|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
一種基于不變量特征匹配的車輛測速方法
本發(fā)明公開了一種基于不變量特征匹配的車輛測速方法，其包括步驟：（1）確定兩幅初始圖像中車輛大致區(qū)域圖像；（2）提取兩幅車輛大致區(qū)域圖像的特征點(diǎn)，獲得兩組不變量特征點(diǎn)的集合；（3）在兩組特征點(diǎn)集合中進(jìn)行特征匹配，得到兩幅車輛大致區(qū)域圖像的匹配特征點(diǎn)集合；（4）計(jì)算每一對匹配特征點(diǎn)在車輛縱向方向上的相對距離；（5）對所有匹配特征點(diǎn)進(jìn)行聚類，聚類中心處的相對距離即為車輛在圖像中的移動(dòng)距離；（6）將圖像距離轉(zhuǎn)化為車輛實(shí)際的行駛距離，除以獲取兩幀圖像的時(shí)間差得到車輛速度。本發(fā)明解決了運(yùn)動(dòng)物體在圖像中的精確定位
安徽建筑大學(xué)
2021-01-12
.jpg){kind=logo}
一種基于輪詢自匹配的網(wǎng)絡(luò)監(jiān)測方法及裝置
本發(fā)明公開了一種基于輪詢自匹配的網(wǎng)絡(luò)監(jiān)測方法及裝置，由可調(diào)光源為待監(jiān)測的鏈路內(nèi)調(diào)制并出射一個(gè)與待監(jiān)測鏈路相對應(yīng)的監(jiān)測脈沖序列，利用接收處理及控制單元發(fā)出的指令逐個(gè)完成對待監(jiān)測的鏈路狀態(tài)識別。本發(fā)明方法能夠有效地對無源光網(wǎng)絡(luò)中各分支光纖鏈路實(shí)現(xiàn)監(jiān)測，在接收端，通過監(jiān)測脈沖序列與終端編碼器匹配時(shí)形成的獨(dú)有信號特征來判別各分支光纖鏈路的狀態(tài)。同時(shí)，該裝置具有結(jié)構(gòu)簡單，能有效降低系統(tǒng)及用戶成本。
東南大學(xué)
2021-04-14
.jpg){kind=logo}
一種基于決策判斷 Hausdorff 距離的圖像匹配方法
本發(fā)明公開了一種基于決策判斷 Hausdorff 距離的圖像匹配方法，包括：（a）讀取模板圖像和待匹配圖像，并獲取相應(yīng)的有限像素點(diǎn)集；（b）設(shè)定匹配閾值和搜索閾值，然后將模板圖像在待匹配圖像中執(zhí)行平移搜索，在此過程中：當(dāng)兩者之間對應(yīng)點(diǎn)的最小距離均小于匹配閾值時(shí)，則取所有最小距離的平均值作為兩者之間的 Hausdorff 距離；反之，則取最小距離中的最大值作為兩者之間的 Hausdorff 距離；（c）對所有搜索點(diǎn)的 Hausdorff 距離取其最小值并與匹配閾值相比較，由
華中科技大學(xué)
2021-04-14
一種基于距離方差最小的工件點(diǎn)云匹配算法
本發(fā)明公開了一種基于距離方差最小的工件點(diǎn)云匹配算法，包 括以下步驟：(1)分別構(gòu)建測量模型點(diǎn)云和帶法矢的設(shè)計(jì)模型點(diǎn)云：(2) 尋找最近點(diǎn)點(diǎn)集及最近點(diǎn)法矢集合；(3)根據(jù)余量要求，建構(gòu)基于距離 方差的目標(biāo)函數(shù)：(4)通過目標(biāo)函數(shù)求解測量模型與設(shè)計(jì)模型間的剛體 變換參數(shù)，并利用剛體變化參數(shù)更新測量點(diǎn)云，實(shí)現(xiàn)點(diǎn)云匹配。本發(fā) 明中的基于距離方差最小的點(diǎn)云匹配算法，對于工件存在余量的情況， 不論凹面和凸面的余量是相等，還是呈差值或者比值關(guān)系，均能較好 的得到點(diǎn)云匹配的結(jié)果，迭代效率高、匹配準(zhǔn)確性好。
華中科技大學(xué)
2021-04-14
一種快速互相關(guān)灰度圖像匹配方法與裝置
本發(fā)明公開了一種快速互相關(guān)灰度圖像匹配方法與裝置，用于在灰度目標(biāo)圖像中查找目標(biāo)圖案的位置與方向，所述方法包括：對模板圖像進(jìn)行極坐標(biāo)轉(zhuǎn)換；獲取灰度目標(biāo)圖像中目標(biāo)圖案的外接盒，將其定義為目標(biāo)圖案搜索區(qū)；在目標(biāo)圖案搜索區(qū)中選取與模板圖像同樣大小的匹配區(qū)域，對所述匹配區(qū)域進(jìn)行極坐標(biāo)轉(zhuǎn)換，計(jì)算所述匹配區(qū)域一維數(shù)據(jù)與所述模板圖像一維數(shù)組的相關(guān)性；直至對所有的匹配區(qū)域均完成相關(guān)性計(jì)算，選取相關(guān)性最大的匹配區(qū)域作為目標(biāo)圖案，獲取所述目標(biāo)圖案的位置與方向。通過本發(fā)明方法，從而縮小匹配的搜索范圍，提高匹配速度，并且通過
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
機(jī)械零件的動(dòng)態(tài)特性設(shè)計(jì)和 NVH 匹配設(shè)計(jì)
機(jī)械零件的動(dòng)態(tài)特性設(shè)計(jì)和 NVH 匹配設(shè)計(jì)
上海理工大學(xué)
2021-01-12
實(shí)踐創(chuàng)新·大學(xué)生創(chuàng)新創(chuàng)業(yè)成果展——高校創(chuàng)新創(chuàng)業(yè)實(shí)踐基地
實(shí)踐創(chuàng)新·大學(xué)生創(chuàng)新創(chuàng)業(yè)成果展主要面向高校創(chuàng)新創(chuàng)業(yè)部門及大學(xué)生群體。該專區(qū)旨在宣傳推介高校創(chuàng)新創(chuàng)業(yè)特色項(xiàng)目典型案例的經(jīng)驗(yàn)做法，構(gòu)建優(yōu)秀大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目庫，并為創(chuàng)新創(chuàng)業(yè)團(tuán)隊(duì)提供政、產(chǎn)、金、貿(mào)、媒等服務(wù)，提升大學(xué)生創(chuàng)新創(chuàng)業(yè)能力、增強(qiáng)創(chuàng)新活力，推進(jìn)高校創(chuàng)新創(chuàng)業(yè)工作向縱深發(fā)展。
云上高博會(huì)
2022-07-28
.jpg){kind=logo}
一種基于機(jī)器學(xué)習(xí)的空間數(shù)據(jù)匹配方法
本發(fā)明涉及一種基于機(jī)器學(xué)習(xí)的空間數(shù)據(jù)匹配方法，包括四個(gè)步驟:1)自動(dòng)生成匹配訓(xùn)練樣本，2) 通過機(jī)器學(xué)習(xí)建立分類器模型及其參數(shù)，3)應(yīng)用分類器模型對輸入空間數(shù)據(jù)進(jìn)行目標(biāo)匹配，4)顧及邏 輯和領(lǐng)域約束對匹配結(jié)果的過濾和改善。其中機(jī)器學(xué)習(xí)采用以空間目標(biāo)的位置、大小、形狀和方位等多 種指標(biāo)作為特征提取。具有如下優(yōu)點(diǎn):可避免量綱標(biāo)準(zhǔn)化和多指標(biāo)加權(quán)中的主觀任意性，匹配精度較加 權(quán)平均方法更高;匹配模型基于樣本數(shù)據(jù)學(xué)習(xí)建立，數(shù)據(jù)的自適應(yīng)性較高;建立模型的典型樣本數(shù)量少， 可大規(guī)模應(yīng)用;利用空間數(shù)據(jù)的內(nèi)在幾何信息，無需額外屬性信息，使用準(zhǔn)入性低。
武漢大學(xué)
2021-04-13
基于 LiDAR 點(diǎn)云輔助的立體影像密集匹配方法及系統(tǒng)
一種基于 LiDAR 點(diǎn)云輔助的立體影像密集匹配方法及系統(tǒng)，將投影獲取立體像對重疊范圍內(nèi)的 LiDAR 點(diǎn)云并濾波處理；將濾波后的點(diǎn)云投影到核線立體像對上，確定后續(xù)密集匹配的視差范圍；建立 金字塔，從金字塔頂層開始，采用三角網(wǎng)約束改造代價(jià)矩陣，進(jìn)行 SGM 密集匹配，并進(jìn)行左右一致性 檢測，得到頂層最終的視差圖；將金字塔當(dāng)前層的視差圖傳遞到下一層作為初始視差圖，根據(jù)當(dāng)前層的 視差圖相應(yīng)確定下一層的視差范圍，將下一層作為新的當(dāng)前層；基于新的當(dāng)前層，同樣處理得到當(dāng)前層 最終的視差圖，直到金字塔的底層，輸出原始影像的視差圖，根據(jù)視差圖，得到立體像對的同名點(diǎn)，生 成密集匹配的點(diǎn)云。
武漢大學(xué)
2021-04-13
基于光譜抽樣直方圖的超光譜降維匹配方法及系統(tǒng)
本發(fā)明提供一種基于光譜抽樣直方圖的超光譜降維匹配方法及系統(tǒng)，包括對待匹配光譜和光譜庫中 的所有光譜分別進(jìn)行歸一化處理，分別獲取歸一化后的待匹配光譜和光譜庫中所有光譜的抽樣直方圖， 計(jì)算待匹配光譜的抽樣直方圖與光譜庫中所有光譜的抽樣直方圖的歐氏距離，在光譜庫中選取與待匹配 光譜抽樣直方圖歐氏距離最小的一條光譜作為匹配對象。本發(fā)明通過對歸一化后的光譜使用等間距的窄 帶進(jìn)行抽樣，從而獲得維數(shù)遠(yuǎn)小于原始光譜的抽樣直方圖，完成了光譜的降維，然后使用降維后的抽樣 直方圖代替原始光譜進(jìn)行匹配，顯著降低了后續(xù)匹配時(shí)的運(yùn)算量，同時(shí)在抽樣時(shí)利用分段提取的方法保 留了光譜圖中的相對位置信息，提高了匹配的精度。
武漢大學(xué)
2021-04-13