-
公开(公告)号：CN114719848B
公开(公告)日：2024-05-03
申请号：CN202210087193.3
申请日：2022-01-25
Applicant: 西安微电子技术研究所
IPC: G01C21/16 , G06T7/73 , G06V20/17 , G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了基于视觉与惯性导航信息融合神经网络的无人机高度估算方法，属于图像信息处理领域。本发明的基于视觉与惯性导航信息融合神经网络的无人机高度估算方法，基于物理学原理与对视觉和惯性测量传感器采集的数据信息来建立理想高度物理模型，建立该模型的其目的主要是为解决深度学习模型泛化能力不足的问题，同时减少神经网络需要感知的参数的数量从而降低模型学习的复杂度。其次，利用深度学习模型来克服理想物理模型精度不足的问题。第三，也是最关键的部分，本发明设计了一种视觉和惯性特征的融合模块，以提取视觉‑惯性数据序列的复杂数据关联，解决数据质量差和传感器缺乏精确标定以及同步等问题。
-
公开(公告)号：CN113888630A
公开(公告)日：2022-01-04
申请号：CN202111277574.X
申请日：2021-10-29
Applicant: 西安微电子技术研究所
Abstract: 本发明提供一种具备置信度估计的无人机姿态检测方法及系统，包括：步骤A：通过全卷积神经网络对输入图像进行像素级别的天空区域与非天空区域的分割，从天空区域的图像提取出天际线坐标，根据天际线坐标拟合最优直线方程，得到天际线拟合直线；步骤B：通过训练好的高斯判别分析模型估计出天际线拟合直线的置信度，若天际线拟合直线的置信度高于预设的最佳分类阈值，则进行步骤C；步骤C：基于天际线拟合直线实时估计出无人机姿态角信息。本发明基于高斯判别分析的置信度估计算法在检测结果出现较大或严重误差时，有效滤去错误结果，帮助无人机规避风险。
-
公开(公告)号：CN114719848A
公开(公告)日：2022-07-08
申请号：CN202210087193.3
申请日：2022-01-25
Applicant: 西安微电子技术研究所
Abstract: 本发明公开了基于视觉与惯性导航信息融合神经网络的无人机高度估算方法，属于图像信息处理领域。本发明的基于视觉与惯性导航信息融合神经网络的无人机高度估算方法，基于物理学原理与对视觉和惯性测量传感器采集的数据信息来建立理想高度物理模型，建立该模型的其目的主要是为解决深度学习模型泛化能力不足的问题，同时减少神经网络需要感知的参数的数量从而降低模型学习的复杂度。其次，利用深度学习模型来克服理想物理模型精度不足的问题。第三，也是最关键的部分，本发明设计了一种视觉和惯性特征的融合模块，以提取视觉‑惯性数据序列的复杂数据关联，解决数据质量差和传感器缺乏精确标定以及同步等问题。
-
公开(公告)号：CN112163588A
公开(公告)日：2021-01-01
申请号：CN202011073830.9
申请日：2020-10-09
Applicant: 西安微电子技术研究所
Abstract: 本发明公开了一种基于智能进化的异源图像目标检测方法、存储介质及设备，基于深度卷积神经网络，逐步分阶段建立待匹配的数据集；基于神经网络算法D2‑net，利用数据集建立深度学习网络模型；对建立的深度学习网络模型进行训练和迁移学习；利用迁移学习得到的神经网络模型对异源图像分别进行特征点提取，利用特征点中的内点框选出异源图像中相匹配的目标，完成目标检测。本发明提出的智能方法训练框架可完成算法模型的持续进化，准确完成跨源目标匹配。
-
-
-
Search Results
4
records
(took 0.022 seconds)
