检测。
-
公开(公告)号：CN117692704A
公开(公告)日：2024-03-12
申请号：CN202311795753.1
申请日：2023-12-25
Applicant: 中北大学 , 山西文旅集团信息技术有限公司 , 中电信数智科技有限公司山西分公司 , 山西辰涵数字科技股份有限公司
Abstract: 本发明公开了一种虚拟场景展示方法及系统，涉及移动通信技术领域，包括：利用VR摄像机对场景进行拍摄获得全景视频；将全景视频转换为多个VR视频文件；根据VR用户终端发出的用于定位的实时数据流，和对多个VR视频文件依次异步实时渲染、编码和分发后的结果，确定基础图像帧；将基础图像帧传输至用于预测姿态和位置的移动边缘计算MEC和VR用户终端，获得显示帧图像；根据VR用户终端发出的四类视频交互请求，将显示帧图像进行渲染处理，并展示在VR用户终端的显示屏上。本发明能够让虚拟现实服务中资源处理与传输速度加快，降低传输时延。
-
公开(公告)号：CN116088495A
公开(公告)日：2023-05-09
申请号：CN202211416730.0
申请日：2022-11-14
Applicant: 中北大学
IPC: G05D1/02
Abstract: 本发明属于强化学习领域，具体涉及一种室内移动机器人强化学习导航方法，为解决在复杂环境复杂奖励的情况下，智能体导航中的样本利用率低以及导航成功率不高的问题，本发明在D3QN算法基础上，引入优势后见经验回放算法和分层强化学习结构。首先，通过比较不同轨迹点的优势函数来选择新目标点，拥有最大优势函数的轨迹点作为新目标点，根据新目标点，对轨迹样本重新标记并存入经验池中。然后，在分层强化学习的结构下，训练智能体在复杂的环境下学习，顶层智能体负责学习大范围的路径规划，底层智能体负责导航到子目标，最后实现到总目标点的导航。
-
公开(公告)号：CN114332172A
公开(公告)日：2022-04-12
申请号：CN202111198375.X
申请日：2021-10-14
Applicant: 中北大学
IPC: G06T7/33 , G06T17/20 , G06K9/62 , G06V10/46 , G06V10/74 , G06V10/764 , G06V10/762
Abstract: 本发明公开了一种基于协方差矩阵改进的激光点云配准方法，属于图形学三维重建技术领域。本发明通过采用张量投票与ISS相结合的关键点提取方法，使其具有一定的抗噪性，同时可剔除部分边界点降低误匹配率。特征描述符的构建需要充分包含点云的邻域信息，且不易受平移旋转的影响，具有鲁棒性。协方差矩阵描述子是一种可以充分描述邻域信息的描述子，角度量不受平移旋转的影响，是构建特征描述向量的极佳选择。本发明结合特征直方图中三维坐标系的建立方法，构建一个包含角度量与曲率信息的协方差矩阵，特征匹配使用双向最近距离法，降低误匹配率。
-
公开(公告)号：CN112784717A
公开(公告)日：2021-05-11
申请号：CN202110039092.4
申请日：2021-01-13
Applicant: 中北大学
IPC: G06K9/00 , G06K9/34 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/00 , G06T7/00 , G06T7/73 , G06T7/80 , B07C5/36
Abstract: 本发明属于机器视觉技术领域，具体涉及一种基于深度学习的管件自动分拣方法。针对当前人工分拣成本高、效率低并且繁杂无味，并且使用传统方法识别度低下。本发明通过改进MaskR‑CNN算法，改进算法的识别率和掩码判断，在保证速度的同时也提高了识别率。将相机拍照的照片放入网络中，得到分类结果和掩膜。判断出管件的类别和尺寸，记录信息。通过张正友标定和眼在手外标定方式，对管件抓取点进行定位。机械臂对管件进行抓取、码放工作。本发明的管件自动分拣方法不仅效率高，对不同环境下的管件识别和抓取有着更高的鲁棒性；可广泛应用于工厂分拣，物体分类和抓取。
-
Patent Agency Ranking
公开(公告)号：CN120070887A
公开(公告)日：2025-05-30
申请号：CN202510117693.0
申请日：2025-01-24
Applicant: 中北大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于OANet(Occlusion‑Aware Network)的遮挡感知实例分割方法，旨在解决复杂场景下对象重叠引起的实例分割难题。该方法通过构建三层网络架构，显式地对遮挡关系进行建模，以提高复杂场景下实例分割的精度和鲁棒性。其中，顶层GCN+Transformer网络检测遮挡物体，底层GCN+Transformer网络推断被遮挡实例，新增被遮挡物的遮挡回归分支PSA+RefConv用于整合全局信息，优化分割边界。实验结果表明，与BCNet网络相比，OANet模型在COCO、COCOA实例分割基准数据集上均取得显著的性能提升，AP(平均精度)比基准模型提高1.2，证明其在处理严重遮挡情况时的有效性。
-
公开(公告)号：CN114549439B
公开(公告)日：2025-03-25
申请号：CN202210126753.1
申请日：2022-02-11
Applicant: 中北大学
IPC: G06V20/70 , G06V20/00 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多模态特征融合的RGB‑D图像语义分割方法。由于RGB和深度特征的内在差异，如何更有效地融合两种特征仍是有待解决的问题。为了解决该问题提出了注意力引导多模态交叉融合分割网络(ACFNet)，本发明采用编码器－解码器结构，将深度图编码为HHA图像，设计非对称双流特征提取网络，RGB和深度编码器分别以ResNet‑101和ResNet‑50为主干网络，并在RGB编码器中添加全局‑局部特征提取模块(GL)。为有效融合RGB和深度特征，提出了注意力引导多模态交叉融合模块(ACFM)，以更好地在多阶段利用融合的增强特征表示。
-
公开(公告)号：CN114581718A
公开(公告)日：2022-06-03
申请号：CN202210233977.2
申请日：2022-03-10
Applicant: 中北大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种融合持久同调的三维点云分类方法，为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题，本发明在现有基于神经网络的点云分类技术PointNet++基础上，进一步引入代数拓扑学中的持久同调方法进行点云分类。首先，构建点云witness单纯复形拓扑结构，从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次，定义一个基于持久同调的损失函数，据此对三维点云分类的网络模型进行训练学习，得到神经网络模型各项参数。最后，利用训练好的卷积神经网络，进行三维点云的分类任务。测试结果显示，本发明显著提升了点云分类准确率。
-
公开(公告)号：CN112784717B
公开(公告)日：2022-05-13
申请号：CN202110039092.4
申请日：2021-01-13
Applicant: 中北大学
IPC: G06V20/00 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/00 , G06T7/00 , G06T7/73 , G06T7/80 , B07C5/36
Abstract: 本发明属于机器视觉技术领域，具体涉及一种基于深度学习的管件自动分拣方法。针对当前人工分拣成本高、效率低并且繁杂无味，并且使用传统方法识别度低下。本发明通过改进MaskR‑CNN算法，改进算法的识别率和掩码判断，在保证速度的同时也提高了识别率。将相机拍照的照片放入网络中，得到分类结果和掩膜。判断出管件的类别和尺寸，记录信息。通过张正友标定和眼在手外标定方式，对管件抓取点进行定位。机械臂对管件进行抓取、码放工作。本发明的管件自动分拣方法不仅效率高，对不同环境下的管件识别和抓取有着更高的鲁棒性；可广泛应用于工厂分拣，物体分类和抓取。
-
公开(公告)号：CN109064471B
公开(公告)日：2021-09-03
申请号：CN201810788070.6
申请日：2018-07-18
Applicant: 中北大学
Abstract: 本发明提出了一种基于骨架的三维点云模型分割方法，主要解决了现有三维模型分割方法存在对模型细微特征不敏感、时间代价高的缺点。本发明首先提取三维模型的骨架，并通过分析骨架数据之间的关系，提取骨架关键点；然后选择同一邻域内关键点到质心的距离最小的点作为最终的关键点；最后，使用找到的关键点，通过改进的区域生长算法，得到分割后的骨架区域，即相应原始数据的分割结果。该方法适用于对已有的三维点云模型进行语义分割，是处理几何模型的一种基本操作，可以广泛地应用于几何模型的可视化、优化，三维模型拼接，逆向工程等领域。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.018 seconds)
