一种水下高速目标速度测试装置

    公开(公告)号:CN105717322A

    公开(公告)日:2016-06-29

    申请号:CN201610100814.1

    申请日:2016-02-24

    Applicant: 中北大学

    CPC classification number: G01P3/68

    Abstract: 本发明涉及水下高速目标的测速技术,具体是一种水下高速目标速度测试装置。本发明解决了现有水下高速目标测速技术适用范围严重受限的问题。一种水下高速目标速度测试装置,包括水上收发部分、水下探测部分、传输部分;所述水上收发部分包括光调制器、连续半导体激光器、光电传感器、信号调理模块、信号解调器、上位机;所述水下探测部分包括原向反射器;所述传输部分包括发射光纤、接收光纤;其中,连续半导体激光器的输入端与光调制器的输出端连接;发射光纤的数目为两根;两根发射光纤等长且平行放置;两根发射光纤的输入端的端面均为锥形端面,且两个锥形端面均与连续半导体激光器的输出端耦合。本发明适用于各种水下高速目标的测速。

    适用于恶劣环境的车辆检测图像处理方法及装置

    公开(公告)号:CN119580200A

    公开(公告)日:2025-03-07

    申请号:CN202411606298.0

    申请日:2024-11-12

    Applicant: 中北大学

    Abstract: 本发明涉及一种适用于恶劣环境的车辆检测图像处理方法及装置,通过检测网络进行检测,分别输出3组不同尺寸的第一特征图,所述3组不同尺寸的第一特征图分别用于识别图像中的大目标、中目标、小目标;将所述3组不同尺寸的第一特征图经过特征提取模块SPPCSP处理后,获得3组不同尺寸的第二特征图;所述特征提取模块SPPCSP用于在不同的空间分辨率上进行池化,捕捉到多种尺度下的特征信息;将所述3组不同尺寸的第二特征图通过RCSOSA模块、卷积层CBL处理后,获得3组不同尺寸的第三特征图即检测图像。本发明能够有效提高车辆在恶劣环境下的目标检测效果。

    一种基于多尺度特征融合的复杂背景下交通标志检测方法

    公开(公告)号:CN119559611A

    公开(公告)日:2025-03-04

    申请号:CN202411624755.9

    申请日:2024-11-14

    Applicant: 中北大学

    Abstract: 本发明公开了一种基于多尺度特征融合的复杂背景下交通标志检测方法,包括以下步骤:包括以下步骤:A1图像输入;A2主干网络特征提取:图像经过DS‑C3模块的处理,提取出多尺度的特征信息;A3特征融合:提取的多尺度特征经过新加入的160×160小目标特征图,进行融合处理,生成包含高精度信息的特征层,丰富了特征提取的尺度;A4检测与分类;A5输出结果。本发明通过引入DS‑C3模块,使用深度可分离卷积,大幅减少了模型的参数量和计算量,显著提升了计算效率,同时保持了较高的检测精度;针对小目标交通标志检测的难题,专门优化了小目标的检测性能。这种设计有效提高了模型在检测小交通标志时的精度,解决了现有技术中常见的漏检和误检问题。

    无线中继系统中基于递归失真估计的混数模视频传输方案

    公开(公告)号:CN110324582A

    公开(公告)日:2019-10-11

    申请号:CN201910633226.8

    申请日:2019-07-15

    Abstract: 本发明属于视频传输方法技术领域,具体涉及无线中继系统中基于递归失真估计的混数模视频传输方案,针对具有中继的无线瑞利衰落信道,研究HDA视频传输方案,不限定HDA的数字信号无失真传输,首先推导瑞利衰落中继系统中采用HDA的视频传输失真模型,然后基于此模型,对HDA的数字、模拟信号进行功率优化分配,在克服传统悬崖效应以及质量饱和效应的基础上得到优化的视频质量,本方案的主要特征为根据传输信道特性,发送端S估计出HDA编码视频从信源端到接收端的端到端失真模型,其中包括HDA视频编码、功率分配、中继端解码转发、信道传输、接收端解码恢复等几个环节,通过选择最优功率分配因子达到更好的视频恢复质量。

    一种用于自动驾驶的低照度可见光和红外图像融合方法

    公开(公告)号:CN119762919A

    公开(公告)日:2025-04-04

    申请号:CN202411678697.8

    申请日:2024-11-22

    Applicant: 中北大学

    Abstract: 本发明公开了一种用于自动驾驶的低照度可见光和红外图像融合方法。A1:红外图像边缘增强;A2:可见光图像亮度增强;A3:红外图像和可见光图像初步融合;A4:边缘增强的红外图像、亮度增强后的特征图和初步融合特征图二次融合;该方法实现了融合与亮度提升的并行进行,减少了由于增强算法和融合算法不兼容带来的信息损失。在LLVIP数据集和TNO数据集上验证了方法的有效性,结果证明:与经典融合算法相比,该方法在低光照环境下能保留更多的源图像细节信息,并且能提高图像的对比度和亮度,在主观和客观评价上均取得较好的结果。

    一种面向体素的端到端的3D目标检测方法

    公开(公告)号:CN119559629A

    公开(公告)日:2025-03-04

    申请号:CN202411624647.1

    申请日:2024-11-14

    Applicant: 中北大学

    Abstract: 本发明公开了一种面向体素的端到端的3D目标检测方法,包括以下步骤:A1点云数据输入和数据增强;A2主干网络特征提取:点云数据体素化之后,经过两个IDW‑MSA模块的处理,提取出丰富的特征信息;A3检测与分类。本发明通过引入IDW模块,使用大核卷积,大幅增加了模型的感受野,引入MSA模块,使用神经元感知注意力机制,无需增加额外的参数,还显著提升了计算效率,同时保持了较高的检测精度;与现有技术相比,本发明方法在复杂背景下的目标检测准确率和速度都有显著提升。

    一种智能辅助驾驶系统的显著性目标检测方法

    公开(公告)号:CN119559601A

    公开(公告)日:2025-03-04

    申请号:CN202411631238.4

    申请日:2024-11-15

    Applicant: 中北大学

    Abstract: 本发明公开了一种智能辅助驾驶系统的显著性目标检测方法,包括以下步骤:步骤一、通过车载图像采集设备,实时获取基于驾驶员视觉区域的驾驶场景图像并进行预处理;步骤二、主干网络进行底层多尺度特征提取、交互、和特征信息的全局增强,提取出丰富的多尺度特征信息;步骤三、颈部网络中包括AESwinTransformer注意力模块、TFG网络中的跨层特征引导融合模块和多层次特征交互融合模块,将主干网络中提取到的多层次特征融合到一块;步骤四、对特征图进行检测和分类;步骤五、将对抗样本和正常样本混合输入模型,使用训练好的模型进行对抗训练。本发明能够提高对小型显著性目标的检测精度,提高模型在复杂环境中的泛化能力和鲁棒性,减少无关场景信息的干扰。

    一种水下高速目标速度测试装置

    公开(公告)号:CN105717322B

    公开(公告)日:2018-06-05

    申请号:CN201610100814.1

    申请日:2016-02-24

    Applicant: 中北大学

    Abstract: 本发明涉及水下高速目标的测速技术,具体是一种水下高速目标速度测试装置。本发明解决了现有水下高速目标测速技术适用范围严重受限的问题。一种水下高速目标速度测试装置,包括水上收发部分、水下探测部分、传输部分;所述水上收发部分包括光调制器、连续半导体激光器、光电传感器、信号调理模块、信号解调器、上位机;所述水下探测部分包括原向反射器;所述传输部分包括发射光纤、接收光纤;其中,连续半导体激光器的输入端与光调制器的输出端连接;发射光纤的数目为两根;两根发射光纤等长且平行放置;两根发射光纤的输入端的端面均为锥形端面,且两个锥形端面均与连续半导体激光器的输出端耦合。本发明适用于各种水下高速目标的测速。

Patent Agency Ranking