-
公开(公告)号：CN117391973A
公开(公告)日：2024-01-12
申请号：CN202311444732.5
申请日：2023-11-01
Applicant: 南京师范大学
IPC: G06T5/00 , G06T5/60 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/0455
Abstract: 本发明公开了一种基于多尺度改进残差块CNN的图像去运动模糊方法，包括：采集并保存输电线路巡检机器人的电力巡检视频数据，制成数据集，并记为源数据集；将源数据集进行裁剪和压缩，得到清晰和模糊图像对，并记为电力巡检去模糊数据集；搭建多尺度改进残差块卷积神经网络，并使用电力巡检去模糊数据集对多尺度改进残差块卷积神经网络进行训练，得到训练好的多尺度改进残差块卷积神经网络模型；使用训练好的多尺度改进残差块卷积神经网络模型对电力巡检模糊图像数据进行去模糊。本发明提升了电力巡检图像去模糊的效果与准确性，适用于处理高压输电巡检机器人的巡检图像拍摄模糊问题，具有运算速度快、去运动模糊效果好、抗环境干扰能力强的优点。
-
公开(公告)号：CN112991249B
公开(公告)日：2023-11-24
申请号：CN202110290788.4
申请日：2021-03-18
Applicant: 国网经济技术研究院有限公司 , 南京师范大学 , 国网浙江省电力有限公司经济技术研究院 , 国网江苏省电力有限公司经济技术研究院
IPC: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于深度可分离CNN模型的遥感图像融合方法，包括如下步骤：通过预处理后的原始彩色图像，构建融合模型训练集图像；根据融合模型训练集图像，训练深度可分离CNN模型；获取全色图像和多光谱图像，通过预处理将全色图像转换成PrePan图像，将多光谱图像上采样至PrePan图像大小；将PrePan图像和上采样至PrePan图像大小的多光谱图像送入训练好的深度可分离CNN模型；通过深度可分离CNN模型获取到全色图像和多光谱图像的融合图像。本发明将深度可分离CNN模型应用于全色图像和多光谱图像的融合，在提高融合图像的精度的同时，也加快了融合速度，能够得到同时具备高光谱分辨率和高空间分辨率两种信息的融合图像，对遥感图像的应用具有极大的意义。
-
公开(公告)号：CN116630901A
公开(公告)日：2023-08-22
申请号：CN202310905815.3
申请日：2023-07-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于潜在图预测无监督学习框架的视觉里程计方法，首先获取当前作业环境的RGB图像，并进行预处理，获得预处理后图像；然后进行改进的潜在图预测处理，通过潜在图预测模型处理后，进行潜在图预测损失优化，得到潜在图预测后图像；再进行图像分层，并逐层执行数据增强和伪标签算法处理，最后通过区域增长算法剔除动态目标的类点云信息，实现潜在图预测无监督学习框架下的视觉里程计。通过在潜在图预测时进行损失优化，对重合节点的嵌入进行了有效度量，通过对图像进行分层后再进行伪标签算法处理，采用了轻量化的分层聚类，使得该算法的抗环境干扰能力强得到了强化，鲁棒性得到了提升，可针对不用目标进行有效精准识别分割。
-
公开(公告)号：CN116079749B
公开(公告)日：2023-06-20
申请号：CN202310369994.3
申请日：2023-04-10
Applicant: 南京师范大学
IPC: B25J9/16 , G06V20/50 , G06V10/762 , G06V10/26 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于聚类分离条件随机场的机器人视觉避障方法及机器人，所述方法包括：利用深度双目相机采集机器人行驶过程中遇到的障碍物图像，提取特征图；基于特征图生成所有候选框，并进行提取和过滤；在过滤后的候选框中选择正负样本，计算目标物的真实权重，将过滤后的候选框映射到同一个尺寸固定的特征图上，将映射后的特征图输入全连接层，对图像进行目标检测识别；基于识别出的目标，利用融合聚类分离的条件随机场进行边缘分割；基于边缘分割结果确定障碍物的位置，根据得到的障碍物位置和深度双目相机测得的深度信息进行避障。本发明能够有效提高障碍物检测识别和边缘分割的精度和效率，改善机器人避障的效果。
-
公开(公告)号：CN111460941B
公开(公告)日：2023-06-09
申请号：CN202010206651.1
申请日：2020-03-23
Applicant: 南京智能高端装备产业研究院有限公司 , 南京师范大学
Abstract: 本发明提供了一种穿戴式导航装备中视觉导航特征点提取与匹配方法，包括：读取两帧原始图像，构建图像的高斯‑拉普拉斯金字塔，生成高斯‑拉普拉斯差分尺度空间；进行特征点检测，将局部极值点作为特征点提取出来；计算出特征点的方向；基于BRIEF算子生成特征点的描述符，对每个点对进行二进制赋值，形成一个二进制编码；基于前一步生成的描述子对两张图像进行特征点的匹配，测量前一帧图中的每一个特征点与后一帧图像中所有特征点的相似程度，将相似程度最大的匹配成一对；重复上一步匹配操作，直到两帧图像中的所有特征点匹配完成，这些匹配好的特征点对为视觉导航提供大量的基础信息，提高导航定位结果的稳定性、环境适应性及抗干扰性能。
-
Patent Agency Ranking
公开(公告)号：CN114985768A
公开(公告)日：2022-09-02
申请号：CN202210650202.5
申请日：2022-06-10
Applicant: 南京师范大学
IPC: B22F10/85 , B22F10/366 , B22F10/25 , B33Y10/00 , B33Y50/02
Abstract: 本发明公开了一种基于图论结构和视觉实时检测的增材路径规划方法，包括：根据逐层分解的层厚参数，对金属结构件的三维STL模型进行逐层分解；根据轮廓点采集间隔，对三维STL模型进行轮廓点信息采集；提出一种融合了温度权重的轮廓点信息矩阵；计算轮廓点之间的信息差；获取轮廓点信息差值矩阵，计算绝对路径长度并选取最优路径；根据选取的最优路径控制激光发射器对金属材料进行增材；实时检测激光熔覆熔池的实际位置，与选择的最优路径对比形成闭环反馈，最终完成金属结构件的增材。本发明融合了金属结构件物理形状信息和增材温度信息，通过图论结构遍历所有可能的增材路径后选取最优增材路径，使金属增材效率更高、耗材更少。
-
公开(公告)号：CN114977483A
公开(公告)日：2022-08-30
申请号：CN202210420446.4
申请日：2022-04-21
Applicant: 南京师范大学
Abstract: 本发明涉及智能电网故障分析技术领域，用于解决现有的对电网的故障诊断分析的方式存在片面性和不可靠性，在耗费大量人力的同时，也无法保证电网故障诊断分析的准确性，更难以满足电网故障诊断高效率的要求，无法保证电网的安全运行，阻碍了电力的高速发展的问题，尤其公开了一种智能电网调控控制设备故障诊断系统，包括故障分析平台，故障分析平台的内部设置有服务器，服务器通讯连接有数据采集单元、故障诊断单元、故障预警单元和显示终端；本发明是通过不同层面和不同处理方式，对智能电网的运行状况进行全面且准确的故障诊断分析，从而在明确了对智能电网故障诊断分析的同时，也保证了电网的稳定运行，促进了电网的高速发展。
-
公开(公告)号：CN114692326A
公开(公告)日：2022-07-01
申请号：CN202210137820.X
申请日：2022-02-15
Applicant: 南京师范大学
IPC: G06F30/17 , G06F30/20 , G06F113/10
Abstract: 本发明公开了一种基于不规则体素化的复杂零件曲面分层切片方法，包括：输入复杂金属零件的STL模型，提取模型的底面三角面片信息，根据底面三角面片信息生成基底切片曲面，将生成的基底切片曲面作为参考曲面；对参考曲面进行非等距偏移，获取到切片曲面；对切片曲面进行不规则的栅格划分，再结合切片曲面当前所在层的层厚实现不规则的体素化，形成不规则体素模型；利用布尔运算，将不规则体素模型与复杂金属零件快速求交，形成复杂金属零件的各分层曲面；编写曲面切片软件，进行曲面切片，保存多层曲面切片数据文件。本发明可实现复杂金属零件模型的快速、自由曲面切片，具有在保证高精度的要求下提高切片效率和成形效率的优点。
-
公开(公告)号：CN114429584A
公开(公告)日：2022-05-03
申请号：CN202111318533.0
申请日：2021-11-09
Applicant: 南京师范大学
IPC: G06V20/10 , G06V10/22 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于类别损失和差值检测的多目标小物体识别方法，包括如下步骤：采集棋盘初始图像，标定棋盘图像坐标，根据坐标分割棋盘图像；对分割后的棋盘图像进行预处理，使用搭建好的深度学习网络模型对处理后的图像进行分类，将分类结果转换为棋局信息；采集棋盘图像P1，棋手进行一步行棋后，再次采集棋盘图像P2；根据棋盘图像P1和棋盘图像P2，采用差值检测方法对行棋的起点和终点进行合理性判断，更新棋局信息。本发明实现了对中国象棋从开局到每一步行棋的检测识别，具有速度快、鲁棒性高等优点，且受光线影响较小，并且可扩展至其他棋类的检测，在中国象棋对弈人机交互、普及人工智能方面具有重要意义。
-
公开(公告)号：CN114428937A
公开(公告)日：2022-05-03
申请号：CN202111508244.7
申请日：2021-12-10
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于时空图神经网络的时间序列数据预测方法，包括：采集道路车流辆数据，生成时间序列数据，根据传感器的空间特征来生成输入特征，捕捉时间特征来生成时间相似矩阵，然后通过映射生成全局时空相关邻接矩阵，再进一步生成组合时空相关邻接矩阵，将输入特征和组合时空相关邻接矩阵送入图神经网络中提取特征，使用Huber损失函数训练模型，预测车流量分布情况，汇总车流量分布。本发明能够对采集到的车流辆数据进行实时更新预测，捕捉到不同交通流数据之间潜在的时间和空间联系，获取道路交通网络的全局信息，用于智能交通系统的监测和管理，此方法具有耗时低、计算复杂度小、实时性高、准确率高的优点，并且适用于其他的时空预测任务。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.036 seconds)
