-
公开(公告)号：CN116863053A
公开(公告)日：2023-10-10
申请号：CN202310858434.4
申请日：2023-07-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于知识蒸馏的点云渲染增强方法。本发明包括以下步骤：步骤1、构造并训练神经辐射场；输入图像序列，使用训练好的神经辐射场进行重建，得到场景隐式表达；步骤2、训练可微分的点云渲染器，在训练的过程当中，将得到的场景隐式表达作为先验知识，利用知识蒸馏来修正Z‑buffer，从而得到更好的渲染结果。本发明利用先前学习到神经辐射场所产生的高质量的Z‑Buffer，作为高质量的先验，来修正可微分的点云渲染器的权重，以减少渲染中的噪点和其他失真效果，从而生成更加准确和精细的渲染图像。通过这些改进，本发明能够在保持点云原有信息的基础上提高渲染效果和质量，从而更好地满足VR/AR系统等下游任务的需求。
-
公开(公告)号：CN116823940A
公开(公告)日：2023-09-29
申请号：CN202310393130.5
申请日：2023-04-13
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 郭泰佑 , 胡江涛 , 徐浙峰 , 宣仲玮 , 朱尊杰 , 徐枫 , 王帅 , 高宇涵 , 王廷宇 , 孙垚棋 , 王鸿奎 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
Abstract: 本发明公开了一种三维场景移动物体检测方法，首先对同一场景在两个时间点创建的点云模型进行预处理，再将预处理后的两个点云进行配准；将配准后的两个点云分别进行物体检测，得到两个物体集合；之后将配准后的两个点云进行差分，得到它们的差异区域,根据差异区域从两个物体集合中分别提取得到两个候选移动物体集合；最后将候选移动物体集合进行暴力配准物体匹配，得到最终移动信息。本发明方法更加轻量简洁，便于用于公安，安防，机器人等地方。
-
公开(公告)号：CN108876897B
公开(公告)日：2022-10-18
申请号：CN201810361369.3
申请日：2018-04-20
Applicant: 杭州电子科技大学
Abstract: 本发明属于计算机视觉与计算机图形学相结合的领域。本发明公开了一种相机快速运动下的场景三维重建方法。本发明步骤如下：步骤1：预处理；步骤2：建立模糊模型；步骤3：相机姿态估计；步骤4：从深度相机采集的模糊深度图中提取出清晰深度图像，将清晰深度图像计算得到的三维点云模型与当前场景模型进行融合，获得新的场景模型。本发明利用相机模糊原理，建立快速运动下的相机运动模型，在进行相机姿态估计时，先利用图像信息估计出一个粗糙的相机姿态作为ICP的初始值，再利用ICP和深度图得到相对准确的相机姿态信息，最后利用能量函数优化该相机姿态信息。传统方法单纯使用ICP方法估计相机姿态，这在快速运动的情况下是无法实现的。
-
公开(公告)号：CN113536417A
公开(公告)日：2021-10-22
申请号：CN202110683663.8
申请日：2021-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于平面约束的室内场景模型补全方法。在稠密室内三维重建的基础上使用循环使用RANSAC方法进行三维平面的检测，通过平面检测结果，将室内环境分割为不同的平面区域和物体区域，然后利用物体区域中各mesh顶点的邻接关系将空间上彼此分离的物体分割开，然后分别在不同的平面区域和不同的物体模型上进行孔洞检测，分别完成孔洞补全任务，然后将逐个补全的结果放在同一个三维空间中，最终完成室内全场景的三维模型孔洞补全任务。本发明消除了不同物体上孔洞之间的干扰，极大的提高了物体模型的补全精度，提高了补全效果，在对场景中的平面模型进行补全时，能够在平面方程的约束下，实现更加鲁棒的平面补全效果。
-
公开(公告)号：CN113160411A
公开(公告)日：2021-07-23
申请号：CN202110441618.1
申请日：2021-04-23
Applicant: 杭州电子科技大学
IPC: G06T17/10
Abstract: 本发明公开了一种基于RGB‑D传感器的室内三维重建方法，本发明方法通过将RGB信息引入物体识别分类，通过使用图注意模块，能够更好地避免噪声对原始扫描数据干扰导致物体识别结果并不理想的情况，并且，有别于以往的重建过程，应用CAD模型替换扫描场景中的物体来得到整洁、紧凑的表示，在最后重建完成的时候通过将CAD模型与场景中的物体进行关键点差异的比较，通过迭代优化减少对齐误差，使得CAD模型在大小及位姿上都与场景中的物体一致。本发明可以解决由于传感器噪声干扰以及传感器运动产生的模糊所带来的分类识别不准确，以及整体场景重建精度不够的问题，且由于引入CAD模型，可自由编辑，增加了场景的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN113160179A
公开(公告)日：2021-07-23
申请号：CN202110442873.8
申请日：2021-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于动态区域卷积的图像去模糊方法，首先构造动态卷积层，在输入的不同区域中使用不同的卷积核进行卷积；然后使用动态卷积层构造生成器，将模糊图转变为清晰图像；构造判别器，与生成器构成生成对抗网络，并使用真实的清晰图像与生成器生成的清晰图像的损失网络进行训练；训练结束后，仅保留生成器；将模糊图像输入训练后的生成器即可获得清晰图像。本发明利用动态卷积，考虑到了输入数据的区域之间的差异性，针对不同区域使用不同卷积核进行卷积，从而提升特征提取能力。由动态卷积构造的生成对抗网络在单张图像去模糊任务中性能有所提升。
-
公开(公告)号：CN108805972A
公开(公告)日：2018-11-13
申请号：CN201810319864.8
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于地面法向和二维交线的三维重建方法。本发明步骤如下：步骤1：输入一张清晰具有三条相交平面交线的二维图片，并且注明该二维图片所对应地面的法向量以便确定所有平面的空间位置。步骤2：利用canny算子对输入的二维图片进行边缘检测；步骤3：获取二维图片中三条平面交线的像素坐标；步骤4：利用fmincon函数进行优化求解；步骤5：根据fmincon函数求解得到的函数最优值，最优值对应的X值为交线上点的坐标对应的z坐标值。步骤6：利用已经求得的数据坐标，使用MATLAB自带的surf函数绘制出三维平面。本发明减小三维重建对硬件设备的要求，降低硬件成本，节约用户资金。
-
公开(公告)号：CN108648224A
公开(公告)日：2018-10-12
申请号：CN201810481159.8
申请日：2018-05-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于人工神经网络的实时场景布局识别及重建方。本发明用人工神经网络模型对输入序列进行处理，并通过寻找单帧之间的相关性，得到室内场景的布局识别后，在曼哈顿世界假设下，利用空间中一点在像素坐标系下存在唯一投影的原理，迭代优化，得到场景中每个平面的单位法向量和该平面到相机中心的距离，并在OpenGL下渲染平面。本发明利用人工神经网络，并寻找帧与帧间的联系，使得网络输出结果和三维重建结果更为精确；使用单目的RGB信息还原三维信息，减少硬件成本，同时利用每帧得到的布局信息，使用优化算法求解得到场景中每个平面的法向量和到相机中心距离。
-
公开(公告)号：CN108519482A
公开(公告)日：2018-09-11
申请号：CN201810106349.1
申请日：2018-02-02
Applicant: 杭州电子科技大学
IPC: G01N33/574 , G01N27/48
Abstract: 本发明公开一种基于核酸适配体的多乳腺癌肿瘤标志物联合检测仪器。本发明包括信号标记物、磁珠-适配体复合材料；以及电解池、三电极测量装置、基于单片机STM8L的测量与分析系统；信号标记物包括连接有MUC1核酸适配体的标记物，以及连接有HER-2核酸适配体的标记物。采用多金属离子标签标记不同的乳腺癌肿瘤标志物的核酸适配体代替传统的蛋白质类抗体，实现了多种乳腺癌肿瘤标志物的同时联合检测，降低了检测成本。采用核酸适配体替代蛋白质抗体，减少了对于检测环境的要求。同时提高了信号标记物的储存时长。
-
公开(公告)号：CN109709178A
公开(公告)日：2019-05-03
申请号：CN201910151118.7
申请日：2019-02-28
Applicant: 杭州电子科技大学
IPC: G01N27/26 , G01N27/30 , G01N27/327
Abstract: 本发明属于食品安全检测技术领域，具体涉及一种纳米铂/石墨烯柔性电极的制备方法及应用；纳米铂/石墨烯柔性电极的制备方法，包括以下步骤：步骤一、分别配制氧化石墨烯溶液和铂的前驱体溶液；步骤二、制备氧化石墨烯纸；步骤三、对氧化石墨烯纸进行化学还原以制得氧化还原石墨烯柔性电极；步骤四、将氧化还原石墨烯柔性电极连接至一电化学工作站，将铂的前驱体溶液加入电解液中，采用循环伏安法扫描，制得纳米铂/石墨烯柔性电极。与传统电极检测结果相比，纳米铂/石墨烯柔性电极检测灵敏度更高，检测过程没有析出氢气，结果更稳定，同时检测范围也更广；并且电极在结构上更加灵活，更容易微型化，适合各种场合下对没食子酸的快速检测。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.029 seconds)
