一种基于多层嵌套笼体的实时交互式图像变形方法

    公开(公告)号:CN102496140A

    公开(公告)日:2012-06-13

    申请号:CN201110401999.7

    申请日:2011-12-06

    Abstract: 本发明公开了一种基于多层嵌套笼体的实时交互式图像变形方法。该方法包括如下步骤:A、根据图像生成网格,所述网格由网格顶点和由网格顶点围成的网格面组成;B、对需要变形的图像区域生成多层嵌套笼体,所述多层嵌套笼体由多个多边形构成,且所述多个多边形不交叉;C、计算笼体坐标,所述笼体坐标是指每个网格顶点的位置相对于多层嵌套笼体的系数,所述生成的网格顶点的位置为多层笼体顶点位置的线性组合;D、将所述多层嵌套笼体的顶点作为手柄,通过交互式操作该手柄来实现变形;E、将笼体坐标进行打包,并将打包的笼体坐标作为纹理输入图像处理单元以用于使用线性方程更新网格顶点位置实现实时的图像变形。本发明实现了使用多层嵌套笼体实时交互式地对图像进行变形,并可通过多次重复以对图像实现各种可能的变形效果。

    基于无重叠点云数据的三维形状拼接方法、装置和设备

    公开(公告)号:CN116188743A

    公开(公告)日:2023-05-30

    申请号:CN202310118365.3

    申请日:2023-02-10

    Abstract: 本发明实施例提供一种基于无重叠点云数据的三维形状拼接方法、装置和设备,该方法包括:获取第一目标对象的第一点云数据和第二目标对象的第二点云数据;第一点云数据和第二点云数据之间无重叠;将第一点云数据和第二点云数据输入至预训练的目标神经网络,得到目标变换矩阵和点云数据的边界点信息;目标变换矩阵表示点云数据拼接的姿态信息;目标神经网络是基于待拼接的点云数据样本训练得到的;根据目标变换矩阵和点云数据的边界点信息,对第一点云数据和第二点云数据进行拼接,得到目标拼接对象。本发明实施例的方法提升了点云数据的拼接效率和准确性。

    多视角图像一致性的无监督深度预测方法、系统、装置

    公开(公告)号:CN111476835B

    公开(公告)日:2021-08-10

    申请号:CN202010437242.2

    申请日:2020-05-21

    Abstract: 本发明属于领域,具体涉及了一种多视角图像一致性的无监督深度预测方法、系统、装置,旨在解决深度预测中监督方法费时费力,而无监督方法预测结果精度低的问题。本发明包括:基于无监督密集深度网络以及无监督姿态网络构建图像深度预测网络;获取多个不同视图的图像簇集合作为训练样本集合;结合图像簇中不同视角图像的颜色一致性、深度一致性及深度平滑损失构建总损失函数;进行无监督的深度预测网络的训练;通过训练好的网络获取输入图像的预测深度。本发明避开了监督学习方法中需要的高质量大规模数据集和相应真值深度标注,降低成本、提高效率,同时结合了多视图的颜色一致性、深度一致性和深度平滑损失,实现了高精度无监督的深度预测。

    针对离群点移除方法的对抗样本生成方法、系统和装置

    公开(公告)号:CN111914946B

    公开(公告)日:2021-07-06

    申请号:CN202010835090.1

    申请日:2020-08-19

    Abstract: 本发明属于图像识别领域,具体涉及了一种针对离群点移除方法的对抗样本生成方法、系统和装置,旨在解决现有的基于深度学习的分类模型训练所采用的对抗样本无法在移除离群点的方法下使图像分类出错,导致训练出的分类模型鲁棒性差精确度低的问题。本发明包括:获取带有类别标签的训练数据集,将三维点云数据输入分类模型并计算分类损失,分别计算分类损失关于三维点云数据的梯度和关于移除离群点的三维点云数据的梯度,并将两种梯度融合乘以缩放因子生成融合扰动,将融合扰动施加到三维点云数据中反复迭代生成对抗样本。本发明生成的对抗样本在移除离群点的情况下仍然能造成图像分类错误,提高了训练出来的模型的鲁棒性和分类精确度。

    光照与生长方程共同约束的三维数字树木生长建模方法

    公开(公告)号:CN107507268B

    公开(公告)日:2020-07-03

    申请号:CN201710639328.1

    申请日:2017-07-31

    Abstract: 本发明公开了一种光照与生长方程共同约束的三维数字树木生长建模方法,用于解决现有三维数字树木生长建模方法不能约束树木生长高度的技术问题。技术方案是根据植物生长方程,通过输入三维数字树木根的起始位置和初始的主干方向,以及树木生长空间的光照信息,一轮一轮地迭代生长。首先计算各个树枝的顶芽和侧芽获得的光照资源,然后计算光照资源的汇聚和分配量,再利用生长方程约束树木的生长速度,确定每个顶芽和侧芽是否生长以及生长的速度,最后计算出新的树枝位置和分枝模型的几何量,更新树枝中各个结点的半径值。停止迭代生长后,输出树枝模型,添加树叶。本发明解决了在光照资源充分的条件下,不能约束树木的生长高度的技术问题。

    固定点数的二维等半径最大化泊松圆盘采样方法及系统

    公开(公告)号:CN106204742B

    公开(公告)日:2019-03-08

    申请号:CN201610563518.5

    申请日:2016-07-18

    Abstract: 本发明公开了一种固定点数的二维等半径最大化泊松圆盘采样方法和采样系统。其中,该方法包括根据用户指定的采样点数目和采样区域,生成第一采样点集;对所述第一采样点集进行Delaunay三角化,并提取Delaunay三角化结果中的最短边长作为第一采样半径;确定所述第一采样点集是否达到所述最大化泊松圆盘采样;在所述第一采样点集达到所述最大化泊松圆盘采样的情况下,记录所述第一采样点集及所述第一采样半径。通过本发明实施例解决了如何实现点数固定的最大化泊松圆盘采样的技术问题,可使得采样点集具有很好的蓝噪声性质,具有简单、易于实现、性能稳定且能够收敛的优点,可应用于图像渲染和纹理合成等应用中。

    基于多视角图像的过程式植物模型重建方法

    公开(公告)号:CN109285217A

    公开(公告)日:2019-01-29

    申请号:CN201811052482.X

    申请日:2018-09-10

    Abstract: 本发明属于植物建模及计算机图形处理技术领域,具体涉及一种基于多视角图像的过程式植物模型重建方法,旨在解决现有方法构建植物模型与真实数据间误差较大,精度不高的问题,本方法包括:获取植物多视角图片信息;基于颜色和几何一致性的稠密深度估计;多视角深度信息融合的三维点云数据获取;通过预先构建的枝干结构生长参数表示模型并采用所述三维点云数据约束植物生长,构建所述植物的三维树枝结构模型。本发明为从多视角的图像重建出完整的树木模型提供了解决方案,获取的点云和模型与原始图像具有很高的吻合度,巧妙地结合了植物过程式建模与数据驱动的植物重建方法,不仅能够保证模型的精度,同时也能够保持植物的生物学意义。

    基于多尺度三维先验信息的屋顶分割方法、系统与设备

    公开(公告)号:CN109215049A

    公开(公告)日:2019-01-15

    申请号:CN201810788765.4

    申请日:2018-07-18

    Abstract: 本发明涉及计算机视觉领域,具体涉及一种基于多尺度三维先验信息的屋顶分割方法、系统与设备,旨在提高屋顶分割的准确度和精细度。本发明的屋顶分割方法,首先对航拍图像进行多尺度超像素分割,得到多尺度的分割图层;然后针对每个尺度的分割图层,计算基于混合暗通道先验的逐像素深度信息、对应分割区域的近邻对比度信息、对应分割区域的形状先验信息,并计算近邻对比度信息和形状先验信息的混合概率图;接下来利用概率图模型融合多个尺度的混合概率图得到最终概率图,并根据最终概率图结合自动阈值分割方法获得初始屋顶分割结果;最后根据初始屋顶分割结果,利用高阶条件随机场生成精确屋顶分割结果。本发明提高了屋顶分割的准确度和精细度。

    光照与生长方程共同约束的三维数字树木生长建模方法

    公开(公告)号:CN107507268A

    公开(公告)日:2017-12-22

    申请号:CN201710639328.1

    申请日:2017-07-31

    Abstract: 本发明公开了一种光照与生长方程共同约束的三维数字树木生长建模方法,用于解决现有三维数字树木生长建模方法不能约束树木生长高度的技术问题。技术方案是根据植物生长方程,通过输入三维数字树木根的起始位置和初始的主干方向,以及树木生长空间的光照信息,一轮一轮地迭代生长。首先计算各个树枝的顶芽和侧芽获得的光照资源,然后计算光照资源的汇聚和分配量,再利用生长方程约束树木的生长速度,确定每个顶芽和侧芽是否生长以及生长的速度,最后计算出新的树枝位置和分枝模型的几何量,更新树枝中各个结点的半径值。停止迭代生长后,输出树枝模型,添加树叶。本发明解决了在光照资源充分的条件下,不能约束树木的生长高度的技术问题。

Patent Agency Ranking