-
公开(公告)号：CN115512065B
公开(公告)日：2023-05-05
申请号：CN202211461720.9
申请日：2022-11-17
Abstract: 本发明涉及机器人自主定位导航领域，尤其涉及一种基于分块化的大规模场景下实时地图构建方法和装置，该方法包括：步骤一，利用机器人平台搭载的传感器构建局部地图；步骤二，遍历局部地图以更新当前地图块及其邻接地图块，将更新后的地图块以图片形式保存到本地磁盘，完成本次更新迭代；步骤三，依据所述传感器构建的最新局部地图，重复步骤二的操作以构建出实时地图。本发明通过分块化的算法，将内存占用转嫁到本地磁盘，极大的减少了内存的消耗，此外，由于每次只处理分块后的地图，当涉及到地图更新和应用时，搜索范围也被极大的减少了，从而减少了计算时间，采用本发明的方法使得机器人的任务场景越大，分块化地图构建的增益越明显。
-
公开(公告)号：CN115861401B
公开(公告)日：2023-06-09
申请号：CN202310170221.2
申请日：2023-02-27
IPC: G06T7/55 , G06N3/045 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种双目与点云融合深度恢复方法、装置和介质，该方法构建了深度恢复神经网络，包括稀疏扩展模块、多尺度特征提取及融合模块、可变权重高斯调制模块和级联三维卷积神经网络模块，以稀疏点云数据及双目图像为输入，通过邻域扩展得到半稠密的深度图像，并基于该图像及双目图像进行特征提取及融合，构建代价卷，利用可变权重高斯调制函数进行调制，并通过深度学习网络进行代价聚合，实现稠密深度信息的恢复。本发明在双目立体匹配网络的基础上，引入稀疏点云，以邻域扩展方法提升引导点稠密度，并综合采用高斯调制及多尺度特征提取融合的方法，有助于提升深度恢复的精度及鲁棒性，是真实应用中稠密深度恢复的有效方法。
-
公开(公告)号：CN116032412B
公开(公告)日：2023-07-18
申请号：CN202310310450.X
申请日：2023-03-28
Abstract: 本申请公开了一种多相机跨平台时间同步方法、装置、系统及电子设备，包括：时间主控设备接收上位主机初始授时，生成秒脉冲信号和时间报文同步上位主机，生成第一触发信号并记录生成的时间戳和第一触发信号计数值；将第一触发信号生成的时间戳及其计数值发送到上位主机；开启时间同步服务，同步上位从机与上位主机时钟；下位从机获取上位从机网络时间授时生成内部时间戳，生成第二触发信号并记录生成的时间戳和第二触发信号计数值；将第二触发信号生成时间戳及其计数值发送到上位从机；将第一触发信号发送给第一相机，第二触发信号发送给第二相机，触发相机采集图像数据。实现多相机跨平台同步采集，适用于无GNSS信号、无精确授时场景。
-
公开(公告)号：CN115861401A
公开(公告)日：2023-03-28
申请号：CN202310170221.2
申请日：2023-02-27
IPC: G06T7/55 , G06N3/045 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种双目与点云融合深度恢复方法、装置和介质，该方法构建了深度恢复神经网络，包括稀疏扩展模块、多尺度特征提取及融合模块、可变权重高斯调制模块和级联三维卷积神经网络模块，以稀疏点云数据及双目图像为输入，通过邻域扩展得到半稠密的深度图像，并基于该图像及双目图像进行特征提取及融合，构建代价卷，利用可变权重高斯调制函数进行调制，并通过深度学习网络进行代价聚合，实现稠密深度信息的恢复。本发明在双目立体匹配网络的基础上，引入稀疏点云，以邻域扩展方法提升引导点稠密度，并综合采用高斯调制及多尺度特征提取融合的方法，有助于提升深度恢复的精度及鲁棒性，是真实应用中稠密深度恢复的有效方法。
-
公开(公告)号：CN116032412A
公开(公告)日：2023-04-28
申请号：CN202310310450.X
申请日：2023-03-28
Abstract: 本申请公开了一种多相机跨平台时间同步方法、装置、系统及电子设备，包括：时间主控设备接收上位主机初始授时，生成秒脉冲信号和时间报文同步上位主机，生成第一触发信号并记录生成的时间戳和第一触发信号计数值；将第一触发信号生成的时间戳及其计数值发送到上位主机；开启时间同步服务，同步上位从机与上位主机时钟；下位从机获取上位从机网络时间授时生成内部时间戳，生成第二触发信号并记录生成的时间戳和第二触发信号计数值；将第二触发信号生成时间戳及其计数值发送到上位从机；将第一触发信号发送给第一相机，第二触发信号发送给第二相机，触发相机采集图像数据。实现多相机跨平台同步采集，适用于无GNSS信号、无精确授时场景。
-
Patent Agency Ranking
公开(公告)号：CN115937851A
公开(公告)日：2023-04-07
申请号：CN202211539623.7
申请日：2022-12-02
IPC: G06V20/70 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 一种增强深度学习学习域的方法，包括：S1：采集常规场景数据集并标注；S2：针对特殊场景，虚拟环境生成识别主体3D模型、随机背景、随机环境光，动态调整相机内参和位置，生成照片和标注；S3：将虚拟数据集和真实数据集混合作为深度神经网络输入。本发明还包括一种增强深度学习学习域的系统。本发明中通过仿真生成虚拟照片，改进真实照片获取和标注的难度和成本高的问题，同时有效改善了单纯使用仿真数据集训练的深度神经网络识别效果差的问题。
-
公开(公告)号：CN115512065A
公开(公告)日：2022-12-23
申请号：CN202211461720.9
申请日：2022-11-17
Abstract: 本发明涉及机器人自主定位导航领域，尤其涉及一种基于分块化的大规模场景下实时地图构建方法和装置，该方法包括：步骤一，利用机器人平台搭载的传感器构建局部地图；步骤二，遍历局部地图以更新当前地图块及其邻接地图块，将更新后的地图块以图片形式保存到本地磁盘，完成本次更新迭代；步骤三，依据所述传感器构建的最新局部地图，重复步骤二的操作以构建出实时地图。本发明通过分块化的算法，将内存占用转嫁到本地磁盘，极大的减少了内存的消耗，此外，由于每次只处理分块后的地图，当涉及到地图更新和应用时，搜索范围也被极大的减少了，从而减少了计算时间，采用本发明的方法使得机器人的任务场景越大，分块化地图构建的增益越明显。
-
公开(公告)号：CN119006832B
公开(公告)日：2025-03-21
申请号：CN202411486702.5
申请日：2024-10-23
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于注意力机制的模型训练方法和点云分割方法。所述方法包括：获取训练样本，其中，训练样本中包含有支持集点云数据和查询集点云数据；将训练样本输入语义分割模型，通过特征提取网络，确定训练样本对应的特征数据；对特征数据进行转置处理，得到转置特征数据，通过第一注意力网络，对转置特征数据进行加权处理，得到第一加权特征，通过第二注意力网络，对特征数据进行加权处理，得到第二加权特征；根据第一加权特征和第二加权特征，确定目标特征；根据支持集点云数据对应的目标特征与查询集点云数据对应的目标特征，对查询集点云数据进行语义分割，根据语义分割结果和其标签之间的偏差，确定损失值并对进行模型训练。
-
公开(公告)号：CN118585657A
公开(公告)日：2024-09-03
申请号：CN202411051948.X
申请日：2024-08-01
Applicant: 之江实验室
IPC: G06F16/36 , G06F18/214 , G06F18/2411
Abstract: 本说明书公开了一种基于卫星轨道威胁领域知识图谱的事件预测方法，通过构建卫星轨道威胁领域的知识图谱，利用元路径的提取、超边的构建、特征编码、特征聚合等步骤，得到了能够全面准确地描述卫星轨道威胁领域中各实体本身以及各实体之间的复杂关系的目标特征，并以各实体的目标特征训练预测模型，使得预测模型具备准确判断卫星与卫星事件之间的关联的能力，从而提高了卫星事件预测的效率和精度。相比于传统的知识图谱方案，上述方案中预测模型的训练过程中加强对实体关联的理解，有效提高了预测模型针对卫星轨道威胁领域事件预测的准确性和效率，为该领域的决策和应对提供了更可靠的支持。
-
公开(公告)号：CN117974990A
公开(公告)日：2024-05-03
申请号：CN202410379713.7
申请日：2024-03-29
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于注意力机制和特征增强结构的点云目标检测方法，可以将待检测点云数据输入到点云检测模型中，以通过点云检测模型中的伪图像转换模块确定待检测点云数据对应的点注意力权重，并根据点注意力权重确定出加权后的稠密张量，将加权后的稠密张量映射为基础伪图像，并将基础伪图像进行通道注意力加权，得到通道注意力加权结果，并对通道注意力加权结果进行空间注意力加权，得到目标伪图像。而后，将目标伪图像输入到点云检测模型中用于特征增强的特征提取模块中，得到待检测点云数据对应的点云特征，以使点云检测模型根据所述点云特征对所述待检测点云数据进行目标检测，从而提高了点云检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.04 seconds)
