公开(公告)号：CN109754362A

公开(公告)日：2019-05-14

申请号：CN201811582780.X

申请日：2018-12-24

Applicant: 哈尔滨工程大学

Inventor： 叶秀芬 ,  肖树国 ,  刘文智 ,  吉向敏 ,  李海波 ,  李荟 ,  梅新奎 ,  孙晶

IPC: G06T3/00 ,  G06T3/40 ,  G06T3/60 ,  G06T5/00 ,  G06T5/30 ,  G06T7/11 ,  G06T7/187 ,  G06T7/70 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于水下目标检测领域，具体涉及一种用可旋转的边界框标注海参目标检测结果的方法，包括以下步骤：对利用labelme软件制作的海参训练数据集进行数据扩充；构建全卷积神经网络；利用扩充后的数据集对构建好的全卷积神经网络进行离线训练；将包含海参的图像输入到训练好的全卷积神经网络，得到分割图；在所述分割图上进行腐蚀、滤波操作，得到后处理分割图；在所述后处理分割图上寻找最大连通域，即为检测到的海参目标。本发明对得到的分割图做腐蚀操作，剔除了海参周边的“毛刺”，确保最小外接矩形更加精确，使得海参抓取位姿不会出现在海参之外，定位更准确。

公开(公告)号：CN107689078A

公开(公告)日：2018-02-13

申请号：CN201710717268.0

申请日：2017-08-21

Applicant: 哈尔滨工程大学

Inventor： 叶秀芬 ,  江帆 ,  梅新奎 ,  刘文智 ,  王天 ,  赵新华 ,  崔建文 ,  贾同超 ,  宫垠 ,  孙晶

IPC: G06T17/00 ,  G06T19/00

CPC classification number: G06T17/005 ,  G06T19/003

Abstract: 本发明公开了一种基于链表排序平衡二叉树的层次包围盒树构建方法，属于虚拟现实中软体碰撞检测技术领域。本发明将所要建立包围盒树的物体按照合理精度划分成基本几何图元，并生成对应的AABB层次包围盒，创建链表存储二叉树，对所建立二叉树进行遍历，在链表中每个二叉树对象增加一个属性值存储着该二叉树到参照地点的长度，根据链表中二叉树对象中该属性值对链表进行升序排列；遍历链表，将链表中的二叉树两两进行合并，合并结果存入该链表。本发明使用链表排序的平衡二叉树方法降低了树的高度，解决了二叉树合并过程中的重复排序问题，降低了遍历时的时间复杂度，节省了构造树的耗时，提升了碰撞检测过程的实时性及碰撞检测效率。

公开(公告)号：CN103226698B

公开(公告)日：2016-01-27

申请号：CN201310131911.3

申请日：2013-04-16

Applicant: 哈尔滨工程大学

Inventor： 王科俊 ,  邹国锋 ,  孙晶 ,  唐墨 ,  付斌 ,  吕卓纹

IPC: G06K9/00

Abstract: 本发明涉及的是生物特征身份识别领域，特别是涉及一种人脸检测方法。本发明包括下列步骤：读取原始人脸图像；对原始人脸图像进行人脸光照预处理；采用AdaBoost检测候选人脸区域；计算相似度图确认人脸区域图像。本方法在保证检测速度的同时，大大减少了目标区域的误检率，提高了人脸检测的准确率。

公开(公告)号：CN103226698A

公开(公告)日：2013-07-31

申请号：CN201310131911.3

申请日：2013-04-16

Applicant: 哈尔滨工程大学

Inventor： 王科俊 ,  邹国锋 ,  孙晶 ,  唐墨 ,  付斌 ,  吕卓纹

IPC: G06K9/00

Abstract: 本发明涉及的是生物特征身份识别领域，特别是涉及一种人脸检测方法。本发明包括下列步骤：读取原始人脸图像；对原始人脸图像进行人脸光照预处理；采用AdaBoost检测候选人脸区域；计算相似度图确认人脸区域图像。本方法在保证检测速度的同时，大大减少了目标区域的误检率，提高了人脸检测的准确率。

公开(公告)号：CN108876855A

公开(公告)日：2018-11-23

申请号：CN201810519615.3

申请日：2018-05-28

Applicant: 哈尔滨工程大学

Inventor： 叶秀芬 ,  孙晶 ,  刘文智 ,  贾云鹏 ,  王潇洋 ,  周瀚文 ,  梅新奎 ,  陈尚泽 ,  肖树国 ,  宫垠

IPC: G06T7/73 ,  G06T5/00 ,  G06K9/62 ,  H04N9/73 ,  G06N3/04

Abstract: 本发明提出了一种基于深度学习的海参检测和双目视觉定位方法，适用于海洋牧场的水下机器人对海底海参捕捞任务，主要包括以下步骤：通过对双目摄像头进行标定获得摄像机的内外参数；对双目摄像头进行校正，使得左右视图的成像原点坐标一致、两摄像头光轴平行、左右成像平面共面、对极线行对齐；利用标定好的双目摄像头进行海底图像数据采集；对采集到的图像数据进行基于白平衡补偿的暗通道优先算法进行图像增强；对图像增强的海底图像进行基于深度学习的海参目标检测；对经过图像增强和深度学习获得目标二维回归框信息的图像进行双目立体特征点匹配算法得出目标的三维定位坐标信息。本发明可实现水下海参珍品的精确定位，且不需要人工参与。

公开(公告)号：CN109754362B

公开(公告)日：2022-12-13

申请号：CN201811582780.X

申请日：2018-12-24

Applicant: 哈尔滨工程大学

Inventor： 叶秀芬 ,  肖树国 ,  刘文智 ,  吉向敏 ,  李海波 ,  李荟 ,  梅新奎 ,  孙晶

IPC: G06T3/00 ,  G06T3/40 ,  G06T3/60 ,  G06T5/00 ,  G06T5/30 ,  G06T7/11 ,  G06T7/187 ,  G06T7/70 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于水下目标检测领域，具体涉及一种用可旋转的边界框标注海参目标检测结果的方法，包括以下步骤：对利用labelme软件制作的海参训练数据集进行数据扩充；构建全卷积神经网络；利用扩充后的数据集对构建好的全卷积神经网络进行离线训练；将包含海参的图像输入到训练好的全卷积神经网络，得到分割图；在所述分割图上进行腐蚀、滤波操作，得到后处理分割图；在所述后处理分割图上寻找最大连通域，即为检测到的海参目标。本发明对得到的分割图做腐蚀操作，剔除了海参周边的“毛刺”，确保最小外接矩形更加精确，使得海参抓取位姿不会出现在海参之外，定位更准确。