-
公开(公告)号：CN118840418A
公开(公告)日：2024-10-25
申请号：CN202410732012.7
申请日：2024-06-06
Applicant: 中国科学院自动化研究所
IPC: G06T7/70 , G06T5/50 , G06T5/70 , G06V10/764 , G06V10/774 , G06T7/80 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种航天器单目六自由度姿态估计方法及装置，所述方法包括：将航天器图片输入到训练好的MKPNet模型，得到姿态伪标签；基于连续多帧图片之间的运动一致性对姿态伪标签进行平滑，得到平滑后的姿态标签；根据平滑后的姿态标签，将优化后的航天器3D模型的3D关键点投影到航天器图片上，得到航天器图片对应的2D关键点伪标签、热图伪标签以及边界框伪标签；基于航天器图片对应的2D关键点伪标签、热图伪标签、边界框伪标签以及平滑后的姿态标签，对训练好的MKPNet模型进行微调；将航天器图片输入到微调后的MKPNet模型，得到航天器图片对应的姿态估计。本发明提高航天器单目6‑DoF姿态估计的精度。
-
公开(公告)号：CN117809125A
公开(公告)日：2024-04-02
申请号：CN202311629946.X
申请日：2023-11-30
Applicant: 中国科学院自动化研究所 , 中国科学院数学与系统科学研究院
IPC: G06V10/771 , G06N20/00
Abstract: 本发明提供一种无监督多视角特征选择方法、装置、电子设备及存储介质，应用于特征选择技术领域。该方法包括：获取目标对象的多视角特征；通过所述多视角特征构建无监督多视角特征选择模型，并求解所述无监督多视角特征选择模型获得特征选择矩阵；根据所述特征选择矩阵确定每个特征得分，并基于所述特征得分进行特征选择。
-
公开(公告)号：CN102128589A
公开(公告)日：2011-07-20
申请号：CN201010034357.3
申请日：2010-01-20
Applicant: 中国科学院自动化研究所
IPC: G01B11/00
Abstract: 本发明是一种在轴孔装配中零件内孔方位误差的校正方法，该方法将六轴机械臂第六轴末端的摄像头移动到零件内孔的上方；提取出摄像头的零件内孔图像中形成的环形区域外边缘和内边缘；通过空间变换算法将环形区域外边缘和内边缘变换成两条二维曲线；根据这两条二维曲线计算出环形区域外边缘和内边缘的位置关系，进而确定零件内孔的偏移误差，然后将机器人向着减小误差的方向进行重复调整，直至计算出的角度偏移误差在允许范围以内。本发明设计出的装配误差快速校正算法，能够大大降低了在零件轴和零件内孔装配过程中夹具对零件夹取精度的要求，提高自动化零件轴和零件内孔装配的成功率。
-
公开(公告)号：CN118840418B
公开(公告)日：2025-02-28
申请号：CN202410732012.7
申请日：2024-06-06
Applicant: 中国科学院自动化研究所
IPC: G06T7/70 , G06T5/50 , G06T5/70 , G06V10/764 , G06V10/774 , G06T7/80 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种航天器单目六自由度姿态估计方法及装置，所述方法包括：将航天器图片输入到训练好的MKPNet模型，得到姿态伪标签；基于连续多帧图片之间的运动一致性对姿态伪标签进行平滑，得到平滑后的姿态标签；根据平滑后的姿态标签，将优化后的航天器3D模型的3D关键点投影到航天器图片上，得到航天器图片对应的2D关键点伪标签、热图伪标签以及边界框伪标签；基于航天器图片对应的2D关键点伪标签、热图伪标签、边界框伪标签以及平滑后的姿态标签，对训练好的MKPNet模型进行微调；将航天器图片输入到微调后的MKPNet模型，得到航天器图片对应的姿态估计。本发明提高航天器单目6‑DoF姿态估计的精度。
-
公开(公告)号：CN119046751A
公开(公告)日：2024-11-29
申请号：CN202411064872.4
申请日：2024-08-05
Applicant: 中国科学院自动化研究所
IPC: G06F18/241 , G06F18/211 , G06F18/2136 , G06F18/15 , G06F18/22 , G06N3/088 , G06N3/0985
Abstract: 本公开提供了一种预测方法、装置、电子设备、存储介质及程序产品。预测方法包括：对当前时刻获取的多个初始样本进行预处理，得到当前时刻的样本集Xt；基于样本集Xt、样本集Xt的投影矩阵Wt、上一时刻的样本集Xt‑1的投影矩阵Wt‑1，计算原型对比损失函数；基于样本集Xt和投影矩阵Wt，计算流形正则化项；基于原型对比损失函数和流形正则化项，计算总损失函数；基于总损失函数和投影矩阵Wt‑1，得到投影矩阵Wt，并基于投影矩阵Wt，从所有特征中选出特征子集；按照所述特征子集，对所述多个初始样本中的每个初始样本进行特征提取，并将提取到的特征值输入机器学习模型，得到针对所述每个初始样本的预测结果。
-
Patent Agency Ranking
公开(公告)号：CN108460402B
公开(公告)日：2020-07-24
申请号：CN201810036297.5
申请日：2018-01-15
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明涉及图像处理技术领域，具体提供了一种极化SAR图像有监督分类方法及装置，旨在解决如何充分利用极化SAR的多视角特征提高图像的分类精度的技术问题。为此目的，本发明中的极化SAR图像有监督分类方法，包括下述步骤：依据训练样本的极化特征向量集、纹理特征向量集和颜色特征向量集，利用预设多视角子空间学习模型获取其各自对应的降维映射矩阵；依据所获取的各降维映射矩阵，获取各像素点的低维特征；依据所获取的各像素点的低维特征，利用预设分类器对待分类的像素点进行分类。通过本发明可以充分利用极化SAR的多视角特征，在保持数据的结构，判别信息和视角信息的同时提取特征，提高图像的分类精度。
-
公开(公告)号：CN108460402A
公开(公告)日：2018-08-28
申请号：CN201810036297.5
申请日：2018-01-15
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明涉及图像处理技术领域，具体提供了一种极化SAR图像有监督分类方法及装置，旨在解决如何充分利用极化SAR的多视角特征提高图像的分类精度的技术问题。为此目的，本发明中的极化SAR图像有监督分类方法，包括下述步骤：依据训练样本的极化特征向量集、纹理特征向量集和颜色特征向量集，利用预设多视角子空间学习模型获取其各自对应的降维映射矩阵；依据所获取的各降维映射矩阵，获取各像素点的低维特征；依据所获取的各像素点的低维特征，利用预设分类器对待分类的像素点进行分类。通过本发明可以充分利用极化SAR的多视角特征，在保持数据的结构，判别信息和视角信息的同时提取特征，提高图像的分类精度。
-
公开(公告)号：CN118657955A
公开(公告)日：2024-09-17
申请号：CN202410771386.X
申请日：2024-06-14
Applicant: 中国科学院自动化研究所 , 北京邮电大学 , 中国科学院数学与系统科学研究院
IPC: G06V10/44 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种航天器图像特征点检测方法、装置、电子设备及存储介质，属于航天器图像检测技术领域，该方法包括：获取待检测航天器图像；将所述待检测航天器图像输入至图像特征点检测模型，得到所述图像特征点检测模型输出的所述待检测航天器图像的特征点检测结果；图像特征点检测模型是根据航天器图像样本与其对应的线性变换图像，以及航天器图像样本对应的航天器特征点图像训练得到的；航天器特征点图像是通过对航天器图像样本进行特征点提取，并对特征点提取结果进行背景特征点去除所得到的。本发明可以有效减少空间背景对航天器目标特征点检测的干扰，且不需要人工标注特征点，省时省力，大大提升了航天器图像特征点检测的精度和效率。
-
公开(公告)号：CN117853734A
公开(公告)日：2024-04-09
申请号：CN202311714505.X
申请日：2023-12-13
Applicant: 中国科学院自动化研究所 , 中国科学院数学与系统科学研究院
IPC: G06V10/30 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0495 , G06N3/0895
Abstract: 本发明提供一种基于自监督持续学习的无人系统图像多噪声干扰抑制方法，包括：对目标图像的噪声类型和/或噪声强度进行估计得到估计噪声类型和/或估计噪声强度；从自监督持续学习神经网络中选择与对应的自监督持续学习神经网络分支，对目标图像进行去噪处理；网络的训练过程包括：以同一个类型和/或强度的噪声图像对应一个任务，对至少一个类型和/或强度的噪声图像进行多任务划分，得到噪声图像数据集；对至少一个任务的噪声图像数据集分别执行第一过程，并将最后一次第一过程中更新后的自监督持续学习神经网络作为完成训练的自监督持续学习神经网络；使网络能处理不同强度或不同类型的噪声图像，提高图像去噪的准确程度。
-
公开(公告)号：CN114463574A
公开(公告)日：2022-05-10
申请号：CN202111599787.4
申请日：2021-12-24
Applicant: 中国科学院自动化研究所
IPC: G06V10/764 , G06K9/62 , G06V10/40 , G06V20/10 , G06V10/774
Abstract: 本发明提供一种遥感图像的场景分类方法及装置，该方法包括：获取待进行场景分类的遥感图像数据集，并输入至特征提取模型，得到遥感图像数据集中各遥感图像的特征映射结果；将遥感图像的特征映射结果输入至开集识别模型，得到各遥感图像的开集场景分类结果；开集场景分类结果用于指示遥感图像的场景类别或遥感图像的场景类别未知；其中，特征提取模型和开集识别模型均基于原始样本集训练得到；在开集场景分类结果为遥感图像的场景类别未知的情况下，还将场景类别未知的遥感图像与原始样本集进行合并，得到当前样本集，并基于当前样本集分别对特征提取模型和开集识别模型进行更新。本发明能够实现对未知场景类别的遥感图像的识别和学习。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.03 seconds)
