-
公开(公告)号:CN117007032A
公开(公告)日:2023-11-07
申请号:CN202310548670.6
申请日:2023-05-15
Applicant: 安徽大学
IPC: G01C21/00 , G06T7/70 , G06T7/80 , G06T7/269 , G06T7/10 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种矿山非结构化特征的结合实例分割和光流估计双目相机和IMU紧耦合SLAM方法。具体过程如下:订阅IMU里程,对IMU信息进行预积分,并将结果进行传播;通过相机对当前帧进行获取,加入对动态物体干扰线程,负责对关键帧图像进行实例分割,得到潜在动态物体掩膜,对当前帧和上一帧进行光流估计,得到每一个动态物体的运动信息,去除非运动物体掩膜。获取真实物体掩膜。在跟踪线程提取特征后,使用干扰去除线程得到的掩膜去除从动态物体上提取的特征点,然后根据帧间特征点匹配获取相机的运动,实现跟踪与定位。
-
公开(公告)号:CN116824628A
公开(公告)日:2023-09-29
申请号:CN202310646389.6
申请日:2023-06-02
Applicant: 安徽大学
IPC: G06V40/10 , G06T5/40 , G06N3/0464 , G06T5/00 , G06N3/08
Abstract: 本发明提供一种矿井低照度环境下的轻量化行人检测方法,涉及图像检测技术领域,离线使用的直方图均衡化图像增强算法,增强的图像数据和原始数据混合,按照8:2进行数据集的划分。以YOLOv5作为基准模型,使用MobileNetV3特征提取部分,结合SE注意力机制模块作为YOLOv5的骨干网络,检测头head部分网络结构保持不变。在保证精度满足的条件下,改进后的检测网络显著可以显著降低模型的参数由701.3万减少为394.5万个,推理每张图片用时由12.7ms缩减为3.3ms,可以显著提升模型的推理速度,符合矿井工业场景下对于轻量化部署和运算的需求。
-
公开(公告)号:CN105046701B
公开(公告)日:2017-09-15
申请号:CN201510402217.X
申请日:2015-07-08
Applicant: 安徽大学
Abstract: 本发明一种基于构图线的多尺度显著目标检测方法,以构图线为目标、其余为背景出发,通过多次特征相关性比较逐步更新目标和背景,形成显著图,并通过背景角度的细化、超像素内像素之间差异的矫正及多尺度融合实现显著目标检测,克服现有图像显著目标检测方法未能直接利用目标特征形成显著图的不足。所述构图线定义为摄影构图法则中的三等分构图线、对角构图线、三角形构图线、黄金比例构图线或金色螺线构图线。所述方法以构图线作为目标的初始值,能够充分利用假定已知目标的特征完成显著性计算。
-
公开(公告)号:CN105046701A
公开(公告)日:2015-11-11
申请号:CN201510402217.X
申请日:2015-07-08
Applicant: 安徽大学
Abstract: 本发明一种基于构图线的多尺度显著目标检测方法,以构图线为目标、其余为背景出发,通过多次特征相关性比较逐步更新目标和背景,形成显著图,并通过背景角度的细化、超像素内像素之间差异的矫正及多尺度融合实现显著目标检测,克服现有图像显著目标检测方法未能直接利用目标特征形成显著图的不足。所述构图线定义为摄影构图法则中的三等分构图线、对角构图线、三角形构图线、黄金比例构图线或金色螺线构图线。所述方法以构图线作为目标的初始值,能够充分利用假定已知目标的特征完成显著性计算。
-
公开(公告)号:CN104680546A
公开(公告)日:2015-06-03
申请号:CN201510118787.6
申请日:2015-03-12
Applicant: 安徽大学
IPC: G06T7/00
CPC classification number: G06T7/0002
Abstract: 为克服图像显著目标检测中颜色对比度先验和边界先验单一特征的不足,提供一种图像显著目标检测方法,依据公式S=(Sc+Sb)·exp(O),将按颜色对比度先验特征检测图像所形成的显著图Sc和按边界先验特征检测图像所形成的显著图Sb相加,再与整个图像的Objectness特征的指数函数相乘,产生最终的显著图S。所述图像显著目标检测方法充分考虑颜色对比度先验特征与边界先验特征之间的互补性及完整目标Objectness特征的抑制作用,有效提取显著目标。
-
-
-
-