-
公开(公告)号：CN115641285A
公开(公告)日：2023-01-24
申请号：CN202210706454.5
申请日：2022-06-21
Applicant: 西安现代控制技术研究所
IPC: G06T7/00 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明属于立体视觉技术领域，具体涉及一种基于密集多尺度信息融合的双目视觉立体匹配方法，包括：初步特征提取：采用CNN网络、密集连接网络和坐标注意力机制进行初步特征提取；构建初始联合代价体：跨尺度分组相关代价体和压缩级联代价体级联构建初始联合代价体；代价聚合优化：采用3D堆叠沙漏网络提取更深层的信息，优化初始联合代价体；视差回归：通过视差回归获得4个预测视差图及其置信度；尺度感知融合：利用各尺度视差图的互补优势，融合不同尺度的视差图得到最终的视差图。与现有技术相比较，本发明在合成数据集SceneFlow与真实数据集KITTI 2015上进行了对比实验。实验结果表明，本发明立体匹配方法的匹配性能优于现有方法。
-
公开(公告)号：CN115307640A
公开(公告)日：2022-11-08
申请号：CN202210906225.8
申请日：2022-07-29
Applicant: 西安现代控制技术研究所
Abstract: 本发明属于人工智能技术领域，具体涉及一种基于改进人工势场法的无人车双目视觉导航方法；首先，使用双目视觉中的半全局立体匹配算法实现场景的深度信息实时感知，设计了基于块比较的半全局立体匹配算法的FPGA实现框架，将半全局立体匹配算法模块化，采用模块内并行运算，模块间采用流水线操作对其进行加速，在减少资源使用的同时提高了立体匹配算法的实时性；然后，对当前场景进行二值化、中值滤波和连通域检测等操作，并结合视差图输出当前场景障碍物距离；最后，针对传统人工势场法中局部极小值问题，本发明通过自主建立虚拟目标点的方式有效解决了局部极小值问题，实现了无人车的路径规划；将本发明方法在搭建的无人车系统上进行了验证，实验结果表明本发明方法的可行性和优越性。
-
公开(公告)号：CN119337702A
公开(公告)日：2025-01-21
申请号：CN202411296336.7
申请日：2024-09-18
Applicant: 西安现代控制技术研究所 , 西北工业大学
IPC: G06F30/27 , G06N3/006 , G06F17/10 , G01C21/20 , G06F111/06
Abstract: 本发明公开了一种基于粒子群天牛须的集群协同航迹规划方法，分为粒子群优化种群和天牛须搜索算法再优化两个层面。第一个层面，使用粒子群对整个粒子群体进行优化，利用算法隐含的并行搜索策略完成对解空间的全局搜索；第二个层面，则采用天牛须算法对上一层面搜索的最优化结果进行再优化从而提高算法精度。将原粒子群算法搜索到的全局最优解，在其一定邻域范围内再次寻优，若发现了更优的解则使用该解作为新的全局最优解，若并未搜索到更优的解则依旧采用之前的全局最优解。本发明方法很好地避免了传统PSO方法容易陷入局部地缺陷，为无人机优化得到了最优打击路径。该方法也为其他复杂环境下的集群协同航迹规划方法提供了有价值的参考。
-
公开(公告)号：CN118921157A
公开(公告)日：2024-11-08
申请号：CN202311541502.0
申请日：2023-11-18
Applicant: 西安现代控制技术研究所
Abstract: 本发明涉及一种基于参考信号重构的高速率差分键控隐蔽通信方法，解决了目前方法通信速率较慢、误码率高、抗干扰能力弱的问题。步骤1、通信系统参数配置；步骤2、准备待发送的二进制信息；步骤3、采用混沌成型滤波器产生混沌信号；步骤4、构建待传输参考信号；步骤5、确定每个子载波每一帧待传输信息序列；步骤6、构建待传输信息信号；步骤7、构建发送信号；步骤8、接收信号下载波解调和匹配滤波；步骤9、将接收参考信号和接收信息信号的匹配滤波信号降采样；步骤10、采样序列重组；步骤11、参考信号携带信息解码及混沌信号重构；步骤12、信息信号解码。本发明获得了更高的通信速率；极大地降低了噪声干扰，具有极低的误码率。
-
公开(公告)号：CN117218003A
公开(公告)日：2023-12-12
申请号：CN202311238630.8
申请日：2023-09-25
Applicant: 西安现代控制技术研究所
Abstract: 本发明属于人工智能技术领域，具体涉及一种基于航拍高光谱影像的快速拼接方法，包括：步骤1：图像预处理步骤；步骤2：波段选取步骤；步骤3：伪彩色图像拼接步骤；步骤4：高光谱图像拼接步骤；所述方法实现对机载光谱仪所采集的高光谱图像的拼接，面对各种真实场景能够发挥高光谱图像的优势。本发明技术方案明确了机载方向和重叠区域，可将其作为先验知识，减少了拼接时间和计算量；本发明技术方案从高光谱图像中抽取3个信息最大的波段形成伪彩色图像，先将这3个波段拼接好，其余波段按照其进行拼接。保证了拼接的质量，避免了维度灾难，节省了时间与计算成本。
-
Patent Agency Ranking
公开(公告)号：CN119295769A
公开(公告)日：2025-01-10
申请号：CN202411296338.6
申请日：2024-09-18
Applicant: 西安现代控制技术研究所 , 西北工业大学 , 西安电子科技大学
IPC: G06V10/46 , G06V10/44 , G06V10/80 , G06V10/77 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种先验知识辅助的图像特征点检测方法，首先为了提取多尺度特征，对输入图片进行2次下采样得到3组图像；3组图像分别经过特征提取模块和多组特征融合模块得到最终的响应图；特征提取模块由主分支和子分支构成；主分支以Sobel边缘检测结果作为输入，部分参数学习DoG极值结果，实现同时学习深度特征和先验知识；子分支使用高斯滤波构建尺度金字塔并以DoG空间为标签进行学习；为了实现深度特征和先验知识融合，主分支的特征表示和子分支的特征表示通过提出的知识融合模块进行融合。本发明方法引入先验知识后在提高特征点检测性能和模型鲁棒性方面具有巨大潜力，为未来计算机视觉中的特征点检测和匹配任务提供了新的研究方向。
-
公开(公告)号：CN119107422A
公开(公告)日：2024-12-10
申请号：CN202411208476.4
申请日：2024-08-30
Applicant: 西安现代控制技术研究所
Abstract: 本发明公开了一种广域三维地图构建技术测试评估方法，包括：根据实际应用需求设定三维地图构建方法的考核指标；所述考核指标中包含多项考核因素的量化范围，考核因素与三维地图构建方法中的关键图像处理步骤相对应；构建测试数据集，测试数据集中相邻的图像之间存在重叠；获取待评估的三维地图构建方法，提取关键图像处理步骤；基于构建的测试数据集，利用所述三维地图构建方法进行三维地图的构建；在地图构建过程中，实时监测三维地图构建方法中关键图像处理步骤，执行对应的量化值计算，得到每种考核因素对应的量化值；基于三维地图构建方法的每种考核因素对应的量化值以及设定的考核指标，判定三维地图构建方法是否满足考核要求。
-
公开(公告)号：CN115307640B
公开(公告)日：2025-02-14
申请号：CN202210906225.8
申请日：2022-07-29
Applicant: 西安现代控制技术研究所
Abstract: 本发明属于人工智能技术领域，具体涉及一种基于改进人工势场法的无人车双目视觉导航方法；首先，使用双目视觉中的半全局立体匹配算法实现场景的深度信息实时感知，设计了基于块比较的半全局立体匹配算法的FPGA实现框架，将半全局立体匹配算法模块化，采用模块内并行运算，模块间采用流水线操作对其进行加速，在减少资源使用的同时提高了立体匹配算法的实时性；然后，对当前场景进行二值化、中值滤波和连通域检测等操作，并结合视差图输出当前场景障碍物距离；最后，针对传统人工势场法中局部极小值问题，本发明通过自主建立虚拟目标点的方式有效解决了局部极小值问题，实现了无人车的路径规划；将本发明方法在搭建的无人车系统上进行了验证，实验结果表明本发明方法的可行性和优越性。
-
公开(公告)号：CN115102685A
公开(公告)日：2022-09-23
申请号：CN202210708061.8
申请日：2022-06-21
Applicant: 西安现代控制技术研究所
Abstract: 本发明属于信息安全技术领域，具体涉及一种基于无穷维超混沌的物理层信息加密方法。为了提升目前工业物联网中数据传输的安全性，本发明利用了无穷维超混沌系统进行明文信息加密时，密钥空间可以达到理论的无限维；本发明利用了合法用户之间信道信息作为基于无穷维超混沌的动态Hash密钥函数的输入，得到用于加密的动态密钥，获得了更高的安全性；本发明利用了无穷维超混沌系统特性产生新型S‑box，相比传统S‑box具有更强的抗攻击能力和更好的安全性能。
-
公开(公告)号：CN113723510A
公开(公告)日：2021-11-30
申请号：CN202111010222.8
申请日：2021-08-31
Applicant: 西安现代控制技术研究所
Abstract: 本发明公开了一种基于自适应Rulkov神经元聚类方法。首先，根据自适应距离和共享近邻构建相似度矩阵，其中自适应距离能够处理具有不同密度的类，共享近邻可减小类内距离，增大类间距离；然后，利用拉普拉斯谱分解的主特征提取方法，进一步提取可分性更好的样本特征；最后，将样本映射为Rulkov神经元，利用Rulkov耦合神经元网络对所得样本特征进一步学习和自适应聚类。对于类间距离较小、可分性较差数据集，本发明方法可获得较对比方法更好的聚类效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
