-
公开(公告)号：CN115296738B
公开(公告)日：2024-04-16
申请号：CN202210900838.0
申请日：2022-07-28
Applicant: 吉林大学
IPC: H04B10/116 , G06V10/28 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06T7/73 , G06T7/66 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的无人机可见光相机通信方法及其系统，包括：发送端使用LED阵列以预先设计的数据帧格式发送数据信息；接收端利用相机捕获LED阵列图像；采用YOLOv5s深度学习算法快速检测出图像中LED阵列位置；结合数据帧格式特点和透视变换算法实现LED的精确定位和状态识别，恢复数据信息；系统包括：发送端、接收端、初步定位模块、精确定位模块、矫正模块和信息获取模块；本发明将深度学习和传统图像处理方法相结合，能够提高无人机可见光相机通信的可靠性，减少系统时延，并且硬件总体造价低，适用于移动设备，易推广。
-
Patent Agency Ranking
公开(公告)号：CN117395750A
公开(公告)日：2024-01-12
申请号：CN202311492470.X
申请日：2023-11-10
Applicant: 吉林大学
Abstract: 本发明公开了一种基于节点分簇的无人机辅助数据收集轨迹优化方法，涉及无线通信技术领域；该方法包括如下步骤：在任务区域内构建无人机辅助物联网系统模型；无人机辅助物联网系统模型包括预设数量个传感器节点；对每个传感器节点进行分簇处理，基于分簇处理后的传感器节点，将无人机辅助物联网系统模型的平均信息年龄，以及无人机剩余能耗作为优化目标，采用DQN算法对无人机的数据采集路径进行规划；该方法基于物联网系统的平均信息年龄和飞机能量消耗，对无人机数据采集的路径进行合理规划，从而提高系统数据收集的效率。
-
公开(公告)号：CN117135690A
公开(公告)日：2023-11-28
申请号：CN202311129336.3
申请日：2023-09-04
Applicant: 吉林大学
IPC: H04W28/08 , H04W28/084
Abstract: 本发明公开了基于节点分簇的无人机辅助MEC能耗优化方法，包括：对用户节点进行分簇，得到分簇结果，基于分簇结果得到簇头节点；计算无人机与簇头节点的信道增益；基于信道增益得到簇头节点的卸载任务能耗；基于飞行轨迹得到无人机的飞行能耗；基于卸载任务能耗和飞行能耗得到总能耗；以总能耗最小为目标，联合优化飞行轨迹、任务数据量和CPU频率，得到最优飞行轨迹、最优任务数据量和最优CPU频率；将最优飞行轨迹、最优任务数据量和最优CPU频率代入总能耗，得到目标总能耗；对目标总能耗进行迭代更新，直至满足迭代精度，得到最优总能耗。在保证用户与无人机可靠传输的前提下，降低了无人机与用户终端的总体能量消耗。
-
公开(公告)号：CN117496321A
公开(公告)日：2024-02-02
申请号：CN202311515740.4
申请日：2023-11-15
Applicant: 吉林大学
Abstract: 本发明公开了一种基于两种模态图像融合的目标检测方法，该方法包括：基于AirSim平台搭建相关场景进行模拟仿真，并收集不同模态的图像数据集；构建双模态图像融合网络，并根据反向传播原理训练融合网络；用暹罗神经网络同时提取两种模态的图像的特征，通过反卷积操作将特征重构为融合图像；通过量化的评价指标对重构后的融合图像的质量将进行检验评估，根据评估结果修改融合网络；将训练好融合网络输出的融合特征直接输入单阶段的YOLOv7目标检测网络，冻结融合网络已训练好的网络参数，对目标检测网络进行训练，得到优化的融合与检测网络。使用本发明便于实现高效精准的双模态图像融合与检测，有助于提升无人机在紧急搜救等场景中目标检测能力。
-
公开(公告)号：CN117611963A
公开(公告)日：2024-02-27
申请号：CN202311592202.5
申请日：2023-11-27
Applicant: 吉林大学
Abstract: 本发明公开了基于多尺度扩展残差网络的小目标检测方法，包括：构建包括多个CBS模块、多尺度扩展残差网络、ELAN模块和A‑ELAN单元组的骨干网络；构建包括骨干网络、颈部网络和检测头的小目标检测网络；获取图像样本数据并进行预处理得到增强数据集；将增强数据集输入至骨干网络，依次通过多个CBS模块、多尺度扩展残差网络和ELAN模块后得到第一多尺度特征，第一多尺度特征通过A‑ELAN单元组后得到多个多尺度特征；多个多尺度特征分别输入至颈部网络进行特征融合，得到多个融合特征；多个融合特征输入至检测头进行处理，得到多个目标检测结果。解决了现有的目标识别网络在小目标识别过程中存在的漏检误检等识别精度不高的问题。
-
公开(公告)号：CN115296738A
公开(公告)日：2022-11-04
申请号：CN202210900838.0
申请日：2022-07-28
Applicant: 吉林大学
IPC: H04B10/116 , G06V10/28 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06T7/73 , G06T7/66 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的无人机可见光相机通信方法及其系统，包括：发送端使用LED阵列以预先设计的数据帧格式发送数据信息；接收端利用相机捕获LED阵列图像；采用YOLOv5s深度学习算法快速检测出图像中LED阵列位置；结合数据帧格式特点和透视变换算法实现LED的精确定位和状态识别，恢复数据信息；系统包括：发送端、接收端、初步定位模块、精确定位模块、矫正模块和信息获取模块；本发明将深度学习和传统图像处理方法相结合，能够提高无人机可见光相机通信的可靠性，减少系统时延，并且硬件总体造价低，适用于移动设备，易推广。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
