-
公开(公告)号：CN119863523A
公开(公告)日：2025-04-22
申请号：CN202510073122.1
申请日：2025-01-17
Applicant: 中南大学
IPC: G06T7/73 , G06T7/50 , G06N3/045 , G06N3/088 , G06V10/774 , G06V10/82 , G06V10/766 , G06V10/44 , G06V10/80
Abstract: 一种基于图像和点云特征对齐及姿态微调的车辆姿态估计方法。本发明公开了一种图像和点云特征对齐及姿态微调的车辆姿态估计方法，主要解决现有技术对车辆位姿估计结果准确率低，图像特征和点云特征表征信息不匹配的问题。其实施方案为：1)获取点云和图像数据集；2)构建位姿估计模型；3)构建模型损失函数；4)训练位姿估计模型；5)推理并获得姿态变换结果。本发明构建的车辆位姿估计模型，通过图像和点云特征匹配对齐的方式及跨模态注意力机制，实现多模态共性特征表示能力的增强，进而实现对姿态估计结果的微调，提升车辆位姿估计的准确率，具有较大的实际应用价值。
-
公开(公告)号：CN118657919A
公开(公告)日：2024-09-17
申请号：CN202410772683.6
申请日：2024-06-17
Applicant: 中南大学
IPC: G06V10/22 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于掩膜先验分布融合与边缘概率估计的显著性检测方法，主要解决现有技术显著性主体判断错误，检测结果中目标边缘模糊的问题。其实施方案为：1)获取数据集与检测标签；2)获取检测标签分布；3)获取边缘概率标签；4)构建检测模型；5)构建损失函数；6)训练检测模型；7)显著性检测。本发明构建的检测模型，通过感受野模块，利用分组卷积机制，降低特征图中的信息冗余，提升语义多样性；通过交叉注意力机制，将标签的先验分布融入多尺度特征中，为显著性目标主体的判断提供了先验位置信息，避免了检测结果中显著性主体判断错误的发生；通过边缘概率估计，为边缘强化提供了引导，解决了检测结果中边缘模糊的问题。
-
公开(公告)号：CN119624302A
公开(公告)日：2025-03-14
申请号：CN202411829980.6
申请日：2024-12-12
Applicant: 中南大学
IPC: G06Q10/0835 , G06Q50/40 , G06Q10/047 , G06N3/092 , G06N3/0455 , G06F18/20
Abstract: 本发明公开了一种基于在线深度强化学习的动态车辆路径优化方法，主要解决现有动态车辆路径优化方法动态变化适应能力差、算法实时性差的问题。其实施方案为：1)生成数据集；2)构建决策模型；3)构建并训练策略网络模型和值函数估计网络模型；4)使用训练好的策略网络模型求解带时间窗的动态车辆路径问题。本发明根据车队配送客户的时间顺序建立部分可观测的马尔可夫决策模型，并设计相应的策略网络和值函数估计网络优化车辆路径。训练得到的策略模型可快速给出动态车辆最优路径，并可根据相关条件的动态变化在线调整计划路径，在保证求解质量的同时拥有更快的求解速度，提高了算法在处理动态车辆路径优化问题时的实时性。
-
公开(公告)号：CN119251617A
公开(公告)日：2025-01-03
申请号：CN202411346076.X
申请日：2024-09-26
Applicant: 中南大学
IPC: G06V10/774 , G06V10/82 , G06V10/10 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨阶段特征交互网络的伪装目标检测方法，应用于数据处理技术领域，其实施方案为：1)获取伪装目标检测训练数据集；2)构建伪装目标检测模型；3)构建损失函数；4)训练检测模型；5)伪装目标检测。本发明构建的跨阶段特征交互网络，通过设计双向连接结构并搭配多尺度跨注意力调制融合策略，有效利用了相邻阶段骨干特征的相关性，使每个阶段的特征信息得以完善，增强模型特征表达能力，更好地探测出伪装目标与背景之间的差异，从而有效提升了伪装目标检测结果的准确率。
-
公开(公告)号：CN119863522A
公开(公告)日：2025-04-22
申请号：CN202510073033.7
申请日：2025-01-17
Applicant: 中南大学
IPC: G06T7/73 , G06T7/50 , G06V10/80 , G06N3/0895 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于图像和点云特征多层融合的车辆姿态估计方法，主要解决现有车辆位姿估计方法准确率低、鲁棒性差，且模型依赖大量标签数据的问题。其实施方案为：1)获取点云和图像数据集；2)构建位姿估计模型；3)构建模型损失函数；4)训练位姿估计模型；5)推理并获得姿态变换结果。本发明构建的车辆位姿估计模型，通过自监督学习的方式，降低了学习成本，提升了模型的泛化迁移能力。通过同质特征融合与异质特征融合，实现了图像特征和点云特征在多个层级的充分融合，在不增加模型推理时间的情况下，有效提升了车辆位姿估计结果的准确率，具有较大的实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN119669950A
公开(公告)日：2025-03-21
申请号：CN202411453387.6
申请日：2024-10-17
Applicant: 华能国际电力股份有限公司大连电厂 , 中南大学
IPC: G06F18/2433 , G06F18/23213
Abstract: 本发明公开了一种火电传感器数据异常检测方法及系统，涉及火电厂传感器数据领域，方法包括：获取火电厂传感器数据，将数据按时间节点分割为单一特征，并构建单变量直方图；对数据进行分箱操作，计算数值特征和分类数据的值及频率；基于分箱后的数据生成不同视角下的异常值评分；通过合并不同视角下的异常值评分，完成对传感器数据的异常检测。本发明能够高效识别单变量异常值，捕捉局部和全局异常，提供全面的监测和预警能力。评分函数基于信息量，适用于高维和低维数据，且通过归一化和组合减少了表示偏差，提高了检测准确性和多种异常模式的检测能力。
-
公开(公告)号：CN119152465B
公开(公告)日：2025-01-28
申请号：CN202411656096.7
申请日：2024-11-19
Applicant: 中南大学
IPC: G06V20/56 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/82
Abstract: 本申请涉及一种基于混合坐标关键点估计的车道线检测方法，本方法通过提取出行、列锚置信度特征图，可以从中提取出置信度较高的坐标点；通过提取行、列锚偏移量特征图，可以确认置信度较高的坐标点对应的偏移量，进而可以基于该偏移量进行坐标点修正，以消除量化误差，最终提升后续检测的准确度；另外，本方法还在行锚检测方法的基础上结合了列锚检测方法，通过判断目标行锚车道线的斜率和目标列锚车道线的斜率之间的平均值的绝对值与第二阈值之间的大小来选择目标行锚车道线或目标列锚车道线作为输出，有效解决了传统关键点估计方法因无法有效表征场景中倾斜角度过大的车道线导致的漏检问题，提升车道线最终检测的准确度。
-
公开(公告)号：CN119047161A
公开(公告)日：2024-11-29
申请号：CN202411109496.6
申请日：2024-08-13
Applicant: 中南大学
IPC: G06F30/20 , G06F119/02 , G06F119/08
Abstract: 本发明涉及牵引变流器的预后与健康管理技术领域，公开了一种基于概率损伤模型的牵引变流器寿命预测方法及系统。包括：构建牵引变流器桥臂中半导体器件的功率损耗模型和热模型；构建半导体器件的退化模型；根据热传导特性，构建退化因子、关联变量关系矩阵和依赖系数矩阵；构建相互依赖退化关系模型；基于热模型、退化模型和相互依赖退化关系模型，构建概率损伤模型；构建极限状态方程，对牵引变流器进行寿命预测；进而对牵引变流器进行寿命预测。该方法综合考虑了牵引变流器寿命预测的随机性和不确定性，采用概率性的建模方式更贴近实际系统的运行；能够较为真实的模拟牵引变流器内部相互依赖的退化关系，提高寿命预测的准确性。
-
公开(公告)号：CN117252036A
公开(公告)日：2023-12-19
申请号：CN202311507283.4
申请日：2023-11-14
Applicant: 中南大学
IPC: G06F30/20 , G01R31/26 , G06F119/04 , G06F119/08
Abstract: 本发明涉及功率半导体器件技术领域，公开一种基于电‑热耦合多物理场的IGBT模块疲劳演变方法及系统。该方法基于IGBT模块的内部结构和疲劳机理，从电、热、力角度出发建立IGBT模块疲劳的物理过程，突出IGBT模块疲劳的本质特征；能够较为真实的模拟各类型号IGBT模块的疲劳过程，能够同时模拟多个不同部位的键合线疲劳和焊料层疲劳，无需实物损伤性实验就可以得到IGBT模块老化、失效的数据和特征；该方法可推广到其他包含键合线或焊料层结构功率器件的疲劳演变。
-
公开(公告)号：CN119152465A
公开(公告)日：2024-12-17
申请号：CN202411656096.7
申请日：2024-11-19
Applicant: 中南大学
IPC: G06V20/56 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/82
Abstract: 本申请涉及一种基于混合坐标关键点估计的车道线检测方法，本方法通过提取出行、列锚置信度特征图，可以从中提取出置信度较高的坐标点；通过提取行、列锚偏移量特征图，可以确认置信度较高的坐标点对应的偏移量，进而可以基于该偏移量进行坐标点修正，以消除量化误差，最终提升后续检测的准确度；另外，本方法还在行锚检测方法的基础上结合了列锚检测方法，通过判断目标行锚车道线的斜率和目标列锚车道线的斜率之间的平均值的绝对值与第二阈值之间的大小来选择目标行锚车道线或目标列锚车道线作为输出，有效解决了传统关键点估计方法因无法有效表征场景中倾斜角度过大的车道线导致的漏检问题，提升车道线最终检测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
