-
公开(公告)号：CN117808880A
公开(公告)日：2024-04-02
申请号：CN202410012782.4
申请日：2024-01-04
Applicant: 桂林电子科技大学
IPC: G06T7/73 , G06T7/80 , G06T5/70 , G06T5/20 , G06V10/762
Abstract: 本发明涉及数字摄影测量技术领域，具体涉及一种单目视觉的空间合作目标位姿测量方法，使用发光二极管作为靶标特征点，实现光线不佳的状况下的相对位姿测量；然后通过采集特征靶标在不同角度与距离下的图像数据，并进行灰度化处理，滤波降噪处理，将滤波后的图像进行聚类分析并筛选出ROI区域，提取得到该区域的边界点坐标，再对提取到的边界进行椭圆拟合得到特征点的中心像素坐标，再结合特征点靶标坐标系坐标和标定后的摄像头内参矩阵对初始位姿进行解算，使用高斯牛顿优化算法对得到的位姿数据进行优化，最后输出位姿数据。通过以上处理，本发明能获得更精确地特征点中心定位坐标，也减小了EPnP算法对图像噪声的稳健性不强的问题。
-
Patent Agency Ranking
公开(公告)号：CN117635661A
公开(公告)日：2024-03-01
申请号：CN202311680555.0
申请日：2023-12-07
Applicant: 桂林电子科技大学
Abstract: 本发明涉及目标追踪技术领域，具体涉及一种基于LA‑DeepSORT的低空域无人机目标跟踪方法，通过捕获包含无人机的视频进行运动补偿处理并分帧处理，获得视频帧序列；使用目标检测模型检测所述视频帧序列，获得无人机目标的预测框和置信度；根据所述预测框和置信度初始化卡尔曼滤波器和跟踪器；更新卡尔曼滤波器和跟踪器，输出无人机跟踪结果。本发明使用运动补偿算法矫正相机运动干扰，引入MobileNetV3更好地提取无人机外貌特征，既增强了无人机跟踪方法中抗扰动性能又增强了无人机跟踪器的特征提取能力，有效减少低空域下目标跟踪的ID跳变、误报以及跟踪丢失或轨迹失配的概率。
-
公开(公告)号：CN117132866A
公开(公告)日：2023-11-28
申请号：CN202311036164.5
申请日：2023-08-17
Applicant: 桂林电子科技大学
IPC: G06V10/82 , G06V10/774 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/766 , G06V20/40 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及目标检测技术领域，具体涉及一种多运动目标环境下无人机检测方法，通过采集无人机与鸟类在同一空域下同时出现的图像数据，并对图像进行筛选和标注，构建多运动目标数据集；在输入端对图像进行数据增强处理，在骨干网络部分提出了一种改进的CA注意力机制模块，并将该结构插入YOLOv5s的网络模型中，增强了网络的特征提取能力，进而提升检测精确度；在头部加入F‑EIoU损失函数模块，解决了难易样本不平衡的问题，又提升了检测网络的鲁棒性。最后使用训练好的改进检测网络模型进行检测，得到检测结果，解决多运动目标环境下针对无人机的目标检测误检率漏检率较大的问题。
-
公开(公告)号：CN118691821A
公开(公告)日：2024-09-24
申请号：CN202410870747.6
申请日：2024-07-01
Applicant: 桂林电子科技大学
IPC: G06V10/26 , G06V20/17 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/08 , G06T7/10
Abstract: 本发明涉及飞行运动目标检测技术领域，具体涉及一种使用UNet与改进YOLOv5的无人机图像分割与检测方法，通过采集无人机在某一空域下出现的图像数据，并对图像进行筛选和标注，构建无人机运动目标数据集；在输入端对图像进行数据增强处理，在骨干网络部分添加了CBAM注意力机制模块，并将该结构插入YOLOv5的网络模型中，增强了网络的特征提取能力，进而提升检测精确度；在头部加入DIoU损失函数模块，解决了样本框与检测框检测重叠的问题，又提升了检测网络的鲁棒性。最后使用训练好的YOLOv5检测网络模型进行检测，得到检测结果，解决飞行运动目标环境下针对无人机的目标检测误检率、漏检率较大的问题。
-
公开(公告)号：CN117132867A
公开(公告)日：2023-11-28
申请号：CN202311038241.0
申请日：2023-08-17
Applicant: 桂林电子科技大学
IPC: G06V10/82 , G06V10/44 , G06V10/80 , G06V10/774 , G06N3/048 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于改进YOLOv5的相似性背景下无人机检测方法，通过将SimAM注意力机制模块嵌入到YOLOv5的特征提取模块，SimAM注意力机制可以在不引入额外参数量的情况下，为神经元分配3D注意力权值，增强重要的神经元输出，抑制非重要的神经元输出；同时通过将YOLOv5原Neck层替换为BiFPN结构，使得预测层可以利用不同特征层的特征，这样可以大大提升网络的预测精度；再使用预处理与标注过的无人机图像数据集对改进后的YOLOv5模型进行训练，获得检测模型，最后使用检测模型对待测无人机视频进行检测得到检测结果。经验证，本发明增加了无人机目标的特征提取能力，有效减少相似性背景下目标检测的误检率、漏检率。
-
公开(公告)号：CN117689976A
公开(公告)日：2024-03-12
申请号：CN202311545114.X
申请日：2023-11-20
Applicant: 桂林电子科技大学
IPC: G06V10/774 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/045 , G06V10/25 , G06N3/08
Abstract: 本发明涉及图像增强技术领域，具体涉及一种基于GAN的多运动目标数据集增强方法，通过采集无人机与鸟类在同一空域下同时出现的图像数据，并对图像进行筛选和标注，构建多运动目标数据集；使用基础GAN的改进型网络，即添加了CNN网络的DCGAN作为合成图像的模型网络，DCGAN模型网络通过利用CNN网络来增强模型提取图像特征的能力，提高了模型生成图像的保真度同时更加稳定；最后使用DeblurGAN‑v2网络对生成的图像进行进一步去噪处理，解决了生成图像的模糊问题，从而最终增强图像以达到可以扩充现有的数据集以进行目标检测的标准。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
