-
公开(公告)号：CN120070601A
公开(公告)日：2025-05-30
申请号：CN202510551015.5
申请日：2025-04-29
Applicant: 武汉大学
IPC: G06T7/80 , G06V10/75 , G06V10/44 , G06V10/82 , G06N3/0495 , G06N3/045 , G06N3/0464
Abstract: 本发明公开一种基于深度学习的无标定板变焦相机自标定方法及系统，属于相机标定技术领域，包括：获取同视角、不同焦距的图像组和同焦距、不同视角的图像组；利用改进的轻量化ASTR算法对两个图像组进行特征点匹配，得到第一组匹配点对和第二组匹配点对；基于第一组匹配点对，采用最小二乘法，计算得到同视角、不同焦距的图像组的缩放中心；基于第二组匹配点对，计算得到同焦距、不同视角的图像组的相机内参矩阵，并基于相机内参矩阵进行多项式拟合，求解所述多项式得到相机内参值；基于得到的缩放中心和相机内参值，完成变焦相机的自标定。本发明不仅减少了计算复杂度，还扩展了方法适用的场景范围，有效提高了标定精度和鲁棒性。
-
公开(公告)号：CN119916312A
公开(公告)日：2025-05-02
申请号：CN202411855870.7
申请日：2024-12-16
Applicant: 武汉大学
Abstract: 本申请涉及一种毫米波雷达‑IMU的外参标定方法、装置、设备及存储介质，其中，方法包括：获取至少一个角反射器的全球定位坐标、运动载体的全球定位坐标和每个角反射器的多个初始点云坐标；基于每个角反射器的全球定位坐标和运动载体的全球定位坐标，从每个角反射器的多个初始点云坐标中确定每个角反射器的目标点云坐标；将每个角反射器的全球定位坐标转换至IMU坐标系，得到每个角反射器的IMU坐标，将每个角反射器的目标点云坐标和每个角反射器的IMU坐标进行坐标关联，并基于迭代最小二乘方法求解得到毫米波雷达‑IMU的外参。由此，解决在复杂环境中毫米波雷达‑IMU的标定存在精度和鲁棒性不足的问题，大幅提升了在动态环境下的标定精度与系统的鲁棒性。
-
公开(公告)号：CN119810360A
公开(公告)日：2025-04-11
申请号：CN202510301880.4
申请日：2025-03-14
Applicant: 武汉大学
Abstract: 本发明涉点云数据处理技术领域，特别涉及一种室外大场景激光雷达点云地图的生成方法及装置，其中，方法包括：基于区域生长的分割方式，获取目标激光雷达点云地图的初步分割结果，并进行边界点优化处理，以获得点云地图的目标平面分割结果；计算目标平面分割结果中所有分割平面的目标法向量，进而对平面分割结果进行平面点云精细化处理，以将精细化处理的点云地图进行平面分割，并确定新的目标平面分割结果的目标墙角结构，且去除墙角结构的墙角点云中的目标杂点，以生成精细化的室外大场景激光雷达点云地图。由此，解决了相关技术中无法短时间内从硬件和算法层面增加点云精度，增加了数据噪声，无法满足复杂场景下生成点云地图的需求的问题。
-
公开(公告)号：CN119131703A
公开(公告)日：2024-12-13
申请号：CN202411113089.2
申请日：2024-08-14
Applicant: 武汉大学
IPC: G06V20/54 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/766 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本申请涉及深度学习技术领域，特别涉及一种交通场景影像小目标的检测方法、装置、设备及存储介质，方法包括：获取交通场景影像和交通场景影像中小目标的检测结果，根据交通场景影像和交通场景影像中小目标的检测结果生成训练数据集；基于特征提取模块、特征融合模块、样本分配模块和定位分类模块构建卷积神经网络，并对卷积神经网络的样本分配模块和定位分类模块进行优化得到优化后的卷积神经网络；利用训练数据集训练优化后的卷积神经网络，基于梯度反向传播更新优化后的卷积神经网络的网络参数，直到满足预设训练停止条件，利用训练完成的卷积神经网络检测交通场景影像的小目标。由此，解决了相关技术中小目标样本失衡以及定位能力差等问题。
-
公开(公告)号：CN118982668A
公开(公告)日：2024-11-19
申请号：CN202411023563.2
申请日：2024-07-29
Applicant: 航天东方红卫星有限公司 , 武汉大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/77 , G06N3/0455 , G06N3/08
Abstract: 本申请公开了基于视觉Transformer的遥感图像分割方法、装置、介质及设备。该方法包括：获取遥感图像数据集，遥感图像数据集包括查询遥感图像与支持遥感图像；将遥感数据集输入到遥感图像分割模型中得到预测的遥感图像分割结果：将查询遥感图像与支持遥感图像输入到可调分支中得到可调分支原型向量；将查询遥感图像与支持遥感图像输入到冻结分支中得到冻结分支原型向量；基于两种原型向量得到预测的遥感图像分割结果；将遥感图像输入到训练好的遥感图像分割模型中，得到遥感图像分割结果；基于遥感图像分割结果与真值标签，进行损失函数的计算，根据损失函数对遥感图像分割模型进行迭代训练，得到训练好的遥感图像分割模型；本申请能够防止过拟合。
-
Patent Agency Ranking
公开(公告)号：CN115953640A
公开(公告)日：2023-04-11
申请号：CN202210895373.4
申请日：2022-07-27
Applicant: 武汉大学
IPC: G06V10/774 , G06V10/82 , G06V10/74 , G06V10/98
Abstract: 本发明公开了一种洪水救援场景下深度学习数据集的制作方法及系统，其中的方法首先使用网页元素获取技术采集洪水救援场景下的图片数据；然后采用预先训练好的目标检测模型对采集的图片数据进行检测，分为落水人员图片和其他图片，分别保存至正样本文件夹和洪水场景文件夹中；接着对正样本文件夹中包含的落水人员图片进行预处理；然后采用均值哈希和结构相似性的方法对预处理后的落水人员图片进行去重，再对正样本文件夹中保留下的落水人员图片作为正样本，洪水场景文件夹中包含的图片作为负样本，并采用基于多标签信息融合的方式对正样本和负样本进行标注；最后采用图像数据扩增的方式对标注后的样本进行处理，得到最终的深度学习数据集。
-
公开(公告)号：CN111899172A
公开(公告)日：2020-11-06
申请号：CN202010686383.8
申请日：2020-07-16
Applicant: 武汉大学
Abstract: 本发明提供一种面向遥感应用场景的车辆检测方法，包括：利用基于单应性的数据增强方法，制作具有多样性的遥感影像车辆检测数据集；基于顾及遥感影像车辆目标区域特性的目标检测模型确定候选区域位置和类比；基于循环生成对抗网络的超分辨重建模型提高低分辨率遥感影像的分辨率；基于任务驱动思想的同步超分及目标检测网络模型同时完成超分辨重建和车辆检测任务。该方法相较于传统的车辆检测方法，具有效率高、深度特征语义信息丰富等特点；相较于其他基于深度学习的车辆检测算法，顾及遥感影像特性，具有目标定位准确、泛化性能较好等特点；此外，本发明的多任务学习模型提升了低分辨率遥感影像的车辆检测精度。
-
公开(公告)号：CN119887933A
公开(公告)日：2025-04-25
申请号：CN202411892895.4
申请日：2024-12-20
Applicant: 武汉大学
Abstract: 本发明公开一种使用GNSS辅助的精确鲁棒的相机‑IMU标定方法及系统，属于传感器标定技术领域，包括：采用视觉里程计算法获取相机位姿，采用GNSS/INS松组合方法计算获取IMU位姿；构建相机‑IMU旋转外参关系式和相机‑IMU平移外参关系式；基于相机‑IMU旋转外参关系式，采用最小二乘和历元间迭代进行初步求解，再结合相机‑IMU平移外参关系式，采用最小二乘和迭代进行初步求解；基于初步求解后的相机‑IMU旋转外参关系式和相机‑IMU平移外参关系式，采用数据筛选方法和截断奇异值分解方法进行可观测性的外参优化，得到相机‑IMU旋转外参和相机‑IMU平移外参的精确解，完成标定。本发明有效抑制了IMU误差漂移和滤除了可观测性较差的区段，提升了整体的观测质量和标定的精度和鲁棒性。
-
公开(公告)号：CN119071408A
公开(公告)日：2024-12-03
申请号：CN202411171923.3
申请日：2024-08-26
Applicant: 武汉大学 , 航天东方红卫星有限公司
Abstract: 本发明提出了一种融合低秩表达与大语言模型的卫星视频解析方法及系统，包括如下步骤：步骤1：获取原始卫星视频，基于低秩表示LRR对所述卫星视频中的运动物体和静态背景进行分离并求解获取低秩背景L和稀疏运动S；步骤2：将步骤1中获取的低秩背景L和稀疏运动S分别输入LLM大语言模型生成格式化语言描述；步骤3：将低秩背景L和稀疏运动S生成的格式化语言描述分别输入LLM大语言模型联合分析，形成具有见解的最终报告。本发明可以更加精准的实现运动目标的提取以及与背景的分离，特别是针对微小运动目标。
-
公开(公告)号：CN118962717A
公开(公告)日：2024-11-15
申请号：CN202411142446.8
申请日：2024-08-20
Applicant: 武汉大学
Abstract: 本申请涉及激光雷达技术领域，特别涉及一种基于激光雷达与电机的扩展关系模型的点云地图生成方法，其中，方法包括：获取激光雷达坐标系和电机坐标系在第一目标轴方向距离；将激光雷达坐标系和电机坐标系在第一目标轴方向的距离扩充至三维得到激光雷达坐标系和电机坐标系的空间偏移；在激光雷达坐标系和电机坐标系的之间增加旋转偏移，基于空间偏移和旋转偏移建立激光雷达与电机的扩展关系模型，利用扩展关系模型和不同电机输出角下的点云数据生成目标场景的点云地图。由此，解决了相关技术中由于传感器之间的存在安置漂移和电机输出角误差导致融合建图的精度较差等问题。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.236 seconds)
