-
公开(公告)号：CN115511956A
公开(公告)日：2022-12-23
申请号：CN202211479183.0
申请日：2022-11-24
Applicant: 南京理工大学
Abstract: 本发明公开了一种无人机成像定位方法，包括以下步骤，步骤一：确定无人机上陀螺仪的偏航角、俯仰角以及横滚角的实际意义；步骤二：建立图像定位所需要的坐标系；步骤三：根据图像建立图像像素坐标系和图像物理坐标系，计算目标点实际位置在相机坐标系内的三维坐标；步骤四：将相机坐标系转换为无人机地理坐标系；步骤五：将无人机地理坐标系转换为大地直角坐标系；步骤六：将大地直角坐标系转换为GPS坐标系，本发明的有益效果：根据目标定位过程中目标点、像点和测量点的几何关系，利用Matlab算法计算出目标点的经纬度和高度，从而实现目标定位，有利于无人机目标定位成像的精度的提高。
-
公开(公告)号：CN113920171B
公开(公告)日：2022-10-25
申请号：CN202111499743.4
申请日：2021-12-09
Applicant: 南京理工大学
Abstract: 发明涉及一种基于特征级和决策级融合的双模态目标跟踪算法，包括构建SiamDL双级融合注意网络结构；获取模板图像；获取搜索区域图像；提取图像深度特征；对多域的深度特征进行交互；对交互后的特征进行分类约束；对分类结果进行调制；特征融合；调制融合特征；分类回归。本发明通过引入双层融合注意机制，提出了一种双级平衡模块，它可以利用决策级和特征级的信息更合理地平衡两种模式的权重比；引入跨域孪生注意机制，提出一个多域感知模块，能够自适应地更新模板特征，利用模式域和时域丰富的上下文信息，提高网络的特征表示能力，实现了高速运转和优异的跟踪结果，提升了跟踪器应对复杂场景的能力。
-
公开(公告)号：CN118864734A
公开(公告)日：2024-10-29
申请号：CN202411321280.6
申请日：2024-09-23
Applicant: 南京理工大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于隐式表征的绕视场景三维重建方法，包括：使用激光器照射中继墙面，在中继墙面形成二次漫反射光斑，并通过照亮中继墙上的不同位置，在对面墙上生成不同角度的隐藏对象投影；通过光源估计方法估计二次光源所在三维坐标；通过二次光源在半球空间内向所有方向发射光线并终止于观测中继墙的物理关系建立神经阴影场模型，利用光线的累积透射率来表征光线传播到中继墙表面的概率；将构建神经阴影场模型的三维空间参数化表示为连续的MLP函数，并使用二值阴影标签监督光线累积透射率的优化，并最终通过深度积分获得隐藏空间的三维结构。该方法可以准确地重建隐藏物体的形状和轮廓细节。
-
公开(公告)号：CN116309798A
公开(公告)日：2023-06-23
申请号：CN202310081307.8
申请日：2023-02-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种无人机成像定位方法，包括以下步骤，步骤一：确定无人机上陀螺仪的偏航角、俯仰角以及横滚角的实际意义；步骤二：建立图像定位所需要的坐标系；步骤三：根据图像建立图像像素坐标系和图像物理坐标系，计算目标点实际位置在相机坐标系内的三维坐标；步骤四：将相机坐标系转换为无人机地理坐标系；步骤五：将无人机地理坐标系转换为大地直角坐标系；步骤六：将大地直角坐标系转换为GPS坐标系，本发明的有益效果：根据目标定位过程中目标点、像点和测量点的几何关系，利用Matlab算法计算出目标点的经纬度和高度，从而实现目标定位，有利于无人机目标定位成像的精度的提高。
-
公开(公告)号：CN113781377B
公开(公告)日：2024-08-13
申请号：CN202111292602.5
申请日：2021-11-03
Applicant: 南京理工大学
IPC: G06T5/50 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/26 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及基于对抗性语义引导与感知的红外和可见光图像融合方法，包括：1.生成融合网络ASGGAN，2.学习优化，利用分割网络作为判别器，分割网络和融合网络形成生成对抗网络关系，分割网络和融合网络在对抗学习的过程中不断优化，3.获取全局性和局部性的GAN网络loss函数，4.加入分割label，加入分割label作为判别器先验优化融合上的空间选择，5.综合评价。本发明利用分割网络来迁移语义信息到图像融合的过程，增强了融合图像的目标显著性；利用U型判别器，保留图像的全局结构特征和局部纹理，使图像拥有自然观感。
-
Patent Agency Ranking
公开(公告)号：CN113724139B
公开(公告)日：2022-03-15
申请号：CN202111287047.7
申请日：2021-11-02
Applicant: 南京理工大学
Abstract: 本发明涉及基于二重判别器生成对抗网络的无监督的红外单图超分，包括1.构造学习框架，构造一个非配对的无监督学习框架，包括生成对抗网络和内容约束模块，生成对抗网络包括生成器和判别器，学习框架从图像中提取红外特征，生成逼真的超分红外图像；2.搭建二重判别器结构，3.模块联合，4.创建数据集。本发明使超分图像具有噪声小、边缘纹理清晰、对比度高的优点；通过超分图像的退化图像和预先插值放大的图像保留、维持低频信息；利用风格‑纹理双判别器在对图像的高频信息进行重构的同时，保持整体图像风格的和谐统一和避免异常像素的产生；改进判别器结构，利用像素级别的真假判别矩阵增强对纹理细节信息的重建。
-
公开(公告)号：CN113920171A
公开(公告)日：2022-01-11
申请号：CN202111499743.4
申请日：2021-12-09
Applicant: 南京理工大学
Abstract: 发明涉及一种基于特征级和决策级融合的双模态目标跟踪算法，包括构建SiamDL双级融合注意网络结构；获取模板图像；获取搜索区域图像；提取图像深度特征；对多域的深度特征进行交互；对交互后的特征进行分类约束；对分类结果进行调制；特征融合；调制融合特征；分类回归。本发明通过引入双层融合注意机制，提出了一种双级平衡模块，它可以利用决策级和特征级的信息更合理地平衡两种模式的权重比；引入跨域孪生注意机制，提出一个多域感知模块，能够自适应地更新模板特征，利用模式域和时域丰富的上下文信息，提高网络的特征表示能力，实现了高速运转和优异的跟踪结果，提升了跟踪器应对复杂场景的能力。
-
公开(公告)号：CN113724139A
公开(公告)日：2021-11-30
申请号：CN202111287047.7
申请日：2021-11-02
Applicant: 南京理工大学
Abstract: 本发明涉及基于二重判别器生成对抗网络的无监督的红外单图超分，包括1.构造学习框架，构造一个非配对的无监督学习框架，包括生成对抗网络和内容约束模块，生成对抗网络包括生成器和判别器，学习框架从图像中提取红外特征，生成逼真的超分红外图像；2.搭建二重判别器结构，3.模块联合，4.创建数据集。本发明使超分图像具有噪声小、边缘纹理清晰、对比度高的优点；通过超分图像的退化图像和预先插值放大的图像保留、维持低频信息；利用风格‑纹理双判别器在对图像的高频信息进行重构的同时，保持整体图像风格的和谐统一和避免异常像素的产生；改进判别器结构，利用像素级别的真假判别矩阵增强对纹理细节信息的重建。
-
公开(公告)号：CN113781377A
公开(公告)日：2021-12-10
申请号：CN202111292602.5
申请日：2021-11-03
Applicant: 南京理工大学
Abstract: 本发明涉及基于对抗性语义引导与感知的红外和可见光图像融合方法，包括：1.生成融合网络ASGGAN，2.学习优化，利用分割网络作为判别器，分割网络和融合网络形成生成对抗网络关系，分割网络和融合网络在对抗学习的过程中不断优化，3.获取全局性和局部性的GAN网络loss函数，4.加入分割label，加入分割label作为判别器先验优化融合上的空间选择，5.综合评价。本发明利用分割网络来迁移语义信息到图像融合的过程，增强了融合图像的目标显著性；利用U型判别器，保留图像的全局结构特征和局部纹理，使图像拥有自然观感。
-
公开(公告)号：CN118864734B
公开(公告)日：2025-02-14
申请号：CN202411321280.6
申请日：2024-09-23
Applicant: 南京理工大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于隐式表征的绕视场景三维重建方法，包括：使用激光器照射中继墙面，在中继墙面形成二次漫反射光斑，并通过照亮中继墙上的不同位置，在对面墙上生成不同角度的隐藏对象投影；通过光源估计方法估计二次光源所在三维坐标；通过二次光源在半球空间内向所有方向发射光线并终止于观测中继墙的物理关系建立神经阴影场模型，利用光线的累积透射率来表征光线传播到中继墙表面的概率；将构建神经阴影场模型的三维空间参数化表示为连续的MLP函数，并使用二值阴影标签监督光线累积透射率的优化，并最终通过深度积分获得隐藏空间的三维结构。该方法可以准确地重建隐藏物体的形状和轮廓细节。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
