一种雨夜车道线识别方法
    1.
    发明公开

    公开(公告)号:CN119206660A

    公开(公告)日:2024-12-27

    申请号:CN202411064431.4

    申请日:2024-08-05

    Abstract: 本发明涉及车道线识别技术领域,具体涉及一种雨夜车道线识别方法,包括将雨夜车道线图片输入到夜间雨条纹检测模块中,通过夜间雨条纹检测模块中的PReNet网络渐进的递归方式来处理,得到雨夜车道线图片上的赋予更高的权重的雨条纹位置信息;将雨条纹位置信息和雨夜车道线图片同时输入到图像复原网络Uformer中进行修复,将雨夜车道线图片中雨条纹位置信息对应的雨条纹删除,获得增强图像x;将增强图像x输入到车道线检测模块中,通过车道线检测模块中改进的ERFNet检测网络中进行检测,通过检测得到车道线检测结果。本方法解决了雨夜车道线图像受雨条纹遮掩、车道线检测精度差的问题,提升了车道线检测的精度。

    一种多模态融合的三维目标检测方法及系统

    公开(公告)号:CN117237609A

    公开(公告)日:2023-12-15

    申请号:CN202311204784.5

    申请日:2023-09-19

    Abstract: 本发明涉及目标检测技术领域,特别是涉及一种多模态融合的三维目标检测方法及系统。包括:对当前帧点云数据进行裁剪,得到点云数据的检测区域,并定义点云数据的检测区域的体素;对体素进行体素化处理,得到多个处理后的体素;对处理后的体素对应的点云数据进行下采样操作,得到多组多尺度的体素特征;将图像数据输入至特征提取网络ResNet50,生成多张不同大小的图像特征,与体素特征共同输入至语义融合模块;将体素特征中的点云数据投影到图像特征中,以得到具有语义信息的增强特征,与点云数据的检测区域的体素的特征进行拼接,得到拼接后的特征;本发明通过融合的方式实现了激光雷达和相机之间的互补,提高了目标检测性能。

    一种基于OPTICS算法的路径规划方法及系统

    公开(公告)号:CN117168485A

    公开(公告)日:2023-12-05

    申请号:CN202311175574.8

    申请日:2023-09-13

    Abstract: 本发明涉及路径规划技术领域,特别是涉及一种基于OPTICS算法的路径规划方法及系统。包括:通过OPTICS算法对障碍物集合进行聚类处理,以得到新障碍物集合;接收所述新障碍物集合,对栅格地图进行栅格化处理,以得到处理后的栅格地图;在所述处理后的栅格地图上使用改进的A*算法进行全局路径规划,所述改进的A*算法在启发式信息f(n)=g(n)+η·h(n)中添加变化因子η,以得到规划路径;利用基于贪婪算法的路径剪枝方法规划所述规划路径,以得到剪枝后的规划路径;对所述剪枝后的规划路径使用贝塞尔曲线进行平滑,以得到平滑的规划路径。本发明更易于后期的轨迹跟踪用于多障碍物地图上规划,且本发明的收敛速度较快,拐点少,路径平滑性较好。

    基于FA-LADRC的无人船艇航向控制系统

    公开(公告)号:CN111897324A

    公开(公告)日:2020-11-06

    申请号:CN202010589381.7

    申请日:2020-06-24

    Abstract: 本发明公开了一种基于FA-LADRC的无人船艇航向控制系统,具体如下:跟踪微分器接收设定的航向角信息,计算航向角近似值以及其一阶微分;线性扩张状态观测器接收实际的航向角信息和船艇的输入控制量,计算出无人船实际航向的估计值及其一阶微分的估计值,同时计算总扰动的估计值;线性状态误差反馈模块根据线性扩张状态观测器传送的总扰动估计值然对输入控制量进行补偿,计算无人船艇的输出控制量;结合实际航向角信息和无人船艇航向设定信息,利用萤火虫算法对线性自抗扰模块观测器带宽wo和无阻尼频率wc进行整定,使最终航向输出稳定。需要整定的参数更少,算法简单高效;结合萤火虫算法,通过时间乘绝对误差积分准则建立目标函数,系统更为稳定高效。

    一种人脸表情识别加密解锁装置和方法

    公开(公告)号:CN109165588A

    公开(公告)日:2019-01-08

    申请号:CN201810915955.8

    申请日:2018-08-13

    Inventor: 韩超 翟蒙锁

    Abstract: 本发明公开了一种人脸表情识别加密解锁装置和方法,属于图像处理与模式识别技术领域,装置的外表面设有图像采集区、显示区和键盘区,以及设置在装置内的图像预处理模块、人脸检测模块、表情识别模块和中央处理模块,显示区位于图像采集区和键盘区之间,人脸检测模块连接图像预处理模块和中央处理模块,中央处理模块的输出端连接显示区,键盘区设有对应不同人脸表情的字符。本发明通过采集人脸的不同表情关联不同的字符,形成依赖人脸表情的动态密码,解决了视频伪装人脸实现解锁的安全隐患问题,每次进行人脸表情识别时显示屏显示动态密码,然后相关人员每次输入字母表情识别顺序都不同,安全性显著提高。

    基于任意图像识别的密码锁及应用该密码锁的行李箱

    公开(公告)号:CN108185609A

    公开(公告)日:2018-06-22

    申请号:CN201810176384.0

    申请日:2018-03-03

    Inventor: 周婷婷 韩超

    Abstract: 本发明公开了一种基于任意图像识别的密码锁及应用该密码锁的行李箱,该密码锁设置在行李箱的箱体上,包括图像识别系统、供电电路、图像采集模块、按键模块、电机和锁舌,应用该密码锁的行李箱包括箱体、转轮、锁盒和拉杆,图像采集模块获取图像信号后传输给图像识别系统,图像识别系统处理图像信号,控制电机动作,电机带动锁舌旋出或旋入锁盒。使用者可使用预先设置的图像解锁行李箱,安全性高,且解锁密码不容易遗忘,使用便利。

    一种基于无锚点检测的多目标跟踪方法及系统

    公开(公告)号:CN117911458A

    公开(公告)日:2024-04-19

    申请号:CN202410119830.X

    申请日:2024-01-29

    Inventor: 韩超 刘聪

    Abstract: 本发明公开了一种基于无锚点检测的多目标跟踪方法及系统,涉及计算机视觉技术领域,包括以下步骤:S1、将视频流内容以视频帧方式输入,采用残差34网络作为主干网络,并在主干网络上融合深层聚合网络,以提取目标的全局特征信息,完成多层次目标特征的融合;S2、将融合后的目标特征输入检测分支网络,以获取目标的检测框,其中检测分支网络包含中心点模块、检测框尺寸模块、检测框偏移量模块和边缘特征提取模块,本发明基于无锚点检测的多目标跟踪方法避免了多目标跟踪过程中全局特征提取不充分、遮挡情况下跟踪精度低和ID切换频繁的问题,可在满足实时性的条件下,提高多目标跟踪精度和跟踪效果。

    一种基于改进SSAGCN算法的行人轨迹预测方法及系统

    公开(公告)号:CN116824693A

    公开(公告)日:2023-09-29

    申请号:CN202310614993.0

    申请日:2023-05-29

    Inventor: 韩超 杨基坤

    Abstract: 本发明涉及行人轨迹预测技术领域,特别是涉及一种基于改进SSAGCN算法的行人轨迹预测方法及系统。包括:获取行人轨迹预测数据集,对所述行人轨迹预测数据集中的数据进行处理;构建SSAGCN网络模型;将所述SSAGCN网络模型的主干特征网络融合改进的行人注意力分配模块,得到融合后的SSAGCN网络模型;通过TXP‑CNN对所述训练集中的行人轨迹坐标进行预测,得到预测结果,利用损失函数训练所述融合后的SSAGCN网络模型;将所述验证集输入至所述融合后的SSAGCN网络模型,得到最优权重,并通过对所述测试集进行测试,得到最终的轨迹预测结果。本发明将SSAGCN应用到行人轨迹预测中,在原来的行人交互特征提取网络中,增加新的注意力分配模块,得到更有用的特征,能够更好的预测行人轨迹。

    基于相位掩膜优化的全息视网膜投影近眼显示方法及系统

    公开(公告)号:CN116466484A

    公开(公告)日:2023-07-21

    申请号:CN202310439359.8

    申请日:2023-04-23

    Abstract: 本发明涉及全息视网膜投影近眼显示技术领域,特别是涉及一种基于相位掩膜优化的全息视网膜投影近眼显示方法及系统。包括:以目标图像分布的矩形孔径进行补零填充作为输入振幅,并叠加随机相位掩模,得到全息平面的初始输入复振幅;根据所述全息平面的初始输入复振幅,得到所述全息平面的优化相位掩膜;根据所述优化相位掩膜,得到全息平面复振幅;提取所述全息平面复振幅的相位,得到全息平面物光波的相位;将所述全息平面物光波的相位叠加会聚球面波相位,得到RPD相位分布;对所述RPD相位分布进行编码,得到纯相位全息图;将所述纯相位全息图输入至相位型空间光调制器,以得到全息近眼显示结果。本发明可短时间内实现高质量全息近眼显示效果。

    一种海上船舶目标识别方法

    公开(公告)号:CN111027445A

    公开(公告)日:2020-04-17

    申请号:CN201911227628.4

    申请日:2019-12-04

    Abstract: 本发明公开了一种海上船舶目标识别方法,该方法具体包括如下步骤:S1、构建船舶目标的样本集,样本集包括训练样本集及测试样本集;S2、基于改进后的SSD网络模型对船舶数据训练集进行训练,获取船舶目标识别模型,改进后的SSD网络模型是指在神经网络的第七层加入L2正则化惩罚项,降低第七层的特征敏感度;S3、基于船舶测试数据集对船舶目标识别模型进行测试,当船舶目标识别的准确率大于准确率阈值,则输出所述船舶目标识别模型,若船舶目标识别的准确率小于等于准确率阈值,则执行步骤S2。在SSD网络模型的第七层增加正则化,使得第七层权重矩阵的值减小,从而降低第七层的障碍物特征,从而达到提高船舶目标识别准确度及识别置信度。

Patent Agency Ranking