单像素激光计算成像装置及方法

    公开(公告)号:CN110471082B

    公开(公告)日:2022-01-07

    申请号:CN201910742959.5

    申请日:2019-08-13

    Abstract: 本发明公开了一种单像素激光计算成像装置,包括主动照明模块,用于对待成像的目标场景进行照明;第一成像镜组,对经过目标场景反射的照明信息汇聚成像;DMD调制模块,产生多次编码的高斯随机编码模板矩阵,并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号;第二成像镜组,对所述编码后的目标场景信号进行畸变校正和二次成像;数据采集模块,对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息的总强度值;高分辨率计算成像模块:对目标场景信息的总强度值进行压缩感知重构运算获得高分辨率图像;还公开了一种单像素激光计算成像方法。

    单像素激光计算成像装置及方法

    公开(公告)号:CN110471082A

    公开(公告)日:2019-11-19

    申请号:CN201910742959.5

    申请日:2019-08-13

    Abstract: 本发明公开了一种单像素激光计算成像装置,包括主动照明模块,用于对待成像的目标场景进行照明;第一成像镜组,对经过目标场景反射的照明信息汇聚成像;DMD调制模块,产生多次编码的高斯随机编码模板矩阵,并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号;第二成像镜组,对所述编码后的目标场景信号进行畸变校正和二次成像;数据采集模块,对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息的总强度值;高分辨率计算成像模块:对目标场景信息的总强度值进行压缩感知重构运算获得高分辨率图像;还公开了一种单像素激光计算成像方法。

    基于深度学习的多目标检测识别方法

    公开(公告)号:CN112668469A

    公开(公告)日:2021-04-16

    申请号:CN202011578521.7

    申请日:2020-12-28

    Abstract: 本发明公开了一种基于深度学习的多目标检测识别方法,点云映射网络对已有的3D点云数据集进行二维图像特征映射,加入偏移量特征,获得以三维点云投影并离散成分辨率固定的二维网格;其次,通过条状池化对所述二维网格进行卷积处理,获得一维向量的特征图;再次,卷积网络中引入注意力机制对一维向量的特征图进行强化处理;最后,针对所述一维向量的特征图中每个网格单元设计预测边界框,并且确定目标的空间位置、大小、类别概率和方向信息。本发明首次在点云映射方法中加入偏移量特征,在卷积网络中引入注意力机制,让模型可以更加关注信息量最大的通道特征,而抑制那些不重要的通道特征。

Patent Agency Ranking