-
公开(公告)号：CN115113192A
公开(公告)日：2022-09-27
申请号：CN202210765033.X
申请日：2022-06-30
Applicant: 南通大学
Abstract: 本发明提供一种基于自适应波门的雷达航迹起始方法，包括获取初始扫描周期雷达点迹数据集；将获取的点迹的距离、径向速度转化为笛卡尔坐标下的距离和速度；生成临时航迹集；将其它周期据集中的点迹与临时航迹集中的所有航迹进行自适应波门约束匹配；判断波门中点迹个数，进行点迹筛选，并更新航迹质量；判断航迹质量，并根据质量得分确定航迹类型，对航迹进行起始或撤销。本发明利用多维量测信息进行航迹匹配，并根据航迹质量得分设置自适应波门的大小，以解决航迹起始的效率低以及因为航迹质量的大小影响目标跟踪性能的问题。
-
公开(公告)号：CN115909070B
公开(公告)日：2023-10-17
申请号：CN202211492576.5
申请日：2022-11-25
Applicant: 南通大学
Abstract: 本发明提供了一种基于改进yolov5网络的杂草检测方法，属于杂草检测技术领域。解决了杂草检测准确率低、识别速度低的问题。其技术方案为：包括以下步骤：S1、采集杂草图像，利用Make Sense工具构建杂草数据集；S2、对原始yolov5网络模型进行改进；S3、利用杂草数据集对改进的yolov5网络模型进行训练，得到杂草检测模型；S4、将待检测图像输入到步骤S3所得到的杂草检测模型中进行推理预测，获得杂草检测结果。本发明的有益效果为：本发明在yolov5网络的基础上进行优化，以GhostNet替换其主干特征提取网络，引入CBAM注意力机制，替换回归框损失为SIoU，提高了杂草检测的准确率、实时性。
-
公开(公告)号：CN114581903A
公开(公告)日：2022-06-03
申请号：CN202210300962.3
申请日：2022-03-24
Applicant: 南通大学
Abstract: 本发明提供了一种基于卷积神经网络的车牌字符识别方法，属于深度学习技术领域。解决了传统车牌字符识别方法计算简单，对噪声抵抗差，鲁棒性较差的问题。其技术方案为：包括以下步骤：S1、基于经典LeNet‑5卷积神经网络结构，搭建车牌字符识别神经网络框架；S2、根据步骤S1中搭建的网络框架，制作车牌字符训练数据集；S3、将步骤S2中制作的数据集，通过卷积神经网络训练得到车牌识别网络模型；S4、将已分割好的车牌字符放入神经网络中进行识别，得到车牌识别结果。本发明的有益效果为：本发明能够提高车牌识别的准确率；并且在图像识别处理方面有着明显的优势。
-
公开(公告)号：CN115909070A
公开(公告)日：2023-04-04
申请号：CN202211492576.5
申请日：2022-11-25
Applicant: 南通大学
Abstract: 本发明提供了一种基于改进yolov5网络的杂草检测方法，属于杂草检测技术领域。解决了杂草检测准确率低、识别速度低的问题。其技术方案为：包括以下步骤：S1、采集杂草图像，利用Make Sense工具构建杂草数据集；S2、对原始yolov5网络模型进行改进；S3、利用杂草数据集对改进的yolov5网络模型进行训练，得到杂草检测模型；S4、将待检测图像输入到步骤S3所得到的杂草检测模型中进行推理预测，获得杂草检测结果。本发明的有益效果为：本发明在yolov5网络的基础上进行优化，以GhostNet替换其主干特征提取网络，引入CBAM注意力机制，替换回归框损失为SIoU，提高了杂草检测的准确率、实时性。
-
公开(公告)号：CN116385353B
公开(公告)日：2024-01-30
申请号：CN202310105941.0
申请日：2023-02-10
Applicant: 南通大学
IPC: G06T7/00 , G06T7/73 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种摄像头模组异常检测方法，属于人工智能技术领域。解决了模组异常样本不足、深度学习模型检测精度低、速度慢的问题。其技术方案为：包括以下步骤：S1、采用模板匹配方法定位图片中的模组及其相关组件的位置；S2、基于图像处理完成模组中螺丝、标签、布线、划痕脏污异常情况的检测；S3、基于特征配准网络框架完成模组中的划痕和镜头脏污检测；S4、通过QT Creator开发异常检测程序，用于模组异常情况的自动检测。本发明的有益效果为：本发明结合图像处理方法和神经网络框架，实现摄像头模组的多种异常情况的检测，通过构建孪生神经网络框架，插入空间变换网络实现特征配准，可以精准检测出模组上的划痕。(56)对比文件原振方.基于机器视觉FPC缺陷检测系统的研究与应用《.中国优秀硕士学位论文全文数据库》.2016,1-64.梁雄.基于机器视觉的摄像头模组缺陷检测系统研究《.中国优秀硕士学位论文全文数据库》.2015,第三、四章.Chaoqin Huang et al..Registrationbased Few-Shot Anomaly Detection《.arXiv》.2022,第2-9页.
-
Patent Agency Ranking
公开(公告)号：CN116721149A
公开(公告)日：2023-09-08
申请号：CN202310724496.6
申请日：2023-06-16
Applicant: 南通大学
Abstract: 本发明提供了一种基于双目视觉的杂草定位方法，属于计算机视觉技术领域。解决了农业领域中准确、高效的定位杂草的技术问题。其技术方案为：包括以下步骤：S1、双目相机标定，获取相机的详细参数；S2、双目相机立体校正；S3、立体匹配；S4、得出杂草中心点的三维坐标。本发明的有益效果为：本发明利用双目视觉技术构建杂草定位算法，实现杂草的精准定位，为激光除草机器人提供可以实际应用的精准除草方案。
-
公开(公告)号：CN115016482A
公开(公告)日：2022-09-06
申请号：CN202210690562.8
申请日：2022-06-17
Applicant: 南通大学
IPC: G05D1/02
Abstract: 本发明提供了一种改进室内移动机器人全局和局部路径协调优化方法，属于移动机器人路径规划技术领域。解决了室内移动机器人的全局路径规划靠障碍物过近、路径规划拐点过多、局部路径缺少引导以及室内移动机器人行进时速度不平稳的问题。其技术方案为：包括以下步骤：S1、载入已经建好的栅格地图；S2、使用改进后的A*算法在栅格地图上进行全局路径规划；S3、采用Bezier曲线路径平滑策略对全局规划路径进行平滑处理；S4、通过改进的DWA算法选择实体机器人的具体行进路线。本发明的有益效果为：通过改进室内移动机器人全局和局部路径协调优化方法，提高机器人行进路线的安全性和平滑度、保证行进速度的同时提高其平稳性。
-
公开(公告)号：CN114740466B
公开(公告)日：2024-09-20
申请号：CN202210326428.X
申请日：2022-03-30
Applicant: 南通大学
Abstract: 本发明提供一种基于得分机制的雷达目标点迹过滤方法，包括获取雷达一个周期的点迹数据，将点迹的距离、速度进行极坐标、直角坐标互化，根据每个周期接收点迹的时间、速度、方位对其进行打分，并设置权重计算每个点迹的总得分，设置立方体波门过滤点迹。本发明利用多维量测信息设置约束条件，实现对多维量测信息的充分利用，解决雷达目标跟踪过程中出现的大量虚假目标和造成很多虚假航迹的问题，提高点迹过滤的质量，从而更好的实现目标跟踪。
-
公开(公告)号：CN116385353A
公开(公告)日：2023-07-04
申请号：CN202310105941.0
申请日：2023-02-10
Applicant: 南通大学
IPC: G06T7/00 , G06T7/73 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种摄像头模组异常检测方法，属于人工智能技术领域。解决了模组异常样本不足、深度学习模型检测精度低、速度慢的问题。其技术方案为：包括以下步骤：S1、采用模板匹配方法定位图片中的模组及其相关组件的位置；S2、基于图像处理完成模组中螺丝、标签、布线、划痕脏污异常情况的检测；S3、基于特征配准网络框架完成模组中的划痕和镜头脏污检测；S4、通过QT Creator开发异常检测程序，用于模组异常情况的自动检测。本发明的有益效果为：本发明结合图像处理方法和神经网络框架，实现摄像头模组的多种异常情况的检测，通过构建孪生神经网络框架，插入空间变换网络实现特征配准，可以精准检测出模组上的划痕。
-
公开(公告)号：CN114740466A
公开(公告)日：2022-07-12
申请号：CN202210326428.X
申请日：2022-03-30
Applicant: 南通大学
Abstract: 本发明提供一种基于得分机制的雷达目标点迹过滤方法，包括获取雷达一个周期的点迹数据，将点迹的距离、速度进行极坐标、直角坐标互化，根据每个周期接收点迹的时间、速度、方位对其进行打分，并设置权重计算每个点迹的总得分，设置立方体波门过滤点迹。本发明利用多维量测信息设置约束条件，实现对多维量测信息的充分利用，解决雷达目标跟踪过程中出现的大量虚假目标和造成很多虚假航迹的问题，提高点迹过滤的质量，从而更好的实现目标跟踪。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
