-
公开(公告)号：CN110246168A
公开(公告)日：2019-09-17
申请号：CN201910534549.1
申请日：2019-06-19
Applicant: 中国矿业大学
Abstract: 本发明提供一种移动巡检机器人双目图像拼接的特征匹配方法，在特征点检测阶段，构建尺度金字塔并使用速度极快的FAST算法提取特征点，加强尺度不变的鲁棒性；随后使用改进的CS-LBP描述方法描述特征点，加强旋转不变的鲁棒性，同时降低特征向量维度提高了匹配效率；最后使用DDRN算法来度量特征向量的相似度完成匹配，并通过改进的RANSAC算法剔除误匹配。相较于传统算法，本算法在大幅提高实时性的同时准确的实现了对图像的特征提取与匹配，并且改进的描述方法对旋转图像的抗干扰性强，在仿射、缩放、光照等复杂变换场景依然有着较高的适应性。
-
公开(公告)号：CN117346805A
公开(公告)日：2024-01-05
申请号：CN202311150868.5
申请日：2023-09-07
Applicant: 中国矿业大学
IPC: G01C21/34 , G06N3/092 , G06N3/0442
Abstract: 一种非结构化环境的特种车辆自动驾驶路径规划方法，通过SLAM地面分割算法，将三维高度信息存储于相应栅格，获得非结构环境占用栅格图，再将所述栅格图地形数据划分为训练集和测试集；结合感知模块输入信息及特种车辆动力学建模，从栅格图地形数据中提取可通行区域，实现风险图构建；根据风险图构造自适应性的奖励函数，搭建强化学习模型以及Agent的神经网络；基于构建非结构化环境测试机进行训练，在每个训练周期初始化阶段构建随机函数，随机化起点和终点位置，使系统具泛化性；通过强化学习训练获得策略网络，在测试集中执行路径规划，实现非结构化环境下高效的处理环境信息，提高特种车辆面对不同地形的适应性及有效的自动驾驶。
-
公开(公告)号：CN115496665A
公开(公告)日：2022-12-20
申请号：CN202211317119.2
申请日：2022-10-26
Applicant: 中国矿业大学
IPC: G06T3/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于MLP改进模型的矿井模糊图像超分辨率重建方法，该方法包括以下步骤：获取图像数据集；所述图像数据集包括训练图像数据集和测试图像数据集；构建递归残差网络，对输入图像进行多层特征提取；重建网络，对提取出来的图像进行重建，得到超分辨图像；采用训练图像数据集对递归网络进行训练；采用测试图像数据集，对递归网络进行评估，评估重构后的超分辨图像质量标准。本发明通过使用Mlpmixer模块，在特征融合之前对特征进行一个预处理，减少特征融合过程中的信息损失；避免信息过载问题，提高重建后超分辨图像的精准度；通过使用多通道网络结构，实现对重建特征信息的完善，从多方面保证了该网络提取图像特征信息的有效性。
-
公开(公告)号：CN113762166A
公开(公告)日：2021-12-07
申请号：CN202111055754.3
申请日：2021-09-09
Applicant: 中国矿业大学
Abstract: 一种基于可穿戴式装备的小目标检测改善方法及系统，提出的可穿戴式的小目标检测装备，简便易携，可以迅速准确的检测出对象目标；改进了SSD网络结构，将空洞卷积空间金字塔模块和特征金字塔融合模块加入到SSD结构中，考虑到上下文的语义信息、位置信息，更加准确的检测目标；将视觉推理模型引入到基于SSD的小目标检测中，可以改善SSD类算法识别准确较低的问题。
-
公开(公告)号：CN110232703A
公开(公告)日：2019-09-13
申请号：CN201910506528.9
申请日：2019-06-12
Applicant: 中国矿业大学
IPC: G06T7/246
Abstract: 本发明提出一种基于颜色和纹理信息的运动目标识别装置及方法，包括视频采集单元、显示单元、目标识别单元和PC控制单元，所述目标识别单元包括FPGA模块和数字信号处理模块，所述数字信号处理模块对FPGA模块预处理后的图像数据进行特征提取、信息融合以及进行目标识别计算，并将识别计算结果通过PC控制单元传输至显示单元；本发明通过利用在HSV颜色空间中对光照变化不敏感的H和S分量进行颜色特征信息的提取，可以提高对目标识别过程中对非均匀光照的鲁棒性，通过利用微分几何中的图像几何表面曲率结构对运动目标进行纹理特征信息的提取，可以提高照明不均匀、颜色背景相似条件下的运动目标的识别率。
-
Patent Agency Ranking
公开(公告)号：CN114647760B
公开(公告)日：2024-09-24
申请号：CN202210037094.4
申请日：2022-01-13
Applicant: 中国矿业大学
IPC: G06F16/783 , G06F16/75 , G06T5/90 , G06T5/40 , G06T7/11 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于神经网络自温故及知识传导机制的智能视频图像检索方法，在保证模型实时性的同时，提高小模型检索精度，在精度和效率之间尽可能达到平衡；设置伽马校正模块，通过对图像的局部调整，实现对光照不均匀鲁棒性，提高细节可辨度，避免高频噪声，普适性强；建立自温故机制，允许神经网络的局部自我监督，不断反思、调整学习参数，充分学习到图像深层语义信息，实现神经网络快速收敛，提高检索精度；采用知识传导机制，提升模型精度、降低模型时延，压缩网络参数，最终得到一个性能强和精度高的学生模型；通过传导机制将浅特征知识作为学习目标，采用VAE变分自编码模型重构深度特征，以此生成学习结果，将学习结果与目标进行度量，完成学习任务。
-
公开(公告)号：CN117173024B
公开(公告)日：2024-04-16
申请号：CN202311213700.4
申请日：2023-09-20
Applicant: 中国矿业大学
IPC: G06T3/4069 , G06T3/4046 , G06T3/4007 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。
-
公开(公告)号：CN111768437B
公开(公告)日：2023-09-05
申请号：CN202010614124.4
申请日：2020-06-30
Applicant: 中国矿业大学
Abstract: 本发明涉及一种用于矿井巡检机器人的图像立体匹配方法及装置，属于立体匹配技术领域，解决了现有图像立体匹配方法对重复纹理区域与弱纹理区域的匹配精度较差的问题。获取物体的左视图和右视图分别作为参考图像和目标图像，对参考图像和目标图像分别进行逐像素邻域替换，得到参考图像和目标图像中每一像素点对应的灰度图；分别获取参考图像和目标图像灰度图对应的二进制码，并基于二进制码计算得到代价量；基于代价量对参考图像和目标图像分别进行匹配代价聚合，得到去除噪声的匹配代价；基于去除噪声的匹配代价，得到物体的视差图，提高了立体匹配的精度和质量。
-
公开(公告)号：CN115115686B
公开(公告)日：2023-07-18
申请号：CN202211004903.8
申请日：2022-08-22
Applicant: 中国矿业大学
IPC: G06T7/50 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法，包括以下步骤：步骤1：对原图多次采样，将不同尺度的图像输入到编码器网络；步骤2：将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络；步骤3：将解码器网络输出的视差图进行多尺度融合；步骤4：重建视图；通过采用多尺度图像输入到网络，同时将解码器输出的视差图进行逐层的尺度融合，加强弱纹理区域的深度估计效果，并且增加中间扩展卷积模块，加大对全局信息的理解。
-
公开(公告)号：CN111667509B
公开(公告)日：2023-05-26
申请号：CN202010531057.X
申请日：2020-06-11
Applicant: 中国矿业大学
Abstract: 本发明涉及目标跟踪技术领域，尤其涉及一种目标与背景颜色相似下的运动目标自动跟踪方法及系统，解决了直接采用CAMshift算法进行目标跟踪时的缺陷。方法包括：步骤S1：处理视频流，得到去噪后的序列帧图像；步骤S2：处理序列帧图像，得到第一帧图像中的前景目标；去除前景目标中的阴影，得到第一帧图像的运动目标区域；步骤S3：读取下一帧图像，将其作为当前帧图像，获取并处理当前帧图像、前一帧图像的运动目标区域的颜色‑曲率概率分布图，得到当前帧图像的候选区域；步骤S4：若当前帧图像的候选区域与前一帧图像的运动目标区域之间的巴氏距离大于距离阈值，将候选区域作为其运动目标区域；重复执行步骤S3与步骤S4，实现所述运动目标的跟踪。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.036 seconds)
