-
公开(公告)号：CN113160382B
公开(公告)日：2022-10-28
申请号：CN202110309292.7
申请日：2021-03-23
Applicant: 清华大学
Abstract: 本申请提出一种基于隐式模板映射的单视图车辆重建方法和装置，涉及计算机视觉中的三维重建技术领域，方法包括：对获取三维车辆模型数据库中每个原始三维车辆模型进行随机纹理赋值获取三维带纹理车辆模型；对三维带纹理车辆模型进行渲染获取原始图片数据集，对每个原始三维车辆模型提取符号距离场；将原始图片数据集和符号距离场输入网络模型进行训练获取输出彩色图片，对输出彩色图片和原始渲染彩色图片进行计算调整网络模型的网络参数，获取已训练的网络模型；获取待处理车辆彩色图片输入已训练的网络模型获取车辆网格模型。由此，只需要使用渲染得到的虚拟数据库，基于隐式模板映射的生成式对抗网络在预测车辆几何结构的同时获得纹理特征。
-
公开(公告)号：CN111476714B
公开(公告)日：2022-10-28
申请号：CN202010238702.9
申请日：2020-03-30
Applicant: 清华大学
Abstract: 本发明公开了一种基于PSV神经网络的跨尺度图像拼接方法及装置，其中，方法包括以下步骤：对图像进行扫描，生成图像PSV；将图像PSV送入神经网络，以提取图像特征，并计算权重；根据权重进行加权组合，获得拼接结果图像。该方法具有拼接效果好，一致性好，能够处理大视差、大尺寸图像，计算速度快，可用于实时拼接等特点，在处理大尺寸图像和现实场景图像方面具有独特的优势。
-
公开(公告)号：CN110197156B
公开(公告)日：2021-08-17
申请号：CN201910464503.7
申请日：2019-05-30
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度学习的单图像的人手动作与形状重建方法及装置，其中，该方法包括：通过相机采集包含人手的单视角RGB图片；利用区域检测深度学习算法对单视角RGB图片中的人手区域进行标记，并对单视角RGB图片进行切割提取人手区域作为子图片，对子图片进行归一化和翻转处理；将处理后的子图片输入预先训练好的人手检测神经网络，得到人手的姿态和形状参数；利用参数化人手模型和人手的姿态和形状参数重建出单视角RGB图片中的人手。该方法基于单视角的人手RGB图片，利用深度学习算法检测出人手的姿态参数和形状参数，并使用预先定义的人手三维模板来重建出人手。
-
公开(公告)号：CN110443884B
公开(公告)日：2021-07-30
申请号：CN201910646553.7
申请日：2019-07-17
Applicant: 清华大学
Abstract: 本发明提出一种手部运动重建方法和装置，其中，方法包括：获取手部深度数据集，其中，手部深度数据集中的每个手部深度数据中包含手部深度图片信息及其对应的手部骨架坐标；控制预设手部模型分别根据手部深度数据集中每个手部深度数据调整姿态，获取姿态调整后的拟合手部模型的姿态参数；根据与每个手部深度数据对应的拟合手部模型的姿态参数高斯分布函数，以便于根据高斯分布函数进行手部运动重建。本发明解决了现有技术中人手的活动较为灵活复杂，与物体交互过程中常常伴随着严重遮挡的技术问题，通过同构单视点的RGB‑D数据，可以获得更加精确的三维重建结果，在较简单的硬件条件下可以获得较好的物体与手部交互重建结果。
-
公开(公告)号：CN113160382A
公开(公告)日：2021-07-23
申请号：CN202110309292.7
申请日：2021-03-23
Applicant: 清华大学
Abstract: 本申请提出一种基于隐式模板映射的单视图车辆重建方法和装置，涉及计算机视觉中的三维重建技术领域，方法包括：对获取三维车辆模型数据库中每个原始三维车辆模型进行随机纹理赋值获取三维带纹理车辆模型；对三维带纹理车辆模型进行渲染获取原始图片数据集，对每个原始三维车辆模型提取符号距离场；将原始图片数据集和符号距离场输入网络模型进行训练获取输出彩色图片，对输出彩色图片和原始渲染彩色图片进行计算调整网络模型的网络参数，获取已训练的网络模型；获取待处理车辆彩色图片输入已训练的网络模型获取车辆网格模型。由此，只需要使用渲染得到的虚拟数据库，基于隐式模板映射的生成式对抗网络在预测车辆几何结构的同时获得纹理特征。
-
Patent Agency Ranking
公开(公告)号：CN112907737A
公开(公告)日：2021-06-04
申请号：CN202110355369.4
申请日：2021-03-31
Applicant: 清华大学
Abstract: 本发明提出一种基于隐函数融合的动态人体三维重建方法和装置，其中，方法包括：通过单个RGBD相机拍摄RGBD图像帧序列；根据预设的参数人体模型对每一帧RGBD图像帧运动跟踪，获取每一帧RGBD图像帧的姿态参数；根据姿态参数确定RGBD图像帧序列中的关键图像帧，并获取关键图像帧的隐含函数；将关键图像帧与对应的隐含函数融合，并对融合的隐函数提取等值面生成三维模型。由此，可以重建出动态、具有丰富几何细节的人体三维模型序列。
-
公开(公告)号：CN110335343B
公开(公告)日：2021-04-06
申请号：CN201910512083.5
申请日：2019-06-13
Applicant: 清华大学
Abstract: 本发明公开了一种基于RGBD单视角图像人体三维重建方法及装置，其中，方法包括：通过深度相机采集人体的RGBD图片，图片包括单视角彩色图片和深度图片的；根据RGBD图片分别得到三维人体模型参数、人体分割信息和二维关节点信息；根据人体分割信息、二维关节点信息和深度图片得到人体三维关节点信息，以根据人体三维关节点信息对三维人体模型的关节点和身体形状进行约束，并优化三维人体模型参数和三维人体模型；根据优化后的三维人体模型渲染深度图片，并利用单视角彩色图片对优化后的三维人体模型的正面进一步优化，以得到人体的三维重建结果。该方法可以利用深度相机采集到的单帧单视角RGBD图片信息进行人体的三维重建。
-
公开(公告)号：CN108629831B
公开(公告)日：2021-03-12
申请号：CN201810317074.6
申请日：2018-04-10
Applicant: 清华大学
Abstract: 本发明公开了一种基于参数化人体模板和惯性测量的三维人体重建方法及系统，其中，方法包括：对人体进行深度图拍摄以得到单张深度图像；读取人体四肢上绑定的惯性测量单元的转向测量读数；获取三维点云和重建模型顶点及参数话人体模型顶点之间的匹配点对；根据匹配点对和转向测量读数得到能量函数和人体姿态参数；对能量函数进行求解，重建模型和参数化人体模板与三维点云进行对齐，以得到对其后的模型；优化转换关系；通过深度图更新和补全对其后的模型，并进一步优化参数化人体模板的人体形态参数。该方法求解准确鲁棒，简单易行，运行速度为实时，拥有广阔的应用前景，可以在PC机或工作站等硬件系统上快速实现。
-
公开(公告)号：CN112330795A
公开(公告)日：2021-02-05
申请号：CN202011080171.1
申请日：2020-10-10
Applicant: 清华大学
Abstract: 本发明公开了一种基于单张RGBD图像的人体三维重建方法及系统，其中，该方法包括：利用深度相机拍摄单张RGBD图像；过高质量人体三维模型渲染出单张RGBD图像并对空间点进行采样得到训练数据；搭建神经网络并使用训练数据进行训练；将单张RGBD测试图像输入训练后的神经网络中进行测试，生成人体三维模型。该方法通过隐式函数表示，建立了一个端到端的神经网络，通过有监督学习，便能够推断出人体以及衣服的几何细节，相较于其他传统重建方法具有简单、便捷的特点。
-
公开(公告)号：CN108171735B
公开(公告)日：2021-01-22
申请号：CN201711443851.3
申请日：2017-12-27
Applicant: 清华大学
IPC: G06T7/33
Abstract: 本发明提出了一种基于深度学习的十亿像素视频对齐方法及系统，其中，方法包括：S1、模型训练及预处理，使用多个数据训练深度学习网络模型，并对局部视频相机图像进行预处理；S2、得到每个局部视频相机图像在全局视频相机图像中匹配特征点最多的位置及位置的匹配特征点对；S3、利用每个局部视频相机图像在全局视频相机图像的最佳匹配位置进行初步对齐；S4、利用每个局部视频相机图像在全局视频相机图像的初步对齐结果，进行精细对齐和交叠区域修正；S5、对精细对齐和交叠区域修正的结果进行光学对齐，得到最终的视频对齐结果。该发明应用深度学习并擅长于提取特征，可以得到更好的特征匹配效果，从而得到更好的视频对齐效果。
-
-
-
-
-
-
-
-
-
Search Results
233
records
(took 0.031 seconds)
