公开(公告)号：CN109741356A

公开(公告)日：2019-05-10

申请号：CN201910022556.3

申请日：2019-01-10

Applicant: 哈尔滨工业大学(深圳)

Inventor： 吴晓军 ,  苏益沛 ,  李鹏辉

IPC: G06T7/13

Abstract: 本发明公开一种亚像素边缘检测方法及系统，所述方法先根据所述原始图像确定梯度图像，根据所述梯度图像确定多个种子点对，其次以各种子点对对应的像素轨迹为单位提取边缘，然后根据各所述种子点对对应的像素轨迹，确定原始图像的像素边缘轮廓；最后利用样条插值法或高斯曲线拟合法或Steger法，根据原始图像的像素边缘轮廓确定原始图像的亚像素边缘轮廓；本发明采用跟踪思想实现了轮廓跟踪，相比于传统以滑窗方式逐像素边缘轮廓检测，更好地保持了轮廓本身的完整性。

公开(公告)号：CN111985092B

公开(公告)日：2024-05-31

申请号：CN202010750334.6

申请日：2020-07-30

Applicant: 哈尔滨工业大学

Inventor： 李伟 ,  李爽 ,  杨明 ,  李鹏辉 ,  陈龙

IPC: G06F30/20 ,  G06F17/16 ,  G06N3/006 ,  G06N3/126

Abstract: 本发明公开了一种智能汽车仿真测试矩阵生成方法，属于智能汽车仿真实验技术领域。所述生成方法包括：步骤一、基于自然驾驶数据提取仿真测试矩阵CSTM；步骤二、基于仿真测试矩阵CSTM运用COLHS生成新的仿真测试矩阵LSTMcor。本发明采用基于相关性控制的优化拉丁超立方算法生成智能汽车仿真测试矩阵。这种方法一方面可以保证在任意案例数下仿真测试矩阵都能具有良好的空间覆盖性，另一方面还能保留CSTM中变量间的相关关系。本发明所使用的COLHS是一种将Cholesky分解法和组合优化法相结合的算法。它既能在相关系数矩阵非正定时完成抽样，又能在相关系数矩阵正定时快速精确的对仿真测试矩阵相关性进行控制。

公开(公告)号：CN109741356B

公开(公告)日：2020-08-21

申请号：CN201910022556.3

申请日：2019-01-10

Applicant: 哈尔滨工业大学(深圳)

Inventor： 吴晓军 ,  苏益沛 ,  李鹏辉

IPC: G06T7/13

Abstract: 本发明公开一种亚像素边缘检测方法及系统，所述方法先根据所述原始图像确定梯度图像，根据所述梯度图像确定多个种子点对，其次以各种子点对对应的像素轨迹为单位提取边缘，然后根据各所述种子点对对应的像素轨迹，确定原始图像的像素边缘轮廓；最后利用样条插值法或高斯曲线拟合法或Steger法，根据原始图像的像素边缘轮廓确定原始图像的亚像素边缘轮廓；本发明采用跟踪思想实现了轮廓跟踪，相比于传统以滑窗方式逐像素边缘轮廓检测，更好地保持了轮廓本身的完整性。

公开(公告)号：CN111985092A

公开(公告)日：2020-11-24

申请号：CN202010750334.6

申请日：2020-07-30

Applicant: 哈尔滨工业大学

Inventor： 李伟 ,  李爽 ,  杨明 ,  李鹏辉 ,  陈龙

IPC: G06F30/20 ,  G06F17/16 ,  G06N3/00 ,  G06N3/12

Abstract: 本发明公开了一种智能汽车仿真测试矩阵生成方法，属于智能汽车仿真实验技术领域。所述生成方法包括：步骤一、基于自然驾驶数据提取仿真测试矩阵CSTM；步骤二、基于仿真测试矩阵CSTM运用COLHS生成新的仿真测试矩阵LSTMcor。本发明采用基于相关性控制的优化拉丁超立方算法生成智能汽车仿真测试矩阵。这种方法一方面可以保证在任意案例数下仿真测试矩阵都能具有良好的空间覆盖性，另一方面还能保留CSTM中变量间的相关关系。本发明所使用的COLHS是一种将Cholesky分解法和组合优化法相结合的算法。它既能在相关系数矩阵非正定时完成抽样，又能在相关系数矩阵正定时快速精确的对仿真测试矩阵相关性进行控制。