-
公开(公告)号：CN103955215B
公开(公告)日：2016-10-05
申请号：CN201410149890.2
申请日：2014-04-15
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
IPC: G05D1/02
Abstract: 基于手势识别的自动避障小车，涉及人机交互智能图像信息处理，属于基于深度相机非接触式三维虚拟空间领域和双目立体视觉领域，其车体前部设置分开的两个摄像头，车体内部设置包含单片机的下位机，车体安置两个无线wifi模块，一个无线wifi模块连接一个摄像头，车体还安置一个蓝牙模块，两个小车后轮分别连接着一个精密直流电机。上述自动避障小车的控制装置，其深度体感相机连接上位机，上位机设置串口蓝牙和一个无线wifi模块。本发明通过手势控制小车并绘制地图，在自动运行模式下实现小车自动避障，利用自动控制、网络通信和图像处理技术，操作方便，适合在危险环境下检查周围环境是否有危险和在障碍物多的地形下进行搬运工作。
-
公开(公告)号：CN103955920B
公开(公告)日：2017-04-12
申请号：CN201410146864.4
申请日：2014-04-14
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 本发明提供一种基于三维点云分割的双目视觉障碍物检测方法，包括同步采集两个相同规格的摄像机图像；对双目摄像机进行标定校正并计算三维点云分割阈值；用立体匹配算法和三维重构计算得到三维点云，对基准图做图像分割得到图块；自动检测三维点云的路面高度，利用三维点云分割阈值分割出路面点云、不同位置的障碍物点云和未知区域点云；利用分割得到的点云结合分割后的图块，判决障碍物和路面的正确性，确定障碍物、路面和未知区域的位置范围。本发明在较复杂的环境中仍可检测摄像机与路面高度并自动估算三维分割的阈值，分割出障碍物点云、路面点云和未知区域点云；结束彩色图像分割技术，融合颜色信息判决障碍物和路面的正确性，确定障碍物、路面和未知区域的位置范围，实现高鲁棒性的障碍物检测，具有更高的可靠性和实用性。
-
公开(公告)号：CN104504118A
公开(公告)日：2015-04-08
申请号：CN201410845467.6
申请日：2014-12-31
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
CPC classification number: G06F9/448
Abstract: 本发明公开了一种工作流建模数据的存储和读取方法，所述方法包括基于XPDL的基本图形转换成XML文档和XML文档转换成基于XPDL的基本图形；所述基于XPDL的基本图形转换成XML文档，包括如下步骤：（1）通过加载动态连接库把需要的建模图形元素加载到建模工具中。（2）拖拽图形元素到建模编辑区域，建模工具自动创建与之对应的组件。（3）将创建好的组件序列化，生成基于XPDL的基本图形相对应的XML文档。所述XML文档转换成基于XPDL的基本图形，包括如下步骤：（1）通过反序列化操作，把XML文档转化为组件。（2）通过调用组件绘制图形元素的方法，把组件转化为基本图形。本发明是一种高效率的工作流建模数据存储和读取方法。
-
公开(公告)号：CN103955920A
公开(公告)日：2014-07-30
申请号：CN201410146864.4
申请日：2014-04-14
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 本发明提供一种基于三维点云分割的双目视觉障碍物检测方法，包括同步采集两个相同规格的摄像机图像；对双目摄像机进行标定校正并计算三维点云分割阈值；用立体匹配算法和三维重构计算得到三维点云，对基准图做图像分割得到图块；自动检测三维点云的路面高度，利用三维点云分割阈值分割出路面点云、不同位置的障碍物点云和未知区域点云；利用分割得到的点云结合分割后的图块，判决障碍物和路面的正确性，确定障碍物、路面和未知区域的位置范围。本发明在较复杂的环境中仍可检测摄像机与路面高度并自动估算三维分割的阈值，分割出障碍物点云、路面点云和未知区域点云；结束彩色图像分割技术，融合颜色信息判决障碍物和路面的正确性，确定障碍物、路面和未知区域的位置范围，实现高鲁棒性的障碍物检测，具有更高的可靠性和实用性。
-
公开(公告)号：CN103955215A
公开(公告)日：2014-07-30
申请号：CN201410149890.2
申请日：2014-04-15
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
IPC: G05D1/02
Abstract: 基于手势识别的自动避障小车，涉及人机交互智能图像信息处理，属于基于深度相机非接触式三维虚拟空间领域和双目立体视觉领域，其车体前部设置分开的两个摄像头，车体内部设置包含单片机的下位机，车体安置两个无线wifi模块，一个无线wifi模块连接一个摄像头，车体还安置一个蓝牙模块，两个小车后轮分别连接着一个精密直流电机。上述自动避障小车的控制装置，其深度体感相机连接上位机，上位机设置串口蓝牙和一个无线wifi模块。本发明通过手势控制小车并绘制地图，在自动运行模式下实现小车自动避障，利用自动控制、网络通信和图像处理技术，操作方便，适合在危险环境下检查周围环境是否有危险和在障碍物多的地形下进行搬运工作。
-
Patent Agency Ranking
公开(公告)号：CN203941451U
公开(公告)日：2014-11-12
申请号：CN201420180921.6
申请日：2014-04-15
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 基于手势识别的自动避障小车，涉及人机交互智能图像信息处理，属于基于深度相机非接触式三维虚拟空间领域和双目立体视觉领域，其车体前部设置分开的两个摄像头，车体内部设置包含单片机的下位机，车体安置两个无线wifi模块，一个无线wifi模块连接一个摄像头，车体还安置一个蓝牙模块，两个小车后轮分别连接着一个精密直流电机；其深度体感相机连接上位机，上位机设置串口蓝牙和一个无线wifi模块。本实用新型通过手势控制小车并在自动运行模式下实现小车自动避障，操作方便，适合在危险环境下检查周围环境是否有危险和在障碍物多的地形下进行搬运工作。
-
公开(公告)号：CN117830741A
公开(公告)日：2024-04-05
申请号：CN202410018971.2
申请日：2024-01-05
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于空间特征聚合网络的射电星系形态识别与分割方法，包括：将星系图像输入到特征提取网络，提取不同层级的星系语义特征；采用极化自注意力模块整合星系特征的通道和空间信息，构建注意力增强特征；自下而上初次拼接不同层级特征得到星系融合特征；自上而下二次拼接不同层级星系特征，同时采用空间金字塔池化‑跨阶段特征连接模块，进行星系特征的感知融合，实现网络多尺度聚合空间特征；对多尺度感受野聚合的空间特征进行星系目标的边框检测、形态分类与形态分割。本发明提出的射电星系形态识别与分割方法能够提升网络对通道和空间特征的整合能力，促进空间结构信息的聚合，提高射电星系的形态识别与分割性能。
-
公开(公告)号：CN117475286A
公开(公告)日：2024-01-30
申请号：CN202311463428.5
申请日：2023-11-06
Applicant: 桂林电子科技大学
IPC: G06V10/86 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于U型注意力特征融合网络的射电星系目标检测方法，包括以下步骤：1）对星系图像进行多尺度特征提取；2）设计注意力模块关注星系特征图的关键信息；3）设计U型特征融合网络进行多尺度星系特征融合；4）获取星系特征图中的星系区域；5）对星系区域的星系特征图进行量化；6）对星系区域特征进行分类回归。这种方法能够促进网络中多尺度星系特征的信息融合，并重点关注星系特征图中关键信息的位置，以提升射电星系分类性能。
-
公开(公告)号：CN116416336A
公开(公告)日：2023-07-11
申请号：CN202310509233.3
申请日：2023-05-08
Applicant: 桂林电子科技大学
IPC: G06T11/00 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了基于协同感知生成对抗网络的图像压缩感知重建方法，包括如下步骤：1)输入图像块的观测向量；2)为每个图像块的观测向量构造协同重构向量组；3)将协同重构向量组输入生成网络进行图像重建；4)将重建图像和真实图像分别输入判别网络进行真伪辨别；5)构造协同感知优化函数进行生成对抗训练。本发明提出的图像重建方法能够促进图像纹理细节的恢复，提升重建精度。
-
公开(公告)号：CN116362968A
公开(公告)日：2023-06-30
申请号：CN202310167863.7
申请日：2023-02-27
Applicant: 桂林电子科技大学
IPC: G06T3/40 , G06T5/10 , G06V10/82 , G06V10/774 , G06N3/045
Abstract: 本发明公开了基于自适应多层次注意力的帧循环视频超分辨重建技术，其特征在于，包括如下步骤：1）数据集预处理；2）建立重建模型；3）自适应多层次注意力过程；4）重构网络；5)模型训练。本技术方案不仅可以有效的利用初始低分辨的帧间信息和基于循环后的保留下来的时间信息，并可以更好的捕获空间上下文信息，以此获取更多高频信息来丰富图像细节，最终使模型具有更好的重构效果。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.05 seconds)
