-
公开(公告)号：CN106548182A
公开(公告)日：2017-03-29
申请号：CN201610945848.0
申请日：2016-11-02
Applicant: 武汉理工大学
Abstract: 本发明提供一种基于深度学习和主成因分析的路面裂纹检测方法，采集路面图像；将路面图像进行灰度化处理；再将每个路面图像裁剪为W×V个大小为K×K像素的子图像；人工挑选包含裂纹的子图像和不包含裂纹的子图像，分别作为正样本和负样本，共同作为训练卷积神经网络的训练集；建立卷积神经网络，用训练集训练这个卷积神经网络，利用训练好的卷积神经网络对经过预处理的待分析路面图像进行检测，自动提取包含裂纹的子图像；裂纹类型分析：通过对裂纹子图像的分布进行PCA计算，求得特征值和特征向量，判断裂纹种类。本发明利用卷积神经网络，对路面图像进行自动提取裂纹，实现道路裂纹检测和裂纹种类判断，为后续检测道路裂纹类型提供判断依据。
-
公开(公告)号：CN105787933B
公开(公告)日：2018-11-30
申请号：CN201610093789.9
申请日：2016-02-19
Applicant: 武汉理工大学
Abstract: 本发明提供基于多视角点云配准的岸线三维重建装置，包括二维激光传感器、旋转云台、控制平台和数据传输单元；二维激光传感器固定在旋转云台上，二维激光传感器以单线逐点扫描的同时，随旋转云台一起旋转；数据传输单元用于二维激光传感器、旋转云台与控制平台之间的数据传输；控制平台用于输出二维激光传感器的参数、旋转云台的旋转参数，利用二维激光传感器的采集数据，进行岸线三维重建。本发明利用旋转云台结合二维激光传感器采集岸线轮廓数据，利用相邻视角点的单视角点云数据，通过空间栅格切割点云包络空间，以每个栅格中的平均曲率为聚类标准，利用模糊c均值聚类方法提取属性相似的点云，并进行配准和校验，提高配准效率和精度。
-
公开(公告)号：CN104656097A
公开(公告)日：2015-05-27
申请号：CN201510043927.8
申请日：2015-01-28
Applicant: 武汉理工大学
IPC: G01S17/88
CPC classification number: G01S17/88
Abstract: 本发明提供一种基于旋转式二维激光三维重构系统的标定装置，包括数据采集模块、采集辅助模块、数据传输模块和数据分析处理模块；其中数据采集模块包括二维激光雷达和标定模块，其中标定模块由三个相互垂直的非透明正方形平面组成；采集辅助模块包括支撑架和设置在支撑架上的旋转云台，所述的二维激光雷达设置在旋转云台上，旋转云台由数据分析处理模块控制。本发明能够有效的进行一次数据获取，降低标定繁杂程度，并且快速准确的将二维激光坐标系与世界坐标系相融合，并把标定结果应用到大场景三维重构中。
-
公开(公告)号：CN106960591B
公开(公告)日：2019-08-27
申请号：CN201710207232.8
申请日：2017-03-31
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于路面指纹的车辆高精度定位装置及方法，该装置包括地图采集车和待定位车；地图采集车上的第一数据采集单元实时获取路面图像，定位模块和惯性导航模块同步采集定位信息和惯导信息，第一控制显示单元对数据进行预处理得到地图集；待定位车上的第二数据采集单元实时获取车辆的当前定位信息和当前路面图像，第二控制显示单元对当前定位信息与地图集进行比较，得到粗匹配的多张相似图像，进而根据路面指纹信息从中选取一张最接近路面图像，并根据最接近路面图像和当前路面图像中指纹信息的相对位置关系，计算得到当前路面图像的精确定位结果。本发明定位精度高、成本低、误差小，且定位过程不受信号遮蔽的影响。
-
公开(公告)号：CN104656097B
公开(公告)日：2017-03-08
申请号：CN201510043927.8
申请日：2015-01-28
Applicant: 武汉理工大学
IPC: G01S17/88
Abstract: 本发明提供一种基于旋转式二维激光三维重构系统的标定装置，包括数据采集模块、采集辅助模块、数据传输模块和数据分析处理模块；其中数据采集模块包括二维激光雷达和标定模块，其中标定模块由三个相互垂直的非透明正方形平面组成；采集辅助模块包括支撑架和设置在支撑架上的旋转云台，所述的二维激光雷达设置在旋转云台上，旋转云台由数据分析处理模块控制。本发明能够有效的进行一次数据获取，降低标定繁杂程度，并且快速准确的将二维激光坐标系与世界坐标系相融合，并把标定结果应用到大场景三维重构中。
-
Patent Agency Ranking
公开(公告)号：CN106548182B
公开(公告)日：2020-02-18
申请号：CN201610945848.0
申请日：2016-11-02
Applicant: 武汉理工大学
Abstract: 本发明提供一种基于深度学习和主成因分析的路面裂纹检测方法，采集路面图像；将路面图像进行灰度化处理；再将每个路面图像裁剪为W×V个大小为K×K像素的子图像；人工挑选包含裂纹的子图像和不包含裂纹的子图像，分别作为正样本和负样本，共同作为训练卷积神经网络的训练集；建立卷积神经网络，用训练集训练这个卷积神经网络，利用训练好的卷积神经网络对经过预处理的待分析路面图像进行检测，自动提取包含裂纹的子图像；裂纹类型分析：通过对裂纹子图像的分布进行PCA计算，求得特征值和特征向量，判断裂纹种类。本发明利用卷积神经网络，对路面图像进行自动提取裂纹，实现道路裂纹检测和裂纹种类判断，为后续检测道路裂纹类型提供判断依据。
-
公开(公告)号：CN107084727A
公开(公告)日：2017-08-22
申请号：CN201710236477.3
申请日：2017-04-12
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于高精度三维地图的视觉定位系统及方法，该系统包括：数据采集模块，用于采集当前位置的图像数据和GNSS数据；采集辅助模块，用于数据传输；电源模块，用于为系统模块供电；数据处理模块，用于存储视觉地图信息，处理所采集的GNSS数据和图像数据，包括GNSS数据匹配，特征点提取与匹配，最终实现定位功能。该方法以高精度三维地图为基础，首先进行GNSS信息匹配的初步定位，其次进行全局特征匹配的图像级定位，最后通过三维局部特征匹配的测量级定位计算得到地图中距离最近的点以及车辆在地图中的位姿，从而实现车辆定位。本发明在不需要大幅增加硬件成本的基础上，提高了车辆定位的精度，降低了定位成本。
-
公开(公告)号：CN106960591A
公开(公告)日：2017-07-18
申请号：CN201710207232.8
申请日：2017-03-31
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于路面指纹的车辆高精度定位装置及方法，该装置包括地图采集车和待定位车；地图采集车上的第一数据采集单元实时获取路面图像，定位模块和惯性导航模块同步采集定位信息和惯导信息，第一控制显示单元对数据进行预处理得到地图集；待定位车上的第二数据采集单元实时获取车辆的当前定位信息和当前路面图像，第二控制显示单元对当前定位信息与地图集进行比较，得到粗匹配的多张相似图像，进而根据路面指纹信息从中选取一张最接近路面图像，并根据最接近路面图像和当前路面图像中指纹信息的相对位置关系，计算得到当前路面图像的精确定位结果。本发明定位精度高、成本低、误差小，且定位过程不受信号遮蔽的影响。
-
公开(公告)号：CN107084727B
公开(公告)日：2021-01-19
申请号：CN201710236477.3
申请日：2017-04-12
Applicant: 武汉理工大学
Abstract: 本发明公开了一种基于高精度三维地图的视觉定位系统及方法，该系统包括：数据采集模块，用于采集当前位置的图像数据和GNSS数据；采集辅助模块，用于数据传输；电源模块，用于为系统模块供电；数据处理模块，用于存储视觉地图信息，处理所采集的GNSS数据和图像数据，包括GNSS数据匹配，特征点提取与匹配，最终实现定位功能。该方法以高精度三维地图为基础，首先进行GNSS信息匹配的初步定位，其次进行全局特征匹配的图像级定位，最后通过三维局部特征匹配的测量级定位计算得到地图中距离最近的点以及车辆在地图中的位姿，从而实现车辆定位。本发明在不需要大幅增加硬件成本的基础上，提高了车辆定位的精度，降低了定位成本。
-
公开(公告)号：CN106767810B
公开(公告)日：2020-04-21
申请号：CN201611046894.3
申请日：2016-11-23
Applicant: 武汉理工大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于移动终端的WIFI和视觉信息的室内定位方法及系统，该方法包括以下步骤：S1、在室内的每个消防安全出口标志附近的位置，采集WIFI信号，同时拍摄消防安全出口标志的图像，并测量出口标志在平面地图中的坐标；S2、解析WIFI信息和图像信息，获取出口标志附近的WIFI信号地址及其信号强度，计算对应图像的SURF特征描述符，三维坐标系与世界坐标系之间的单应矩阵；将每个位置的信号强度列表、SURF特征描述符和单应矩阵保存到地图数据库中；S3、根据当前位置的信号强度列表和SURF特征描述符，找到地图数据库中匹配度最高的位置，结合对应位置地图图片的单应矩阵和定位误差经验值确定用户所在的具体位置。本发明无需增加信号基站，且室内定位精度高。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
