-
公开(公告)号：CN115048954A
公开(公告)日：2022-09-13
申请号：CN202210565522.0
申请日：2022-05-23
Applicant: 北京大学
Abstract: 本发明公开了一种仿视网膜的目标检测方法、装置、存储介质及终端，方法包括：获取目标脉冲阵列信号；目标脉冲阵列信号包括来自仿视网膜中央凹采样电路的第一脉冲阵列信号和来自仿视网膜外周采样电路的第二脉冲阵列信号；将第一脉冲阵列信号与第二脉冲阵列信号进行时空同步，得到待处理脉冲阵列信号；将待处理脉冲阵列信号输入预先训练的目标检测器中，输出待处理脉冲阵列信号对应的目标检测结果。由于本申请利用仿视网膜中央凹采样电路的高速视觉纹理成像的优势，并结合仿视网膜外周视觉采样电路的高时间分辨率、高动态范围、低功耗优势，从而可以解决传统相机在高速运动、过光照和低光照场景下难以高精度检测的问题，提升了极端场景的检测精度。
-
公开(公告)号：CN110427823B
公开(公告)日：2021-12-21
申请号：CN201910579928.2
申请日：2019-06-28
Applicant: 北京大学
Abstract: 本发明公开了一种基于视频帧与脉冲阵列信号的联合目标检测方法和装置，该方法包括：将视频帧和脉冲阵列信号作为目标检测的输入；将连续的脉冲阵列信号进行自适应划分；根据视频帧频率与脉冲阵列信号划分频率的关系，进行同步融合或异步融合检测；将视频帧与脉冲阵列信号以特征表达形式进行融合；输出检测结果。本发明可有效地利用脉冲阵列信号的高时间分辨率和高动态能力来提供传统相机的目标检测精度，尤其解决高速运动模糊、过曝光或低光照等场景的检测难题。在无人驾驶视觉检测与导航、无人机巡航与定位、机器人视觉导航和视频监控等涉及高速运动领域存在广泛应用潜力。
-
公开(公告)号：CN110430340B
公开(公告)日：2020-08-25
申请号：CN201910577862.3
申请日：2019-06-28
Applicant: 北京大学
IPC: H04N5/213
Abstract: 本发明公开了一种脉冲阵列信号的降噪方法，包括：对待去噪脉冲的空间邻域和时间戳邻域上的脉冲阵列信号的发放特性进行建模，建立脉冲阵列信号的发放特性模型，提取脉冲阵列信号时空分布特征；根据脉冲阵列信号中的噪声分布特性，构建时空滤波器，对提取的特征进行滤波；根据所述发放特性模型，把滤波后的脉冲时空分布特征还原为脉冲阵列信号。本发明充分考虑了噪声在脉冲阵列信号中的时空分布特征，对其在时域上的传递性、空域上的随机性进行建模，结合脉冲本身代表的物理意义，构建时空滤波器对脉冲信号进行高效去噪，效率高，降噪效果好。
-
公开(公告)号：CN109884588A
公开(公告)日：2019-06-14
申请号：CN201910040980.0
申请日：2019-01-16
Applicant: 北京大学
Abstract: 一种脉冲序列的距离度量方法及系统。其中，所述方法包括：计算脉冲序列中每相邻两个脉冲信号之间的时间差值；根据所述时间差值获得所述脉冲序列对应的光强信息；根据所述脉冲序列之间光强信息的差异度量所述脉冲序列之间的距离。所述系统包括：脉冲传感器阵列以及处理器；其中，所述处理器具体包括：光照强度计算模块和脉冲序列计算模块。本发明通过对基于脉冲序列传感器而获得的脉冲序列信号产生方式的分析，将两个脉冲序列转换为对应的光照强度的变化，从而对两个脉冲序列的距离进行准确估量，进而用于为检测、跟踪、压缩等算法的设计，以及后续脉冲阵列信号的分析、编码工作提供了基础。
-
公开(公告)号：CN109831672A
公开(公告)日：2019-05-31
申请号：CN201910020716.0
申请日：2019-01-09
Applicant: 北京大学
IPC: H04N19/51 , H04N19/513 , H04N19/169 , H04N19/56 , H04N19/557 , H04N19/527 , H04N19/567 , H04N19/96
Abstract: 本发明提供了一种时空脉冲阵列的运动估计方法，该方法包括以下步骤：将所述时空脉冲阵列划分成编码立方体；依据当前编码立方体的特征信息，确定时域和空域的搜索范围及搜索起始点；将所述时空脉冲阵列内的所有脉冲信号在空间平面投影，再进行距离度量和匹配分析；通过当前编码立方体与参考立方体的匹配阈值判断是否提前终止搜索，若小于阈值则提前终止所述搜索，否则继续搜索直至超出搜索范围；筛选最佳参考立方体；输出时空脉冲阵列的运动估计编码信息。本发明可有效地获取高精度的运动矢量，同时加速了运动估计搜索过程，以解决时空脉冲阵列编码信号中运动估计的编码性能局限及时间耗时长的问题。
-
Patent Agency Ranking
公开(公告)号：CN107045975A
公开(公告)日：2017-08-15
申请号：CN201610081301.0
申请日：2016-02-05
Applicant: 北京大学
IPC: H01L21/28
Abstract: 本发明公开了一种基于自停止刻蚀的氮化镓基材料开槽欧姆接触的制备方法，欧姆区域开槽利用自停止氧化湿法腐蚀技术制备，即只氧化势垒层，后续腐蚀可以只腐蚀掉被氧化的势垒层，腐蚀过程停止在GaN层表面，只需保证温度是在自停止氧化范围内，时间超过氧化到GaN表面所需时间即可，不需精确控制凹槽制备条件并基本消除了等离子体对材料可能带来的损伤，且可以将隔离与欧姆开槽同时制备，从而简化工艺，具有很高的可操作性和可重复性，十分利于工业化生产。采用本发明方法制备的氮化镓基材料欧姆接触得到了很大的改善，甚至在传统欧姆接触无法形成的较低退火温度下，本发明方法也可以形成较好的欧姆接触。
-
公开(公告)号：CN115099262B
公开(公告)日：2025-01-21
申请号：CN202210550446.6
申请日：2022-05-20
Applicant: 北京大学
Abstract: 本申请公开了一种时空脉冲信号的上采样方法、装置、设备及存储介质，所述方法包括：采集目标物体的时空脉冲信号；估计所述脉冲信号的运动轨迹，并根据所述运动轨迹上的脉冲数量确定主脉冲信号以及噪声信号；分别对所述主脉冲信号以及噪声信号进行上采样，得到上采样后的主脉冲信号以及噪声信号；将所述上采样后的主脉冲信号以及噪声信号进行合并，生成最终的上采样信号。根据本申请实施例提供的时空脉冲信号的上采样方法，可以将稀疏的脉冲信号上采样成稠密的脉冲信号，使得上采样后的脉冲信号可靠且有依据，有效解决时空脉冲信号稀疏性带来的问题，为基于脉冲信号的视觉任务提供更多有效数据，提升基于脉冲的下游任务性能。
-
公开(公告)号：CN112949424A
公开(公告)日：2021-06-11
申请号：CN202110168780.0
申请日：2021-02-07
Applicant: 北京大学
Abstract: 本发明公开了一种神经形态视觉采样方法及装置，方法包括：采集当前场景中不同位置点的光信号并转化为亮度信号；将转化得到的亮度信号输入已训练的脉冲采样模型，以由所述脉冲采样模型对输入的亮度信号进行采样编码得到脉冲阵列信号；将所述脉冲阵列信号输入已训练的视觉任务模型，以由所述视觉任务模型对所述脉冲阵列信号进行视觉分析，得到分析结果。本发明不使用动态视觉传感器或积分视觉传感器获取脉冲阵列信号，而是通过神经网络进行神经形态的视觉采样，并将视觉分析计算任务与采样一体化，从而可以灵活定制多种视觉采样模型，以适应多场景，多任务的应用需求，提升自使用感知性能。
-
公开(公告)号：CN109831672B
公开(公告)日：2020-10-27
申请号：CN201910020716.0
申请日：2019-01-09
Applicant: 北京大学
IPC: H04N19/51 , H04N19/513 , H04N19/169 , H04N19/56 , H04N19/557 , H04N19/527 , H04N19/567 , H04N19/96
Abstract: 本发明提供了一种时空脉冲阵列的运动估计方法，该方法包括以下步骤：将所述时空脉冲阵列划分成编码立方体；依据当前编码立方体的特征信息，确定时域和空域的搜索范围及搜索起始点；将所述时空脉冲阵列内的所有脉冲信号在空间平面投影，再进行距离度量和匹配分析；通过当前编码立方体与参考立方体的匹配阈值判断是否提前终止搜索，若小于阈值则提前终止所述搜索，否则继续搜索直至超出搜索范围；筛选最佳参考立方体；输出时空脉冲阵列的运动估计编码信息。本发明可有效地获取高精度的运动矢量，同时加速了运动估计搜索过程，以解决时空脉冲阵列编码信号中运动估计的编码性能局限及时间耗时长的问题。
-
公开(公告)号：CN110426560B
公开(公告)日：2020-08-25
申请号：CN201910577877.X
申请日：2019-06-28
Applicant: 北京大学
IPC: G06T1/40
Abstract: 本发明公开了一种脉冲阵列信号时空上采样器生成方法，包括：根据脉冲阵列信号空域和/或时域上采样需求参数，构建能使脉冲阵列信号由一端传输到另一端的神经网络；获取训练用输入信号和训练用输出信号；利用训练用输入信号和训练用输出信号将所述神经网络训练为上采样器；训练用输入信号为原始脉冲阵列信号，训练用输出信号为对原始脉冲阵列信号进行空域上采样和/或时域上采样得到的上采样信号。本发明增加了脉冲阵列的时域采样频率，从而提高了空间分辨率，适用于高速应用需求；增加了脉冲阵列空域采样频率，适用于视觉任务空间分辨率需求。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.01 seconds)
