“熊邦书”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果35个，建议您升级VIP下载更多相关专利

[发明专利]一种基于点光源检测的直升机机载旋翼桨尖位移测量方法-CN202310725004.5在审
发明人： 熊邦书;郑文浩;欧巧风;韩思进;熊皓文 -专利权人：南昌航空大学
申请日： 2023-06-19 - 公布日： 2023-08-29 - 主分类号： G01B11/02 文献下载
摘要：本发明公开了一种基于点光源检测的直升机机载旋翼桨尖位移测量方法，属于图像数据处理领域。该方法将点光源固定在直升机旋翼桨尖区域实现全天候桨尖标记，并在直升机底部以倾斜角度固定工业相机采集旋翼桨尖区域图像，其次结合高斯感受野和加权特征融合设计一种微小目标检测的深度学习模型，能够在较大视场实现点光源的精准识别与定位。该方法主要包括以下步骤：1）工业相机的视觉标定；2）旋翼桨尖区域图像采集；3）基于深度学习的点光源检测：4）斜视误差补偿，并计算桨尖位移量。本发明采用深度学习网络模型和计算机视觉实现直升机机载旋翼桨尖位移测量，具有高精度、实时、全天候的优点，可为新型直升机设计提供试飞数据支撑。
一种基于光源检测直升机机载旋翼桨尖位移测量方法

[发明专利]一种基于一维卷积神经网络的羽毛球落地点检测方法-CN202310696361.3有效
发明人：欧巧凤;钟亮;熊邦书;方霆;刘畅 -专利权人：南昌航空大学
申请日： 2023-06-13 - 公布日： 2023-08-29 - 主分类号： G06V20/40 文献下载
摘要：本申请涉及一种基于一维卷积神经网络的羽毛球落地点检测方法，它包括如下步骤：S1：制作羽毛球坐标序列数据集；S2：构建基于一维卷积神经网络的羽毛球落地点检测模型；S3：训练与验证羽毛球落地点检测模型；S4：使用训练好的模型实现羽毛球落地点实时检测。本发明使用一维卷积神经网络模型，对羽毛球运动轨迹序列进行检测，输入羽毛球坐标序列，由模型推理输出不含有落地点或者含有落地点时各个点属于落地点的概率。相较于使用曲线拟合或者对速度、加速度建立数学模型等设置先验阈值的方式，本发明具有更高的准确率和更强的泛化性，适用于许多序列特征点检测任务。
一种基于卷积神经网络羽毛球落地检测方法

[发明专利]一种基于立体视觉的飞机舵面角测量方法-CN202111587098.1有效
发明人： 熊邦书;赵伟刚;欧巧凤;李新民 -专利权人：南昌航空大学
申请日： 2021-12-23 - 公布日： 2023-05-05 - 主分类号： G01C1/00 文献下载
摘要：一种基于立体视觉的飞机舵面角测量方法，测量装置包括双目立体视觉系统、图像采集和数据处理系统；测量方法主要步骤包括：测量前，通过测量软件完成测量系统参数设置和立体视觉系统标定；测量时，立体视觉系统通过外触发进行飞机舵面角测量图像采集，然后进行图像处理和三维坐标计算，其次利用最小二乘法计算飞机舵面法向量，利用法向量夹角计算飞机舵面角。相比传统的机械测量方法和传感器测量方法，本发明采用基于立体视觉的测量方法，测量设备不需要固定在飞机舵面上，对飞机舵面没有损害，具有非接触的优点；相比前人提出的立体视觉测量方法，本发明运用畸变校正方法、CIC圆形标记点快速定位方法和最小二乘方法，提高测量精度。
一种基于立体视觉飞机舵面角测量方法

[发明专利]一种基于单目视觉原理的双旋翼桨尖距测量系统及方法-CN202211496515.6在审
发明人：易晖;汤永;熊邦书;李开成;余鹏礼;谢亚文;黄安 -专利权人：中国直升机设计研究所
申请日： 2022-11-27 - 公布日： 2023-05-02 - 主分类号： G06T7/00 文献下载
摘要：本发明属于航空地面测试技术领域，公开了一种基于单目视觉原理的双旋翼桨尖距测量系统及方法，包括相机、触发控制器、特征标记图案和计算机；触发控制器生成控制指令控制相机按照一定频率对粘贴在共轴双旋翼直升机上、下主旋翼桨尖的特征标记图案进行拍摄，所拍摄的图像集输入到计算机中后，计算机根据计算机内存储的深度学习神经网络模型识别共轴双旋翼直升机的上下主旋翼桨尖的间距。本发明采用的基于单目视觉原理，通过采集上下桨叶在重叠时刻的二维图像，通过图像处理和深度学习方法对图像对进行处理和识别，最终计算得到桨尖距数值，实现复杂背景和光照环境下的共轴双旋翼直升机的上下旋翼桨尖距的实时、可靠测量和监测，保证试验的安全。
一种基于目视原理双旋翼桨尖距测量系统方法

[发明专利]基于深度残差网络的密集架通道异物存在性判别方法-CN202211612924.8在审
发明人：欧巧凤;曾庆红;熊邦书;方霆;刘畅;张利平;徐迪;聂夏青 -专利权人：南昌航空大学;江西远大保险设备实业集团有限公司;江西方德科技有限公司
申请日： 2022-12-15 - 公布日： 2023-04-18 - 主分类号： G06V10/82 文献下载
摘要：本发明提供一种基于深度残差网络的密集架通道异物存在性判别方法，包括以下步骤：1)构建密集架通道图像数据集；2)构建深度残差网络模型；3)训练深度残差网络模型；4)模型的导出和调用;本发明利用深度神经网络强大的特征提取能力，在复杂的光照和地面背景条件下，能够对密集架通道异物进行快速准确的判别，同时具有操作简便、抗干扰性强、部署成本相对较低的特点。本发明可用于密集架通道异物的实时判别，并极大地提高密集架管理效率，为密集架的生产和经营企业降低成本压力。
基于深度网络密集架通道异物存在判别方法

[发明专利]一种基于时序编解码网络的羽毛球检测与跟踪方法-CN202211612918.2在审
发明人：欧巧凤;钟亮;熊邦书;方霆;刘畅;张利平;徐迪;聂夏青 -专利权人：南昌航空大学;江西远大保险设备实业集团有限公司;江西方德科技有限公司
申请日： 2022-12-15 - 公布日： 2023-04-11 - 主分类号： G06T7/20 文献下载
摘要：本发明提供一种基于时序编解码网络的羽毛球实时检测与跟踪方法，涉及智能图像处理和机器视觉领域，该方法结合通道注意力机制与时序网络结构，设计一种基于编解码网络架构的羽毛球检测与跟踪模型，通过通道注意力机制对输入特征的重新校准、时序网络结构对图像序列帧间信息的充分利用。能够在复杂背景下对图像序列中存在运动模糊的羽毛球进行实时准确检测与稳定跟踪，有效提高了羽毛球的检测准确率与跟踪稳定性。同时，这是编解码网络首次运用于羽毛球检测与跟踪任务。此外，为了提高羽毛球检测的定位精度，网络使用了二值热力图轮廓检测的方法，避免了端到端网络输出定位坐标精度不足的缺点,进一步提高了羽毛球检测的精确度。
一种基于时序解码网络羽毛球检测跟踪方法

[发明专利]一种基于强化学习的大视场摄像机标定方法-CN202011327332.2有效
发明人：欧巧凤;谢群群;熊邦书;张育斌 -专利权人：南昌航空大学
申请日： 2020-11-24 - 公布日： 2023-04-07 - 主分类号： G06T7/80 文献下载
摘要：本发明公开了一种基于强化学习的大视场摄像机标定方法，其方法步骤为：首先，建立标定图像采集过程的马尔科夫决策模型，并利用先验知识初始化马尔科夫决策模型；然后，建立大视场摄像机成像系统仿真模型，用于模拟标定系统并计算标定误差；再结合标定精度要求以及马尔科夫决策模型的状态空间约束，设计奖励模型，将标定误差增量等信息转换为状态‑动作对对应的奖励；最后，基于值函数逼近的Q‑learning方法结合约束条件进行训练，求解马尔科夫决策模型的标定操作最优策略。该发明操作简单，精度高，稳定性好。
一种基于强化学习视场摄像机标定方法

[发明专利]一种基于旋转目标检测的指针式仪表自动读数方法-CN202210807428.1在审
发明人： 熊邦书;谭澄圭;章照中;欧巧凤;余磊;饶智博 -专利权人：南昌航空大学
申请日： 2022-07-07 - 公布日： 2022-10-18 - 主分类号： G06V30/14 文献下载
摘要：本发明涉及视觉测量技术领域，具体涉及一种基于旋转目标检测的指针式仪表自动读数方法，其主要步骤包括：表盘区域提取与透视变换；指针检测与细化；刻度值识别；读数计算。本方法利用Fast SCNN网络提取表盘区域并进行透视校正，为后续识别工作提供高质量的表盘图像；构建基于R3Det的改进型旋转目标检测网络，获取指针检测框，具有精度高的特点；获得指针骨架、表盘刻度后，采用角度法计算读数，实现自动读数。本发明提出的基于旋转目标检测的指针式仪表自动读数方法，能精确地定位指针区域，并在该区域内进行带方向的腐蚀去除干扰、拟合指针所在直线，极大地提高了指针提取的精度，尤其对狭细指针具有良好的检测效果。
一种基于旋转目标检测指针仪表自动读数方法

[发明专利]一种基于双目立体视觉的直升机旋翼桨叶扭转角测量方法-CN202011523918.6有效
发明人：余磊;何茜;周啸辉;熊邦书;欧巧凤 -专利权人：南昌航空大学
申请日： 2020-12-22 - 公布日： 2022-10-14 - 主分类号： G01B11/26 文献下载
摘要：本发明公开了一种基于双目立体视觉的直升机旋翼桨叶扭转角测量方法，有以下步骤：将标记点固定在直升机每片桨叶下方且与桨叶垂直；在桨叶侧面安装三组双目摄像机，每组摄像机负责120°视场，并对每组双目摄像机进行标定；在旋翼低速旋转且桨叶处于拉平状态下每隔一定角度拍摄桨叶圆形标记点图片；计算每组双目立体视觉系统采集到的桨叶标记点图像对中标记点圆心的三维坐标，并拟合出桨叶旋转时标记点的轨迹平面；根据高速运动状态下标记点圆心连线与轨迹平面的夹角计算桨叶扭转角。本发明的优点是：能够获得桨叶上圆形标记点在空间不同位置处的三维信息，并通过平面拟合计算桨叶扭转角，具有非接触式、精度高、复杂度低、稳定性强的优点。
一种基于双目立体视觉直升机桨叶扭转测量方法

[发明专利]一种基于K均值聚类的钢轨焊缝轮廓自动定位方法-CN201910265242.6有效
发明人： 熊邦书;刘星武;雷鸰;陈新云 -专利权人：南昌航空大学
申请日： 2019-04-03 - 公布日： 2022-10-04 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于K均值聚类的钢轨焊缝轮廓自动定位方法，包括步骤：1)采集单帧钢轨焊缝图像；2)对单帧钢轨焊缝图像进行预处理；3)利用K均值聚类算法对焊缝图像进行分割；4)粗定位焊缝轮廓；5)精定位焊缝轮廓。本发明的优点是：采用K均值聚类方法对不同进光量的焊缝图像进行分割，均可以得到精确的焊缝分割结果；采用粗定位和精定位两步法，能够自动定位焊缝轮廓。本发明能够实现钢轨焊缝轮廓的自动定位，具有定位效果好、抗干扰能力强和自动化程度高的特点。
一种基于均值钢轨焊缝轮廓自动定位方法

[发明专利]一种基于YOLOV3-Tiny的室外直升机尾桨振动量实时监测方法-CN202210476407.6在审
发明人： 熊邦书;陈加保;欧巧凤;余磊 -专利权人：南昌航空大学
申请日： 2022-04-29 - 公布日： 2022-08-16 - 主分类号： G06V10/22 文献下载
摘要：本发明涉及基于YOLOV3‑Tiny的直升机尾桨振动量实时监测方法，其包括以下步骤：1)计算机视觉标定；2)实时尾桨图像采集；3)尾桨桨尖区域智能定位；4)尾桨桨尖气动中心点定位；5)尾桨振动量实时监测。本发明利用计算机视觉技术进行高速、高质量的尾桨图像采集和计算机视觉标定，具有精度高的特点；采用YOLOV3‑Tiny深度学习网络对尾桨桨尖区域进行智能定位，保证了室外全天候复杂光照和背景下的精准定位，具有适应性强、速度快的特点；通过桨尖的几何特性定位桨尖的气动中心点，实现了尾桨振动量的实时监测。本发明可用于直升机尾桨振动量的实时监测，为新型直升机的设计、改进提供数据支撑，指明改进方向。
一种基于 yolov3 tiny 室外直升机振动实时监测方法

[发明专利]一种基于贝叶斯推理的直升机动部件动态阈值计算方法-CN201811227688.1有效
发明人： 熊邦书;丛雷;李新民;雷鸰 -专利权人：南昌航空大学
申请日： 2018-10-22 - 公布日： 2022-07-26 - 主分类号： G06F30/15 文献下载
摘要：本发明公开了一种基于贝叶斯推理的直升机动部件动态阈值计算方法，该方法包括步骤：1)数据预处理，滤除数据中的噪声；2)特征提取，分别提取正常数据和故障数据的特征；3)动态阈值计算，采用贝叶斯推理方法计算正常数据与故障数据的动态阈值。本发明的优点是：在特征提取方法中，分别采用内圈特征频率能量提取、外圈特征频率能量提取、滚珠特征频率能量提取和M6A提取四种方法，对正常数据和不同类型故障数据进行特征提取，可以有效反映出正常和故障数据的振动特性；在动态阈值计算中，采用贝叶斯推理方法，不仅考虑了正常数据的概率密度，而且考虑了不同类型故障数据的概率密度，提高了动态阈值的计算准确度。
一种基于贝叶斯推理直升机部件动态阈值计算方法

[发明专利]一种基于一维卷积神经网络的直升机飞行状态识别方法-CN202110390010.0在审
发明人： 熊邦书;张睿婷;欧巧凤;李新民 -专利权人：南昌航空大学
申请日： 2021-04-12 - 公布日： 2021-07-06 - 主分类号： G06F17/10 文献下载
摘要：一种基于一维卷积神经网络的直升机飞行状态识别方法，包括以下步骤：(1)去除偏离正常的飞行参数数据段；(2)飞行参数预处理；(3)制作飞行状态标签数据集；(4)设计用于飞行状态识别的一维卷积神经网络模型；(5)训练并保存网络模型参数；(6)测试数据并获取每个状态识别准确率。本发明的优点是，使用所有的飞行参数作为网络输入，充分利用参数特征，增强了网络特征的多样性，提高了识别准确率；无需对飞行状态进行预分类，避免了预分类错误导致的分类误差，进一步提高了飞行状态识别的准确率；具有速度快、精度高和鲁棒性好的优点，能够准确识别出直升机的飞行状态。
一种基于卷积神经网络直升机飞行状态识别方法

[发明专利]基于一维靶标旋转运动的四目立体视觉系统全局标定方法-CN202010063124.X在审
发明人：欧巧凤;杨茜;熊邦书;陈垚锋 -专利权人：南昌航空大学
申请日： 2020-01-20 - 公布日： 2020-06-12 - 主分类号： G06T7/80 文献下载
摘要：本发明公开了一种基于一维靶标旋转运动的四目立体视觉系统全局标定方法，首先，分别获取两个双目立体视觉系统视场内一维靶标上标记点的三维坐标，并利用角度传感器测得特定靶标图像拍摄时的角度间隔；其次，根据一维靶标旋转运动形成的圆锥特性，分别对两个双目立体视觉系统采集的标记点进行圆锥拟合，计算圆锥轴线方向和顶点坐标；然后，利用测得的角度间隔，计算两个双目立体视觉系统在垂直圆锥轴线方向的角度偏差；最后，根据两个锥面物理上属于同一个锥面的关系，计算两个双目立体视觉系统坐标系间的旋转平移关系，完成全局标定。该发明无需立体视觉系统间有公共视场，且操作方便，标定速度快，精度高，有较强的实用性。
基于靶标旋转运动立体视觉系统全局标定方法

[发明专利]一种书本边框的图像定位方法-CN201710135203.5有效
发明人： 熊邦书;熊磊;刘炳集;余淑真;邓辉斌 -专利权人：南昌航空大学
申请日： 2017-03-08 - 公布日： 2020-03-31 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种书本边框的图像定位方法，包括步骤：1）书本图像预处理；2）书本边框上边缘寻找；3）书本边框上边缘左右端点粗定位；4）书本边框上边缘左右端点精定位；5）书本边框下边缘寻找。本发明的优点是，充分利用彩色图像的色彩信息，对低强度的边缘也有较好的检测效果；采用直线扫描法完成书本边缘的快速定位以及书本边缘端点的粗定位；采用直线拟合法完成书本边缘端点的精定位，书本边缘轮廓提取不全时也能完成书本边框的精确定位；具有速度快、精度高、鲁棒性好和环境适应能力强的优点，适合用于各种色彩、桌面背景和光照环境下书本边框的精确定位。
一种书本边框图像定位方法

1
2
3
下一页»
尾页
共 35 条