-
公开(公告)号：CN115914495B
公开(公告)日：2024-09-13
申请号：CN202211429583.0
申请日：2022-11-15
Applicant: 大连海事大学
IPC: H04N5/222 , G06T7/194 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , H04N5/272 , G10L15/06
Abstract: 本发明提供一种用于车载自动驾驶系统的目标与背景分离方法，方法包括：构建红外镜像生成系统，所述红外镜像生成系统用于将输入图像进行像素的逐级提取，并将各级提取的红外辐射图像在物面叠加；基于所述红外镜像生成系统获取待处理红外景象生成数据；将所述红外景象生成数据输入训练后的语义分割模型进行语义特征提取，从而获取红外景象生成数据的语义分割特征；将所述语义分割特征输入训练后的前景背景判断模型景象前景提取，从而获得与所述红外景象生成数据对应的前景掩码，实现目标与背景分离。本发明能够在帧频范围内通过脉宽调试方法生成高灰度的红外景象，并基于预训练的神经网络模型实现目标前景的高效精确提取。
-
公开(公告)号：CN113379658B
公开(公告)日：2024-03-15
申请号：CN202110610282.7
申请日：2021-06-01
Applicant: 大连海事大学
Abstract: 本发明提供一种无人机观测目标特征双光融合方法及系统。方法包括：采集第一可见光图像；采集第一红外图像；对所述第一可见光图像及第一红外图像进行预处理，获得像素配准后的第二可见光图像及第二红外图像；将所述第二可见光图像及第二红外图像输入预先训练的轻量级深度学习网络，所述轻量级深度学习网络包括编码器模块、融合模块以及解码器模块，所述编码器模块用于提取第二可见光图像及第二红外图像的深度特征，提取好的深度特征输入融合模块进行融合，最后解码器根据融合后的特征重构出融合图像。本发明采用深度学习网络相比传统算法能够更好的提取图像特征。
-
公开(公告)号：CN117611942A
公开(公告)日：2024-02-27
申请号：CN202311595766.4
申请日：2023-11-27
Applicant: 大连海事大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/80 , G06N3/048 , G06T3/4053 , G06T5/70
Abstract: 本发明一种基于轻量化深度神经网络进行不同视觉处理的方法，包括以下步骤：根据待处理的不同视觉任务，分别获取与视觉任务相对应的数据集，按照比例将数据集划分为训练集和测试集；构建轻量化深度神经网络，所述轻量化深度神经网络包括基于多尺度空洞卷积的三分支特征提取框架以及基于残差‑稠密‑注意力交互混合式特征重建框架；将测试集数据输入到练后轻量化深度神经网络种，基于残差‑稠密‑注意力交互混合式特征重建框架，用以对初步实现重建的特征进行更加深层次的特征重建，最终获得重建特征图，然后通过残差连接与转置卷积获得最终输出不同视觉任务下的图像。
-
公开(公告)号：CN113433948A
公开(公告)日：2021-09-24
申请号：CN202110802186.2
申请日：2021-07-15
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于辅助向量校正的移动机器人连续视觉归航方法，包括：利用搭载在移动机器人上的全景相机，在室内或者室外随机选取目标位置和当前位置，获取全景图像；根据ORB图像特征匹配算法所提取的自然路标计算归航向量，控制机器人移动；在机器人移动的过程中，拍摄辅助全景图像，并计算辅助归航向量；在辅助归航向量和控制当前机器人移动的归航向量的共同作用下，计算新的归航向量，并控制机器人按照新的归航方向移动；在机器人移动的过程中，根据辅助归航向量不断更新机器人的归航方向，让机器人连续的完成归航任务。本发明技术方案能够消除机器人在移动固定步长后被迫停顿的问题，使机器人快速完成归航任务，提高机器人自主导航能力。
-
公开(公告)号：CN113433948B
公开(公告)日：2024-01-30
申请号：CN202110802186.2
申请日：2021-07-15
Applicant: 大连海事大学
IPC: G05D1/43 , G05D1/243 , G05D1/246 , G05D1/247 , G05D109/10
Abstract: 本发明提供一种基于辅助向量校正的移动机器人连续视觉归航方法，包括：利用搭载在移动机器人上的全景相机，在室内或者室外随机选取目标位置和当前位置，获取全景图像；根据ORB图像特征匹配算法所提取的自然路标计算归航向量，控制机器人移动；在机器人移动的过程中，拍摄辅助全景图像，并计算辅助归航向量；在辅助归航向量和控制当前机器人移动的归航向量的共同作用下，计算新的归航向量，并控制机器人按照新的归航方向移动；在机器人移动的过程中，根据辅助归航向量不断更新机器人的归航方向，让机器人连续的完成归航任务。本发明技术方案能够消除机器人在移动固定步长后被迫停顿的问题，使机器人快速完成归航任务，提高机(56)对比文件Ji xun 等.Three Landmark OptimizationStrategies for MobileRobot VisualHoming.sensors.2018,第18卷(第10期),论文第1-21页.朱齐丹.一种优化的移动机器人 ALV 视觉归航算法.机器人.2018,第40卷(第5期),论文第130-137页.朱齐丹;李科;雷艳敏;孟祥杰.基于全景视觉的机器人回航方法.机器人.2011,第33卷(第5期),论文第606-613页.郑重;汪增福.基于随机搜索的快速变形视觉归巢算法.模式识别与人工智能.2010,(第05期),论文第3-10页.纪勋.智能移动机器人视觉归航算法研究.《中国博士学位论文全文数据库 信息科技辑》.2021,I140-34.
-
Patent Agency Ranking
公开(公告)号：CN116681914A
公开(公告)日：2023-09-01
申请号：CN202310574965.0
申请日：2023-05-19
Applicant: 大连海事大学
Abstract: 本发明一种基于多尺度陆标配准的智能移动机器人自主归航方法，包括如下步骤：获取并存储智能移动机器人目标位置处的全景影像，并捕获机器人当前位置处的全景影像；利用VGG19预训练模型分别对目标位置与当前位置处的全景影像进行特征提取以获得5个不同尺度的特征图匹配对；利用SURF特征配准算法分别对n个特征图匹配对进行图像配准，以获得多尺度配准路标；利用多尺度配准路标计算不同尺度下智能移动机器人自主归航子方向；利用权重重分配算法调整不同尺度归航子方向的权重，并将归航子方向进行聚合以获得移动机器人自主归航方向；定时更新智能移动机器人自主归航方向，直至移动机器人自主归航到目标位置。本发明有效提高机器人自主归航的准确性。
-
公开(公告)号：CN115388895A
公开(公告)日：2022-11-25
申请号：CN202211040049.0
申请日：2022-08-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于孪生神经网络的室内移动机器人全景视觉快速导航方法，其包括：利用装配全景成像设备的移动机器人采集室内环境全景图像，作为原始全景图像数据；根据原始全景图像数据的拍摄位置信息，对不同图像数据进行坐标值命名处理，并将带有坐标值命名处理的任意两张全景图像进行匹配，得到全景图像对；确定用于网络模型训练的训练集数据以及用于网络模型测试的测试集数据；构建面向室内移动机器人全景视觉导航的孪生神经网络模型；将匹配后的全景图像对输入孪生神经网络模型，在对网络模型进行训练与测试后，运行网络模型以控制移动机器人进行自主导航。本发明可有效实现移动机器人在室内环境中进行快速、精准的自主导航。
-
公开(公告)号：CN118351017A
公开(公告)日：2024-07-16
申请号：CN202410640695.3
申请日：2024-05-22
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于协同互补式深度学习的水下场景清晰化方法，包括以下步骤：获取水下场景数据集，对数据集进行预处理；构建协同互补式深度学习模型；将预处理的数据集输入到所构建协同互补式深度学习模型中，对构建的协同互补式深度学习模型进行训练，保存训练完成的协同互补式深度学习模型；将待处理的水下场景数据输入到运行训练后的协同互补式深度学习模型，实现对水下场景进行清晰化处理，所构建协同互补式深度学习模型结构，结合CNN和Transformer的优点，提取双输入的相似特征，对其相互补充，实现高性能、强鲁棒的模型，可以有效的实现水下场景清晰化。
-
公开(公告)号：CN116342616B
公开(公告)日：2023-10-27
申请号：CN202310249711.1
申请日：2023-03-15
Applicant: 大连海事大学
IPC: G06T7/10 , G06N3/0455 , G06N3/098
Abstract: 本发明提供了一种基于双分支集成学习的遥感图像海陆分割方法，涉及遥感图像处理技术领域，包括如下步骤：获取遥感图像，对遥感图像数据集进行标签制作，形成相应的遥感图像海陆分割数据集；构建由密集支路、残差支路以及集成学习模块所组成的基于双分支集成学习的遥感图像海陆分割网络模型；利用所构建的数据集对所述遥感图像海陆分割网络模型进行损失函数设置；训练基于双分支集成学习的遥感图像海陆分割网络模型，并在等待模型训练完毕后，运行训练后的遥感图像海陆分割网络模型，对待分割的遥感图像进行海陆分割。本发明可有效实现对遥感图像海陆区域进行精准检测与分割。
-
公开(公告)号：CN116644786A
公开(公告)日：2023-08-25
申请号：CN202310705277.3
申请日：2023-06-14
Applicant: 大连海事大学
IPC: G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/40
Abstract: 本发明一种用于提升泛化能力的通用型深度卷积神经网络构建方法，包括以下步骤：根据不同视觉处理的任务，选取对应的数据集，并将数据集划分为训练集和测试集；将训练集和测试集进行预处理；构建的提升泛化能力的通用型深度卷积神经网络；将预处理的训练集数据输入到所构建通用型深度卷积神经网络中，进行多尺度提取和重建，获得实际输出图像；对构建通用型深度卷积神经网络进行训练；预处理的测试集数据输入到训练好的通用型深度卷积神经网络模型，实现图片不同低级计算机视觉任务处理。该方法通过构建通用型深度卷积神经网络结构，可以应用于各种不同的低级计算机视觉任务中。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.017 seconds)
