公开(公告)号：CN114723875A

公开(公告)日：2022-07-08

申请号：CN202111472948.3

申请日：2021-12-04

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 贾海涛 ,  袁丁 ,  张博阳 ,  刘博文 ,  陈璐 ,  孙靖哲 ,  许文波

IPC: G06T17/00 ,  G06T7/10

Abstract: 本发明公开了一种融合了语义分割网络的改进三维场景重建技术。该发明主要针对动态场景下尤其是存在运动物体的室内动态场景下的定位与建图。针对场景重建过程中运动物体会影响三维重建效果的问题，在ORB‑SLAM2框架中加入了目前较为先进的语义分割网络DeeplabV3+，选择MSCOCO数据集训练语义分割网络，将静态特征点和潜在的动态特征点进行区分。而后利用前后帧之间匹配特征点和对应极线的关系进行筛选，确定潜在特征点中处于运动状态的目标特征点并将其剔除，用以得到准确的三维场景地图。加入了语义分割网络的ORB‑SLAM2模型能够一定程度上减少动态场景下运动目标对定位与建图的干扰，且得到的三维地图融合了部分语义信息。

公开(公告)号：CN118897285A

公开(公告)日：2024-11-05

申请号：CN202410934747.8

申请日：2024-07-12

Applicant: 电子科技大学

Inventor： 张寅 ,  裴季方 ,  袁丁 ,  黄钰林 ,  杜淦秋 ,  霍伟博 ,  杨海光 ,  杨建宇

IPC: G01S13/90 ,  G01S7/41 ,  G01S7/40 ,  G06F17/15

Abstract: 本发明公开一种基于快速收缩迭代阈值网络的雷达高分辨成像方法，应用于雷达探测与成像领域，针对雷达天线方向图的低通特性，使得该反卷积问题是一个病态问题，其频带宽度有限，直接逆滤波会导致高频噪声放大而无法获得稳定的反演结果的问题；本发明结合了迭代算法的可解释性和深度学习的优点，将快速迭代收缩阈值算法展开为深度网络，可用于解决现有扫描雷达方位角分辨率低，手工选择参数困难等问题，实现扫描雷达超分辨成像。其特点是将二维雷达数据分割成一维方位向向量，通过一维卷积充分学习其方位向数据的特征，得到快速收缩阈值算法中的最佳参数，从而有效提升雷达图像的方位向分辨率。

公开(公告)号：CN116597077A

公开(公告)日：2023-08-15

申请号：CN202310445442.6

申请日：2023-04-24

Applicant: 电子科技大学

Inventor： 黄钰林 ,  霍伟博 ,  赖珏竹 ,  张寅 ,  袁丁 ,  杨建宇 ,  杨海光 ,  裴季方 ,  张永超

IPC: G06T17/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度展开网络的扫描雷达场景重建方法，首先建立扫描雷达回波信号模型，生成模拟回拨向量，并进行预处理，再建立ISTA深度展开网络，基于ISTA深度展开网络模型训练，最后基于ISTA深度展开网络模型测试，输出场景重建的结果。本发明的方法将深度展开网络与现有ISTA相结合，应用于扫描雷达场景重建任务，并引入了稀疏约束函数，有效实现了各种复杂场景的高分辨重建，通过输入的雷达数据学习最优网络参数，克服了扫描雷达复杂场景成像效果不佳，手工选择参数困难等问题，有效提高了扫描雷达复杂场景重建的分辨率与准确性，使得本发明的方法在各种场景下都具有良好的目标重建性能。

公开(公告)号：CN117368877A

公开(公告)日：2024-01-09

申请号：CN202311354802.8

申请日：2023-10-19

Applicant: 电子科技大学

Inventor： 包毅 ,  黄钰林 ,  袁丁 ,  杨宇 ,  裴季方 ,  霍伟博 ,  张寅 ,  杨建宇 ,  杨海光

IPC: G01S7/41 ,  G01S13/89 ,  G01S13/88

Abstract: 本发明公开的基于生成对抗学习的雷达图像杂波抑制与目标检测方法，应用于雷达探测与成像技术领域，针对现有技术存在的难以有效抑制海杂波的问题；本发明首先建立基于符合K分布模型的海杂波模型，并基于该模型生成模拟海杂波雷达数据；然后构造杂波抵消生成对抗网络；具体包括海杂波抑制生成器与无杂波域鉴别器；其次，基于生成的模拟海杂波雷达数据，采用对抗损失和目标一致性损失组成的损失函数，交替训练海杂波抑制生成器与无杂波域鉴别器，使得杂波抵消生成对抗网络收敛；最后采用训练完成的杂波抵消生成对抗网络，对实际测量到的海杂波雷达数据进行杂波抑制；采用本发明的方法能较好地抑制海杂波，并且本发明的方法具有良好的目标检测效果。