-
公开(公告)号：CN117498919A
公开(公告)日：2024-02-02
申请号：CN202311445044.0
申请日：2023-11-01
Applicant: 北京理工大学 , 北京理工大学前沿技术研究院
IPC: H04B7/185 , H04L67/1074 , H04L67/104
Abstract: 本发明涉及一种基于改进合同网的巨型星座节点协同调度方法，分为：天基预警任务群构建、天基预警任务多节点协同主流程设计、基于改进合同网的星群协商三个步骤。天基预警任务群构建根据地面上注的探测任务或者星上自主发现导弹目标后，以任务驱动的形式动态建立卫星群，在一个建立好的动态卫星群组中，存在主星和成员星两种不同功能的卫星角色以组织任务的分配和卫星之间的协同。天基预警任务多节点协同主流程设计，针对预警目标位置信息进行预测之后，由具有最早可见时间窗资源的卫星作为群主卫星，找到匹配的成员卫星构建卫星群，通过改进的合同网算法进行协同调度，形成最优组合的预警卫星资源调度方案，最终更新全局调度方案直至结束。
-
公开(公告)号：CN117424636A
公开(公告)日：2024-01-19
申请号：CN202311370318.4
申请日：2023-10-23
Applicant: 北京理工大学 , 北京理工大学前沿技术研究院
Abstract: 基于非支配排序遗传算法的巨型星座功能分域路由方法，主要分为四部分，1)基于星座功能完成巨型星座分域；2)各功能域与其他功能域建立邻居关系；3)计算巨型星座功能分域后的域间路由；4)基于非支配排序遗传算法完成网络路由管理和维护开销和最大跳数两个目标函数的优化。具体为：采用非支配排序遗传算法(Non‑dominated Sorting Genetic Algorithm‑II)，通过优化设置种群数、迭代总次数、巨型星座网络轨道数、单一轨道卫星数以及网络中每个节点每秒的平均活动路由数α及链路故障率μ等参数，可在巨型星座路由管理和维护、最大跳数两个方面的开销达到较好平衡，并有良好的可扩展性。
-
公开(公告)号：CN116416442A
公开(公告)日：2023-07-11
申请号：CN202310263730.X
申请日：2023-03-12
Applicant: 北京理工大学 , 北京理工大学前沿技术研究院
Abstract: 基于CUDA加速的高光谱图像异常目标探测方法，本发明涉及异常目标检测领域。本发明的目的是解决当前利用高光谱图像进行异常目标探测实时性差的问题。提出了基于CUDA加速的探测方法，该方法主要包括以下过程：1、CPU主机端获取并通过数据重构预处理高光谱图像；2、将预处理数据从CPU主机端的内存拷贝到GPU设备端的显存；3、设计矩阵均值与差分kernel函数进行数据去中心化，设计矩阵乘法kernel函数、广义矩阵求逆kernel函数、Hadamard积kernel函数、以及行求和kernel函数进行协方差矩阵、逆协方差矩阵以及异常检测结果的计算；4、在CPU主机端进行阈值分割并将检测结果保存到存储器端。本发明基于异构编程模型实现，能够满足对高光谱图像数据的实时处理需求。
-
公开(公告)号：CN115393271A
公开(公告)日：2022-11-25
申请号：CN202210829218.2
申请日：2022-07-15
Applicant: 北京理工大学 , 北京理工大学前沿技术研究院
IPC: G06T7/00 , G06T7/136 , G06T7/194 , H04L69/164
Abstract: 本发明涉及一种红外偏振图像异常目标实时检测方法，属于异常目标检测技术领域。本发明的目的是解决当前红外偏振图像获取模块和异常目标检测模块孤立进行，而导致的运算实时性差的问题，以及异常目标检测过程中多维信息利用效率不足的问题。提出了一种空间‑偏振维度信息联合的异常目标检测方法，该方法主要包括以下过程：红外偏振图像数据实时采集与解析、基于多元异常分析的样本分布表征、空偏信息联合的差异度量、目标与背景像素分割；给出了一种包含网络通信接口、存储器和处理器的红外偏振图像处理装置可实时获取红外偏振数据并执行上述异常目标检测方法。
-
公开(公告)号：CN116433723A
公开(公告)日：2023-07-14
申请号：CN202310238764.3
申请日：2023-03-08
Applicant: 北京理工大学
IPC: G06T7/246 , G06V10/764 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种目标间关系建模的多目标跟踪方法。包括：对于当前帧检测器输出的目标，利用目标自身的位置、外观特征与目标间的拓扑关系构建帧内图；随后利用消息传递网络对帧内图的顶点、边特征进行更新，以进一步融合目标间的特征；然后结合过去帧的轨迹图与当前的帧内图构建帧间图，帧间图的边表示轨迹与检测的特征相似度；对帧间图进行消息传递过程以进一步融合；随后利用全连接层网络对边代表的匹配关系进行得分计算，并对易漏检的低置信度检测和因遮挡等原因丢失的轨迹进行恢复。本发明的方法利用目标间的拓扑关系建模，可以在相机非线性运动的场景中实现稳定关联，并利用近邻目标信息辅助恢复被遮挡目标的检测；一定程度上克服了主流多目标跟踪算法分立处理目标的缺陷，能够实现非线性运动与遮挡场景下的稳定跟踪。
-
Patent Agency Ranking
公开(公告)号：CN108734122B
公开(公告)日：2022-05-20
申请号：CN201810471321.8
申请日：2018-05-17
Applicant: 北京理工大学
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06K9/62 , G06T7/00 , G06T7/136
Abstract: 本发明提供一种基于自适应样本选择的高光谱城区水体检测方法，在高光谱近红外谱段图像的预处理方面，通过质量评价SSIM的方法去除噪声波段图像，采用两次平均操作进一步消除噪声，能够获取更加稳定的近红外谱段的均值图像，与传统单波段阈值分割方法相比，无需人工选择待分割图像；本发明将无监督的阈值分割方法提取疑似水体区域，再通过有监督的特征学习与分类器训练，从疑似水体区域中剔除在近红外谱段与水体较为相似的建筑阴影、建筑屋顶沥青等地物；因此，本发明将无监督的阈值分割方法与有监督的特征学习与分类器训练方法相结合，具备城区观测场景的自适应能力，能够实现实测场景数据“现采集、现处理”，且虚警较低。
-
公开(公告)号：CN106886760B
公开(公告)日：2019-08-16
申请号：CN201710052487.1
申请日：2017-01-24
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于空谱信息结合的高光谱舰船检测方法，能够解决现有舰船检测方法中舰船目标的检测的准确度和虚警的问题。本发明方法中涉及基于类间差异性的无监督光谱子区间筛选方法，是一种准确、快速、鲁棒性强的无监督光谱波段筛选方法。阈值分割中加入了水域的相对稳定性，极大削弱了亮度值较低的非水域区域对检测结果的干扰，能够实现十分准确的海陆分割结果，该方法简单、快速并且自适应。本发明提出了对RX异常检测结果进行空间特征增强的方法，即利用二维本征模态分解重构图像，并且该方法是自适应的，完全依赖数据本身的结构。本方法利用物质的光谱特征分析物质的主要材质构成，所有光谱均可由光谱字典中光谱向量线性组合得到。
-
公开(公告)号：CN108734122A
公开(公告)日：2018-11-02
申请号：CN201810471321.8
申请日：2018-05-17
Applicant: 北京理工大学
Abstract: 本发明提供一种基于自适应样本选择的高光谱城区水体检测方法，在高光谱近红外谱段图像的预处理方面，通过质量评价SSIM的方法去除噪声波段图像，采用两次平均操作进一步消除噪声，能够获取更加稳定的近红外谱段的均值图像，与传统单波段阈值分割方法相比，无需人工选择待分割图像；本发明将无监督的阈值分割方法提取疑似水体区域，再通过有监督的特征学习与分类器训练，从疑似水体区域中剔除在近红外谱段与水体较为相似的建筑阴影、建筑屋顶沥青等地物；因此，本发明将无监督的阈值分割方法与有监督的特征学习与分类器训练方法相结合，具备城区观测场景的自适应能力，能够实现实测场景数据“现采集、现处理”，且虚警较低。
-
公开(公告)号：CN117953338A
公开(公告)日：2024-04-30
申请号：CN202311714363.7
申请日：2023-12-14
Applicant: 北京理工大学
IPC: G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种面向边缘计算平台的轻量级目标检测动态混合网络。包括：首先，设计路由函数并以数据驱动的方式预测目标旋转角度，然后卷积核根据预测到的角度自适应地旋转，以根据不同的输入图像自动调整计算参数；其次，在卷积层内设计了冗余信息通道快速生成方法，利用线性滤波器组替换标准卷积，实现原有特征图的快速生成与替换；此外设计了空间正交注意力机制，从水平和竖直两个方向聚合目标局部和远程信息，使得卷积结构能够捕获远距离像素间的依赖关系；其次在不同卷积层间设计特征聚合方法，将不同中间层的特征收集拼接，并用全局平均池化操作来得到聚合特征，并与原始特征融合，从而减少卷积层的通道数。
-
公开(公告)号：CN115267756A
公开(公告)日：2022-11-01
申请号：CN202210456355.6
申请日：2022-04-27
Applicant: 北京理工大学 , 北京电子工程总体研究所
IPC: G01S11/12 , G06V10/764 , G06V10/82 , G06V20/56 , G06T7/80
Abstract: 本发明公开了一种基于深度学习目标检测的单目实时测距方法，主要包括对目标底部所在地面位置的实时获取、相机内参数标定、相机安装参数估算和目标距离计算；针对传统单目测距模型测距精度低、实时性差的问题，本发明应用当前性能先进的轻量级深度学习实时目标检测技术以获取目标底部的图像坐标；并对现有损失函数进行优化，使其更适应于测距需求。针对手动测量摄像头安装参数的不便和极易引入测量误差的问题，本发明通过地面参照点的三维空间坐标与所对应的图像坐标的映射关系，自动估计摄像头的安装参数信息。该方法具有操作简便、精度高、实时性好的特点，可应用于智能驾驶、机器人等多种需求视觉测距场景。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.021 seconds)
