-
公开(公告)号：CN103901499A
公开(公告)日：2014-07-02
申请号：CN201410156305.1
申请日：2014-04-18
Applicant: 燕山大学
IPC: G01V8/10
Abstract: 一种基于三维重建技术的C80车体表面异物检测装置，其包括在待翻敞车车厢组进入翻车房前某一固定位置设置的二维激光测距传感器，该二维激光测距传感器通过网线与检测控制计算机相连。本发明的检测方法主要是：通过扫描得到包含距离、角度信息的点云集数据在三维坐标系上建立三维可视图，并结合图像处理和模式识别技术计算敞车表面凹凸形状及大小，判断出敞车上是否存在人员的火车表面异物检测及报警装置。本发明的装置虽然简单，但能使车体检测实现自动化；本发明的检测方法可靠、效率高、检测结果准确，避免了人员目测视觉误差而导致的人为因素。
-
公开(公告)号：CN101986143A
公开(公告)日：2011-03-16
申请号：CN201010257742.4
申请日：2010-08-11
Applicant: 燕山大学
IPC: G01N21/892 , B65G43/02
Abstract: 一种机器视觉皮带撕裂检测装置，其“一”字线激光器垂直设在皮带输送机的输送皮带和回程皮带之间的固定物体上，在上述固定物体上设有带图像采集卡的取像装置，该设在固定物体上的取像装置通过相机信号传输线与内有软件的普通计算机相连。本发明的检测方法是：取像装置获取到包含线激光条纹的皮带表面图像后经图像采集卡传递到检测控制计算机，检测控制计算机采用灰度重心法对条纹中心进行粗略提取，在粗略提取的光条中心基础上利用sobel梯度算子求取激光条纹法线方向，在法线方向上基于高斯曲线拟合法提取光条中心的亚像素坐标，对提取得到的光条中心线进行断点检测。本发明能准确、高效、稳定地检测出输送机皮带工作时可能产生撕裂事故。
-
公开(公告)号：CN114359589B
公开(公告)日：2024-09-10
申请号：CN202111474482.0
申请日：2021-12-03
Applicant: 燕山大学
IPC: G06V10/74 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了基于逐组SAD成本量和特征重利用的双目立体匹配算法，本发明提出采用逐组SAD的方法去计算成本量，相减可以更明确的表征特征间的相似性，区域的相减考虑了周围像素的信息和上下文信息，可以更加明确的计算特征间的相似性，与全相关和逐组相关相比，提高了成本量的准确性，为3D聚合部分提供了更加精确的信息，进而提高了立体匹配的精度；并且构建了基于稠密连接的特征重利用聚合网络，采用稠密连接的原理对代价聚合部分的多尺寸信息进行重复利用，减少了在编码解码过程中信息的丢失，在一定程度上提高了代价聚合网络的有效性，在不增加时间消耗的前提下，提高了聚合网络的效率，在没有增加时间的前提下进一步提高了匹配精度。
-
公开(公告)号：CN114943863B
公开(公告)日：2024-08-02
申请号：CN202210659145.7
申请日：2022-06-10
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06T5/77 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/08
Abstract: 本发明公开了一种基于图像修复的船只水尺数字的识别方法，属于计算机视觉领域，所述方法包括：获取并制作可用于训练的船只水尺图像数据集并进行预处理，得到包含预处理后的多类船只图片；对定义好的分类修复模型，选用加入DF损失函数合成新的生成损失函数进行训练，多次训练得到最优模型；将以上步骤训练得到的最优模型应用到船只水尺数字图像修复中，对损坏的图像进行修复和测试，然后进行实时识别并用准确率和权重概率两个指标进行判断。本发明相较于现有修复模型，能够在充分利用视觉结构信息和类别信息提升修复分类识别准确度的基础上，更好地将因环境而磨损、腐蚀等的船只水尺图像修复并获得更准确的实时识别结果，给检测人员带来便利。
-
公开(公告)号：CN114764754B
公开(公告)日：2024-04-09
申请号：CN202210307257.6
申请日：2022-03-25
Applicant: 燕山大学
IPC: G06T5/77 , G06T5/50 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于几何感知先验引导的遮挡人脸修复方法，包括如下步骤：步骤S1、建立人脸语义解析模块；步骤S2、将遮挡人脸图像输入到人脸语义解析模块中以获取人脸语义解析图；步骤S3、将人脸语义解析图、遮挡人脸图像和随机遮挡Mask拼接成5通道的图片，作为步骤S4中修复网络生成器的输入；步骤S4、构造修复网络生成器，得到最终修复图像；步骤S5、修复图像输入到全局判别器和局部判别器；步骤S6、用设计好的方法在公开数据集上进行实验并测试Peak Signal‑to‑Noise Ratio、Structural Similarity Index和Fréchet Inception Distance三个指标。
-
Patent Agency Ranking
公开(公告)号：CN115810183A
公开(公告)日：2023-03-17
申请号：CN202211580759.2
申请日：2022-12-09
Applicant: 燕山大学
IPC: G06V20/58 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/08 , G06N3/0464 , G06N3/0455 , G06V10/764
Abstract: 本专利公开了一种基于改进VFNet算法的交通标志检测方法。其包含如下步骤：(1)准备交通标志检测数据集，交通标志检测数据集包含训练集和测试集两个部分，并对交通标志检测数据集进行格式转换，转换为MSCOCO格式；(2)搭建改进后的VFNet网络模型；(3)使用改进后的VFNet网络在交通标志检测数据集的训练集进行训练，保存最优的模型；(4)将测试集输入训练保存的最优模型中进行测试，验证改进后的模型的检测效果。本发明改进的VFNet网络能够提升交通标志检测的检测精度。
-
公开(公告)号：CN114998448A
公开(公告)日：2022-09-02
申请号：CN202210655001.4
申请日：2022-05-19
Applicant: 燕山大学
Abstract: 本发明公开了一种多约束双目鱼眼相机标定与空间点定位的方法。首先使用左右两台双目鱼眼相机拍摄圆形标定物得到原始畸变图像，采用高斯拟合的全局阈值算法对畸变图像进行阈值分割，获取标定圆的边界，计算所述畸变图像中标定圆的质心作为特征点，然后采用Kannala模型计算初始双目相机参数，根据初始参数反投影得到空间点，计算空间几何误差、极线约束误差、距离约束误差、垂直约束误差以及共线约束误差并建立优化目标函数，采用列文伯格‑马夸尔特法对优化目标函数进行求解，获得高精度最优的双目相机参数。
-
公开(公告)号：CN114998225A
公开(公告)日：2022-09-02
申请号：CN202210547672.9
申请日：2022-05-18
Applicant: 燕山大学
Abstract: 本发明公开了一种用于鱼眼图像的非局部立体匹配算法，首先根据鱼眼相机成像模型推导出鱼眼立体系统的对极曲线约束，以极曲线约束为基础规范对应点的搜索路径计算初始匹配代价；然后对初始匹配代价空间进行信任传播优化，防止大面积的错误代价值进入代价聚合过程，将基于最小生成树(MST)的非局部代价聚合算法应用于鱼眼图像，对优化后的匹配代价空间进行代价聚合；最后使用赢家通吃策略计算视差图，对视差误匹配区域进行基于视差的分块优化，从而获得鱼眼图像稠密视差结果。
-
公开(公告)号：CN114943863A
公开(公告)日：2022-08-26
申请号：CN202210659145.7
申请日：2022-06-10
Applicant: 燕山大学
Abstract: 本发明公开了一种基于图像修复的船只水尺数字的识别方法，属于计算机视觉领域，所述方法包括：获取并制作可用于训练的船只水尺图像数据集并进行预处理，得到包含预处理后的多类船只图片；对定义好的分类修复模型，选用加入DF损失函数合成新的生成损失函数进行训练，多次训练得到最优模型；将以上步骤训练得到的最优模型应用到船只水尺数字图像修复中，对损坏的图像进行修复和测试，然后进行实时识别并用准确率和权重概率两个指标进行判断。本发明相较于现有修复模型，能够在充分利用视觉结构信息和类别信息提升修复分类识别准确度的基础上，更好地将因环境而磨损、腐蚀等的船只水尺图像修复并获得更准确的实时识别结果，给检测人员带来便利。
-
公开(公告)号：CN114863260A
公开(公告)日：2022-08-05
申请号：CN202210376060.8
申请日：2022-04-11
Applicant: 燕山大学
IPC: G06V20/05 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/80 , G06V10/44 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于深度学习的Fast‑YOLO实时水母检测方法，通过收集真实环境下水母图像形成水母数据集，并对数据集进行人工标注；该检测方法主要对YOLO‑V4进行了不同程度的优化，使用深度可分离卷积替换原来的标准卷积；采用自适应特征融合替换掉原来特征相加和拼接运算；采用局部跳跃连接加强特征融合；采用轻量化GhostNet主干网络；采用改进后的算法对训练集进行训练得到模型权重，进行水母实时检测；本发明的水母检测方法具有高精度、轻量化、耗时低的特点，适用于移动端设备。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.021 seconds)
