-
公开(公告)号：CN116776531A
公开(公告)日：2023-09-19
申请号：CN202310419485.7
申请日：2023-04-19
Applicant: 同济大学
IPC: G06F30/20
Abstract: 本发明公开了一种空间折线要素条件布朗运动误差度量方法及系统，包括：设定空间线要素折线的顶点Z0,…,Zn的观测位置；利用多元正态条件分布模型，确定线特征上任意点的测量误差与模型误差的传播方式，建立真实地物任意点位置表达模型，确定测量误差与模型误差之间的相关性；根据中间折点的观测位置Zi，估计线要素模型误差参数，并建立布朗运动误差模型，确定误差随机性大小。本发明建立了基于条件分布的布朗运动折线误差带模型，建立了测量误差与模型误差间的相关性模型，并构建了一种线要素处处具有随机性的随机过程误差传播方式，解决了空间折线要素误差度量中模型误差缺失的问题。
-
公开(公告)号：CN112185578A
公开(公告)日：2021-01-05
申请号：CN202010840932.2
申请日：2020-08-20
Applicant: 同济大学
Abstract: 本发明涉及一种用于学生返校的疫情防控方法和系统，方法包括以下步骤：1)分别建立学生大数据库和疫情大数据库，学生大数据库包括学生的空间位置信息和健康状况信息，疫情大数据库包括疫情病例的空间位置分布信息；2)采用预设的决策指标，获取无感染风险的学生名单，从而构建返校方案，用于学生的返校；3)获取学生上传的学生返校状态信息，从而对返校方案进行调整；疫情大数据库采用数据挖掘技术构建，实际行程信息通过定位技术获取。与现有技术相比，本发明实现健康信息实时采集、返校方案研判、行程轨迹动态追踪、疫情防控日常管理的“全链路”监测管理，为学生返校复学提供全过程、全方位的决策保障。
-
公开(公告)号：CN119845229A
公开(公告)日：2025-04-18
申请号：CN202411888445.8
申请日：2024-12-20
Applicant: 同济大学
Abstract: 本发明涉及一种局部到全局的深空轨道器影像立体像对优选方法，包括如下步骤：获取深空轨道器影像并进行影像预处理，通过判断影像间重叠面积确定初始立体像对并进行像对初筛，得到初步筛选的立体像对集合；获取感兴趣区域信息并对感兴趣区域进行栅格化与格网化处理，针对每个网格，计算各个立体像对的局部质量代价，基于所述局部质量代价得到当前网格对应的局部最优像对和局部备选像对集合；基于各个网格对应的局部最优像对和局部备选像对集合，计算各个立体像对的全局质量代价；结合立体像对的所述局部质量代价和所述全局质量代价，得到最终优选的立体像对。与现有技术相比，本发明能自动化有效选出符合摄影测量测图要求的立体像对。
-
公开(公告)号：CN119779316A
公开(公告)日：2025-04-08
申请号：CN202411991723.2
申请日：2024-12-31
Applicant: 同济大学
Abstract: 本发明涉及一种基于改进FDAFT匹配算法的月球着陆导航定位方法，包括以下步骤：特征点匹配步骤：获取着陆器影像以及该区域的数字正射影像与数字高程模型，对着陆器影像进行降采样后分块，对每一分块分别与数字正射影像进行FDAFT特征点匹配，结合数字高程模型，获取影像二维点坐标与地理三维点坐标的对应关系；位姿估计步骤：根据影像二维点坐标与地理三维点坐标的对应关系，并结合相机内参信息，利用位姿估计算法求解着陆器的位姿，并使用位姿优化算法对初步求解的位姿进行优化，获取着陆器最终的位姿。与现有技术相比，本发明具有使得着陆器影像与数字正射影像获取匹配点数量足够、准确、均匀分布等优点，可以提升位姿估计的准确性。
-
公开(公告)号：CN119783029A
公开(公告)日：2025-04-08
申请号：CN202411851137.8
申请日：2024-12-16
Applicant: 同济大学
IPC: G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/0895 , G06V20/56 , G06V10/82 , G01C21/16 , G01C22/00
Abstract: 本发明涉及一种基于视觉信息选择的视觉惯性融合导航定位方法，包括以下步骤：获取IMU数据与相邻两帧影像数据，输入基于视觉信息选择的视觉惯性融合导航定位模型，输出导航定位结果；该模型包括IMU特征提取网络、视觉特征提取网络、策略网络和融合网络，IMU特征提取网络基于引入扩张卷积的LSTM构建，用于从IMU数据中提取惯性特征；视觉特征提取网络基于引入通道‑空间注意力机制的CNN构建，用于从相邻两帧影像数据中提取影像特征；策略网络用于判定是否禁用所述影像特征；融合网络基于引入高效局部注意力机制的LSTM构建，用于将惯性特征与策略网络输出的影像特征进行融合。与现有技术相比，本发明无需复杂标定建模或大量真值数据集即可实现高效精确的导航。
-
Patent Agency Ranking
公开(公告)号：CN117669868A
公开(公告)日：2024-03-08
申请号：CN202311475421.5
申请日：2023-11-07
Applicant: 同济大学
IPC: G06Q10/063 , G06Q50/26 , G06N3/126
Abstract: 本发明涉及一种顾及探测价值指数的遗传智能月球探测选址方法及设备，该方法包括以下步骤：获取多类型月球数据，构建月球着陆选址的多目标指标体系；基于所述多目标指标体系，计算月球选址指标因子并进行预处理；基于预处理后的月球选址指标因子，计算科学价值指数和工程安全指数，以综合构建月球探测价值指数模型；采用遗传智能化算法获取所述月球探测价值指数模型的最优选址参数；基于所述月球探测价值指数模型和最优选址参数，计算探测价值指数，自适应阈值筛选形成高价值探测区。与现有技术相比，本发明具有筛选高可信度探测区域等优点。
-
公开(公告)号：CN117592323A
公开(公告)日：2024-02-23
申请号：CN202311449822.3
申请日：2023-11-02
Applicant: 同济大学
Abstract: 本发明涉及一种基于虚拟月表环境三维仿真的巡视路径安全性验证方法，包括：预处理高分辨率月表地形与光照数据，构建全局和局部环境坐标点数据集；设计多分辨率的全局和局部环境三维建模策略；基于LOOP细分技术处理全局和局部坐标点，实现月表地形三角网分级建模；搭建月表环境三维建模与渲染管线；自适应匹配巡视器车体空间坐标姿态与月表坡度与坡向；实时更新巡视器车体空间坐标姿态和局部环境数据点的光照属性信息，更新车体坐标姿态和光照场景；根据行驶过程的坐标姿态、地形坡度和光照情况判断巡视路线的安全性。与现有技术相比，本发明具有月球环境模拟高真实性、实时更新车体位置与姿态、第一人称判断月表探测路线安全性等优点。
-
公开(公告)号：CN113269380A
公开(公告)日：2021-08-17
申请号：CN202010841015.6
申请日：2020-08-20
Applicant: 同济大学
IPC: G06Q10/06 , G06Q10/04 , G06Q50/20 , G16H50/80 , G16H50/30 , G06F16/215 , G06F16/23 , G06F16/29 , G06F16/9537
Abstract: 本发明涉及一种面向疫情防控的返校方案预估方法，包括以下步骤：1)更新获取疫情病例的空间分布；收集学生每日的健康状态信息和实时位置信息；2)对疫情病例的空间分布和学生每日的实时位置进行空间交互分析，对学生每日的健康状态信息进行分析，评估每个学生感染疫情的风险性；3)选取无风险学生构建多种返校预估方案；4)构建多种返校预估方案的决策矩阵，基于欧式距离，计算每个返校预估方案与理论最优方案决策矩阵的相对接近度，从而获取最优的返校方案。与现有技术相比，本发明能够将返校风险进行了全面的评估，通过数学决策模型预估返校方案，减少人工判断的人为误差，更加科学合理。
-
公开(公告)号：CN112885482A
公开(公告)日：2021-06-01
申请号：CN202010841090.2
申请日：2020-08-20
Applicant: 同济大学
IPC: G16H50/80 , G06F16/29 , G06F16/9537 , G06Q10/06 , G06Q50/20
Abstract: 本发明涉及一种用于学生返校的疫情预防方法，包括以下步骤：1)构建疫情大数据地理空间数据库、分布式学生基础信息数据库和学生每日状况数据库，学生每日状况数据库包括所在地信息和健康状况信息；2)构建返校方案的基本信息；3)根据疫情大数据地理空间数据库和所在地信息，判断各学生所在地的疫情形势，并根据学生每日状况数据库，获取无感染风险的学生名单；从而根据分布式学生基础信息数据库和返校方案的基本信息，制定分批次的返校方案；4)学生根据所述返校方案返校。与现有技术相比，本发明对疫情大数据和学生日常上报的个人信息进行了交互分析，获取学生的返校风险，生成了错峰返校方案，兼顾了返校工作的效率、安全性和科学性。
-
公开(公告)号：CN112382401A
公开(公告)日：2021-02-19
申请号：CN202010841017.5
申请日：2020-08-20
Applicant: 同济大学
IPC: G16H50/80 , G06Q10/04 , G06F16/9537 , G06Q50/20 , G06Q50/26
Abstract: 本发明涉及一种用于疫情的返校大数据联动管理方法，用于对返校人员大数据和疫情大数据进行联动管理，方法包括以下步骤：数据获取与划分步骤：获取返校人员大数据和疫情大数据；将返校人员大数据划分为空间位置数据、健康数据和描述性数据，将空间位置数据划分为每日打卡位置数据、近期活动数据和返校行程轨迹数据，将疫情大数据划分为病例位置数据和区县统计数据；数据关联步骤：通过数据匹配，建立：每日打卡位置数据、近期活动数据和返校行程轨迹数据分别与病例位置数据和区县统计数据的空间关联关系。与现有技术相比，本发明有序地对疫情信息进行了联动的管理，考虑全面，可为后续的数据应用，如智能返校系统提供有效的数据支撑。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.021 seconds)
