-
公开(公告)号：CN117788455A
公开(公告)日：2024-03-29
申请号：CN202410052692.8
申请日：2024-01-15
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/26 , G06T3/4038 , G06V10/34 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提供一种基于图结构的道路裂缝变化检测方法及系统，包括初步提取得到仅含裂缝与背景标签的二值化图；使用图结构表达二值化图内的裂缝内容，包括依据裂缝骨架网连接特征点，得到裂缝的特征点集合和裂缝的曲段集合，并使用连通邻接矩阵记录特征点连通关系；基于图结构，使用蒙特卡洛树搜索方法，完成不同时期的图结构曲段匹配；基于匹配曲段的端点，计算旋转矩阵，实现不同时期影像的拼接对齐；基于图结构曲段匹配结果与影像拼接对齐结果，进行道路裂缝变化检测分析并输出。该检测方案在工程项目中具有较强的可实施性，同时具有高度的稳定性和足够的精度。
-
公开(公告)号：CN113311456B
公开(公告)日：2022-08-16
申请号：CN202110538773.5
申请日：2021-05-18
Applicant: 武汉大学
Abstract: 本发明提出了一种基于卡尔曼滤波的QAR数据噪声处理方法。本发明定义t时刻状态向量、t时刻状态转移矩阵、t时刻输入传递矩阵；根据t时刻飞机状态向量和t时刻实际状态转移协方差矩阵得到t+1时刻预测状态向量、t+1时刻飞机状态预测误差协方差矩阵、t+1时刻转移状态误差协方差矩阵；根据t+1时刻转移状态误差协方差矩阵得到t+1时刻卡尔曼系数；将t+1时刻预测状态向量与观测状态进行融合得到滤波后的t+1时刻状态。本发明优点在于，考虑到了在飞行过程中关于位置信息存在的测量误差，结合运动物理模型与测量数据有效地减小了这一误差，由于利用了更多信息，减小了单一传感器存在的噪声对结果产生的影响，从而得到了误差更小的位置数据。
-
公开(公告)号：CN113311456A
公开(公告)日：2021-08-27
申请号：CN202110538773.5
申请日：2021-05-18
Applicant: 武汉大学
Abstract: 本发明提出了一种基于卡尔曼滤波的QAR数据噪声处理方法。本发明定义t时刻状态向量、t时刻状态转移矩阵、t时刻输入传递矩阵；根据t时刻飞机状态向量和t时刻实际状态转移协方差矩阵得到t+1时刻预测状态向量、t+1时刻飞机状态预测误差协方差矩阵、t+1时刻转移状态误差协方差矩阵；根据t+1时刻转移状态误差协方差矩阵得到t+1时刻卡尔曼系数；将t+1时刻预测状态向量与观测状态进行融合得到滤波后的t+1时刻状态。本发明优点在于，考虑到了在飞行过程中关于位置信息存在的测量误差，结合运动物理模型与测量数据有效地减小了这一误差，由于利用了更多信息，减小了单一传感器存在的噪声对结果产生的影响，从而得到了误差更小的位置数据。
-
公开(公告)号：CN110986965A
公开(公告)日：2020-04-10
申请号：CN201911192221.2
申请日：2019-11-28
Applicant: 武汉大学
IPC: G01C21/30
Abstract: 本发明提供一种基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法，包括对路网中的每一个道路结点，计算到其他所有结点的最短路径；设δk(j)反映从第k-1个观测值的各个候选状态值中，转移到第k个观测值的第j个候选状态值的最大概率，ψk(j)为产生最大概率的候选状态值的序号；对第1个观测值g1，对于第候选状态值计算观测概率o1(j)，然后计算相应初始的δ1(i)和ψ1(i)；依次对于第k个观测值，求解第j个候选状态值的观测概率ok(j)，并求转移概率tk-1,k(i,j)，然后计算δk(j),ψk(j)；当k＝N时，基于第N个观测值的所有候选状态值，求解 其中表示所有候选状态值相应δN(j)中最大值， 就表示 相应的j值；依次向前查找，求得每一个观测值的状态值，得到轨迹的路网匹配结果。本发明可以有效地对低频采样地浮动车数据进行正确匹配。
-
公开(公告)号：CN114004227B
公开(公告)日：2024-10-15
申请号：CN202111227632.8
申请日：2021-10-21
Applicant: 武汉大学
IPC: G06F40/289 , G06F40/216 , G06N20/00
Abstract: 本发明涉及一种基于机器学习与规则匹配的民航事故报告处理方法。依据自然语言处理的方法对中文民用航空事故报告进行批量处理，利用机器学习分类器实现报告的自动分类，采用基于规则的方法对句子结构与内容进行分析，并据此实现事故原因的提取。本发明实现了中文报告的自动分类与原因提取，避免了人为误差的引入，可以达到更精确的效果，也提高了工作效率。
-
Patent Agency Ranking
公开(公告)号：CN117974472A
公开(公告)日：2024-05-03
申请号：CN202410052186.9
申请日：2024-01-12
Applicant: 武汉大学
IPC: G06T5/50 , G06V10/10 , G06V10/75 , G06V10/762 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于深度点线特征的图像拼接方法及系统，包括：采集待拼接场景图像，获取特征提取网络；将待拼接场景图像输入特征提取网络，提取点特征、线特征和点线特征描述；获取待拼接场景图像的几何共面特征，采用几何共面特征和点线特征描述进行特征匹配，得到图像拼接模型；获取待拼接场景图像的网格形变约束条件，将网格形变约束条件和图像拼接模型进行图像像素融合，输出拼接图像结果。本发明通过利用待拼接图像的深度点线特征，具有一定重叠度的图像进行特征提取和匹配，然后以特征配准关系为基础将这些图像投影到选定的参考平面上，使得不同图像的共有部分准确对齐，具有对齐精度高，还原度高的特点。
-
公开(公告)号：CN116126888A
公开(公告)日：2023-05-16
申请号：CN202211499660.X
申请日：2022-11-28
Applicant: 武汉大学
IPC: G06F16/242 , G06F16/26 , G06F17/15 , G06Q50/30
Abstract: 本发明公开了一种民用航空飞机燃油排放物排放量的估算方法，包括：对QAR数据与航班数据进行预处理；在数据库中查找并匹配各机型的典型发动机型号在LTO各子阶段的燃油流量与排放系数；根据步骤1预处理后的QAR数据建立各机型在CCD阶段的燃油消耗量关于飞行时间的关系函数；根据步骤2得到的燃油流量与排放系数以及步骤3的关系函数计算各机型在CCD阶段的排放系数；根据步骤1预处理后的QAR数据计算航班在LTO各子阶段的持续时间；根据航班数据飞行时间与步骤5得到的LTO阶段持续时间计算航班在CCD阶段的时间；计算航班在各阶段的燃油消耗量；计算航班在各阶段的各种排放物的排放量。本发明的估计精度要优于大多数技术采用的根据大圆轨迹进行燃油估计的方法。
-
公开(公告)号：CN116108674A
公开(公告)日：2023-05-12
申请号：CN202310131697.5
申请日：2023-02-15
Applicant: 武汉大学
Abstract: 本发明提供一种基于密度回归的地理加权权重确定方法，包括如下步骤：步骤1、获取需要地理加权回归的样本数据；步骤2、根据样本数据计算最优的模型带宽；步骤3、根据最优的模型带宽，计算任意样本的地理权重。本发明利用空间核密度估计的方法为不同空间位置计算了客观的权重，为精确的地理加权回归提供了基础，此外，本发明还构建了相关的带宽优选办法，使基于密度回归的地理加权权重计算能够适用于多种数据，尤其是复杂高维时空数据，进一步拓宽了地理加权回归的应用范围。
-
公开(公告)号：CN117872327A
公开(公告)日：2024-04-12
申请号：CN202410050473.6
申请日：2024-01-12
Applicant: 武汉大学
Abstract: 本发明提供一种双目相机和3D激光雷达的联合标定方法及系统，包括：分别在标定物上建立世界坐标系，在双目相机中建立相机坐标系，以及在激光雷达中建立激光雷达坐标系；由双目相机采集标定物的影像数据，由激光雷达采集标定物的点云数据，分别从影像数据和点云数据中提取标定物的直线参数和平面参数；基于直线参数和平面参数，建立几何约束关系；根据几何约束关系计算传感器的外参初始值；根据几何约束关系构建误差函数，通过L‑M算法对外参初始值进行迭代优化，得到外参标定结果。本发明通过联合多种约束进行双目相机和激光雷达之间的标定，相比于单一约束的标定方法能得到更加鲁棒和准确的外参。
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.018 seconds)
