-
公开(公告)号：CN114049329A
公开(公告)日：2022-02-15
申请号：CN202111355850.X
申请日：2021-11-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于卷积LSTM神经网络的面向材料有效区域位移场测量方法，包括以下步骤：在材料表面喷涂随机喷涂散斑，使用相机连续采集图像以记录材料在外力作用下发生形变的过程。构造材料形变图像序列作为数据集，数据集包括训练集和测试集。结合卷积、反卷积、多任务和卷积LSTM神经网络，建立一个通过输入材料形变的图像序列来实时测量材料位移场并分割裂纹区域的神经网络模型。利用训练集数据训练材料位移场测量和裂纹区域分割的多任务卷积LSTM神经网络模型。输入相机采集到的时序图像数据，测量材料的实时位移场并分割材料出现裂纹的区域，最后得到非裂纹的有效区域的位移场。本发明能够更好的结合时空特征来对材料的形变位移场进行测量。
-
公开(公告)号：CN112418236A
公开(公告)日：2021-02-26
申请号：CN202011328854.4
申请日：2020-11-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于多任务神经网络的汽车可行驶区域规划方法，涉及深度学习、计算机视觉、辅助驾驶、图像处理等领域。首先本发明基于硬参数共享机制构建具有语义分割与目标检测两种功能的轻量级多任务神经网络；其次根据网络输出格式，制作训练集与构建相应的损失函数数学模型；再次对网络进行训练，使用本发明提出的损失函数数学模型进行反向传播优化网络参数；最后将多任务神经网络应用于汽车可行驶区域规划中。本发明的多任务神经网络不但具有车道分割功能，还具有车辆、行人检测功能，通过单目测距可以起到汽车防碰撞预警功能，减少汽车发生碰撞的概率。
-
公开(公告)号：CN114049402B
公开(公告)日：2024-07-19
申请号：CN202111357100.6
申请日：2021-11-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种多焦距立体视觉同时定位与建图实现方法及系统，属于自动驾驶、汽车环境感知和智能座舱技术领域。包括以下步骤：1.安装多焦距立体相机，使用改进的多焦距相机标定方法标定多焦距立体相机的投影矩阵Pl和右相机投影矩阵Pr。2.基于图像金字塔提取图像ORB特征点，并且对短焦距相机图像中与长焦距相机图像视野相同的部分增加ORB特征点提取数量。3.利用多焦距标定参数立体校正ORB特征点，并立体匹配ORB特征点，得到ORB特征点的三维位置，最后求解出自身位姿。本发明不仅能够实现和短焦距标准立体SLAM相同的定位精度，并且实现对远距离场景建图。
-
公开(公告)号：CN114089329A
公开(公告)日：2022-02-25
申请号：CN202111371238.1
申请日：2021-11-18
Applicant: 重庆邮电大学
IPC: G01S13/86 , G01S13/08 , G01S13/58 , G01S13/931 , G01S11/12
Abstract: 本发明请求保护一种基于长短焦相机和毫米波雷达融合的目标检测方法，涉及自动驾驶、计算机视觉、图像处理、深度学习等领域。首先本发明构建具有目标检测功能的长短焦融合网络，获得长短焦相机系统的融合检测结果，并结合自适应图像金字塔来获取目标的深度信息；其次对长短焦相机与毫米波进行的空间关系进行标定；最后会基于目标相似程度对长短焦相机融合检测结果与毫米波雷达目标进行匹配和融合，得到更加精确的目标检测结果。本发明通过对不同传感器进行信息融合，可以充分发挥各传感器的目标检测优势，实现信息冗余和互补，提高目标检测的精度、极限距离和有效视野范围，使得智能驾驶系统更加安全可靠。
-
公开(公告)号：CN114065650A
公开(公告)日：2022-02-18
申请号：CN202111420167.X
申请日：2021-11-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于深度学习的材料裂纹尖端多尺度应变场测量跟踪方法，包括步骤：在材料表面喷涂随机喷涂散斑，对材料施加外力作用使其发生形变并产生裂纹，使用不同焦距的相机组合来采集材料形变的多尺度信息。构造多尺度材料形变图像序列作为数据集。结合卷积、转置卷积、卷积LSTM神经网络，测量材料全局三维应变场的神经网络模型。利用训练集数据训练材料三维应变场测量神经网络模型。利用训练后的材料三维应变场测量神经网络模型，输入相机采集到的多尺度图像，实时测量材料的三维应变场，并通过应变场计算材料的裂纹区域，然后移动双目长焦相机来实时跟踪裂纹尖端。本发明可移动的长焦双目相机对裂纹区域进行跟踪。
-
Patent Agency Ranking
公开(公告)号：CN114037980A
公开(公告)日：2022-02-11
申请号：CN202111355877.9
申请日：2021-11-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于人眼注意力的AR‑HUD/LCD全向目标检测与显示方法，属于自动驾驶、汽车环境感知和智能座舱技术领域。该方法通过单目相机获取驾驶人员的脸部图像；对单目相机标定获取相机的内参矩阵、畸变参数；对图像去畸变、灰度化后获取自商图；通过人脸检测器提取人脸区域，再提取左右瞳孔在单目相机像平面坐标；根据瞳孔像平面坐标和瞳孔距离约束求解驾驶员眼位空间坐标，用于AR‑HUD/LCD显示虚像；使用神经网络检测驾驶员人脸角度变化，得到驾驶员注意力向量，根据注意力向量在车载全景影像或全向雷达系统中区域检测目标，并通过AR‑HUD/LCD显示注意力向量区域的检测对象。本发明节约了系统计算资源，提高了检测系统的实时性。
-
公开(公告)号：CN114065650B
公开(公告)日：2024-09-24
申请号：CN202111420167.X
申请日：2021-11-26
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06N3/0442 , G06T17/00 , G06N3/0464 , G06N3/045 , G06T7/246 , G06N3/084 , G06V10/80 , G06V10/82 , G06V10/774
Abstract: 本发明请求保护一种基于深度学习的材料裂纹尖端多尺度应变场测量跟踪方法，包括步骤：在材料表面喷涂随机喷涂散斑，对材料施加外力作用使其发生形变并产生裂纹，使用不同焦距的相机组合来采集材料形变的多尺度信息。构造多尺度材料形变图像序列作为数据集。结合卷积、转置卷积、卷积LSTM神经网络，测量材料全局三维应变场的神经网络模型。利用训练集数据训练材料三维应变场测量神经网络模型。利用训练后的材料三维应变场测量神经网络模型，输入相机采集到的多尺度图像，实时测量材料的三维应变场，并通过应变场计算材料的裂纹区域，然后移动双目长焦相机来实时跟踪裂纹尖端。本发明可移动的长焦双目相机对裂纹区域进行跟踪。
-
公开(公告)号：CN114037980B
公开(公告)日：2024-09-20
申请号：CN202111355877.9
申请日：2021-11-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于人眼注意力的AR‑HUD/LCD全向目标检测与显示方法，属于自动驾驶、汽车环境感知和智能座舱技术领域。该方法通过单目相机获取驾驶人员的脸部图像；对单目相机标定获取相机的内参矩阵、畸变参数；对图像去畸变、灰度化后获取自商图；通过人脸检测器提取人脸区域，再提取左右瞳孔在单目相机像平面坐标；根据瞳孔像平面坐标和瞳孔距离约束求解驾驶员眼位空间坐标，用于AR‑HUD/LCD显示虚像；使用神经网络检测驾驶员人脸角度变化，得到驾驶员注意力向量，根据注意力向量在车载全景影像或全向雷达系统中区域检测目标，并通过AR‑HUD/LCD显示注意力向量区域的检测对象。本发明节约了系统计算资源，提高了检测系统的实时性。
-
公开(公告)号：CN114396877A
公开(公告)日：2022-04-26
申请号：CN202111400666.2
申请日：2021-11-19
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向材料力学性能的智能三维位移场及应变场测量方法，包括以下步骤：步骤1.在材料表面喷涂随机喷涂散斑，使用两个相机同时连续采集图像以记录材料在外力作用下发生形变的过程。步骤2.构造记录材料形变的双目图像作为数据集；步骤3.结合2D卷积、3D卷积、转置卷积、卷积LSTM和多任务神经网络，建立一个三维位移场和应变场的神经网络模型。步骤4.利用训练集数据训练三维位移场和应变场计算神经网络模型。步骤5.计算材料的三维位移场和应变场。本发明通过2D卷积来提取图像中的特征信息，利用3D卷积对特征信息进行细化和编码，最后利用卷积LSTM神经网络的时间和空间特征提取能力结合转置卷积来计算材料三维位移场和应变场。
-
公开(公告)号：CN114063127A
公开(公告)日：2022-02-18
申请号：CN202111355852.9
申请日：2021-11-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种多焦距视觉SLAM与GPS融合的方法，所属领域为自动驾驶及智能汽车环境地图构建和定位领域。包括以下步骤：1.安装多焦距相机和GPS模块，短焦距和长焦距相机水平放置。2.多焦距相机之间的标定，同时采集获取多焦距图像和GPS数据。3.根据多焦距相机焦距的差异，分别基于图像金字塔提取图像特征点，进行特征匹配。4.采集到的GPS定位数据坐标转换到多焦距视觉SLAM世界坐标系下。5.转换后的GPS数据和多焦距视觉SLAM数据进行时间戳对齐。6.时间戳对齐后的GPS数据和SLAM图像数据构建图优化模型优化位姿。7.由SLAM生成的运行轨迹在地图上匹配对应的地图道路轨迹。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.018 seconds)
