-
公开(公告)号：CN103180881B
公开(公告)日：2016-08-03
申请号：CN201080069062.8
申请日：2010-12-24
Applicant: 中国科学院自动化研究所
IPC: G06T17/00
CPC classification number: G06T15/60 , G06T15/04 , G06T15/10 , G06T15/503 , G06T19/20 , G06T2200/12 , G06T2200/16 , G06T2210/36 , G06T2215/12
Abstract: 一种互联网环境中复杂场景真实感快速绘制方法，生成场景对象多分辨率模型序列、场景配置文件、纹理材质文件和场景数据列表文件；将场景对象多分辨率模型序列、场景配置文件、纹理材质文件和场景数据列表文件压缩并上传到服务器；客户端按顺序下载场景数据列表文件、场景配置文件、纹理材质文件、场景对象多分辨率模型序列，所述多分辨率模型序列的下载顺序为先低分辨模型后高分辨模型，场景快速绘制与数据下载同时进行；所述场景快速绘制包括将视锥平行地分割成几个部分，对每个视锥都生成一个阴影图，对阴影图进行滤波，从而得到反走样的阴影效果；离视点最近的深度纹理每帧都更新且尺寸最大，离视点越远更新频率越低且尺寸也越小。
-
公开(公告)号：CN102930597B
公开(公告)日：2015-04-22
申请号：CN201210366868.4
申请日：2012-09-28
Applicant: 中国科学院自动化研究所
IPC: G06T17/00
Abstract: 本发明公开了一种外存三维模型的处理方法，该方法基于空间曲线排序，可进行外存三维模型的点重采样、外存点云的网格化重建、三维模型的压缩，进而用于外存模型分析。本发明所提供的方法能对大规模点云数据进行采样，采样结果具有良好的空间均匀性，同时在重建的时候依然利用到原始数据的约束，能生成与原始点云数据拓扑结构一致的三角形流形网格。
-
公开(公告)号：CN102496140B
公开(公告)日：2013-07-31
申请号：CN201110401999.7
申请日：2011-12-06
Applicant: 中国科学院自动化研究所
IPC: G06T3/00
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。
-
公开(公告)号：CN118644546A
公开(公告)日：2024-09-13
申请号：CN202410682428.2
申请日：2024-05-29
Applicant: 中国科学院自动化研究所
IPC: G06T7/70 , G06T15/02 , G06T7/73 , G06T7/90 , G06N3/0499
Abstract: 本发明提供一种三维姿态优化方法及装置，该三维姿态优化方法包括：对目标物体的姿态数据进行平移和旋转，得到多视角姿态，并采用渲染模型对多视角姿态进行渲染，得到第一渲染图像；渲染模型采用亲和损失函数结合上下文信息对神经辐射场NeRF进行迭代训练得到；根据目标物体对应图像与第一渲染图像之间的颜色和几何损失对姿态数据进行优化，得到优化后的姿态数据；本发明所述方法能够更充分地利用几何约束及捕捉场景中相邻点之间的关系，促进局部一致性，减少了局部模型的偏差，提高了姿态估计的准确性和鲁棒性。
-
公开(公告)号：CN117975054A
公开(公告)日：2024-05-03
申请号：CN202311868848.1
申请日：2023-12-29
Applicant: 中国科学院自动化研究所
Abstract: 本申请公开了一种视频相似度确定方法和装置，其中方法包括：获取第一视频的关键帧；对关键帧进行实例级的语义分割，得到关键帧中各个实例的语义标签；基于语义标签和各个实例之间的位置关系构建关键帧的知识图谱；对知识图谱中各个节点进行聚类，以及将属于同一第一视频的知识图谱进行聚类，并基于聚类结果在第二视频集合中选取候选视频；基于候选视频的候选关键帧的全局图像特征与第一视频的关键帧的全局图像特征，确定第一视频与候选视频之间的相似度。本申请提供的方法和装置，提高了视频相似度的确定效率和确定准确度。
-
Patent Agency Ranking
公开(公告)号：CN116958925A
公开(公告)日：2023-10-27
申请号：CN202310935557.3
申请日：2023-07-27
Applicant: 中国科学院自动化研究所
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/28 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/66 , G06T7/60
Abstract: 本发明提供一种基于协同感知噪声位姿鲁棒矫正的目标检测方法和装置，方法包括：获取自车的自车点云数据，以及连接车的转换点云数据，转换点云数据是基于自车的位姿信息进行视角转换得到；分别对自车点云数据的特征图和转换点云数据的特征图进行特征生成，得到自车的空间置信图和连接车的空间置信图，从空间置信图中定位区域中心点；匹配自车的区域中心点和连接车的区域中心点，基于匹配结果确定细粒度转换矩阵；基于细粒度转换矩阵，对连接车的伪图像表征进行位姿误差矫正，得到矫正伪图像表征；基于自车的伪图像表征和连接车的矫正伪图像表征，进行目标检测。本发明提供的方法和装置，实现了无需额外增加训练且滤除噪声数据、高精度的目标检测。
-
公开(公告)号：CN116758092A
公开(公告)日：2023-09-15
申请号：CN202310532254.7
申请日：2023-05-11
Applicant: 中国科学院自动化研究所
IPC: G06T7/11 , G06V10/44 , G06N3/0464
Abstract: 本发明提供一种图像分割方法、装置、电子设备及存储介质，其中方法包括：获取待分割图像；将所述待分割图像输入至图像特征提取模型，得到所述图像特征提取模型输出的图像特征；基于所述图像特征，对所述待分割图像进行图像分割；所述图像特征提取模型包括并行的三分支注意力机制、视觉转换器和卷积模型，所述三分支注意力机制用于提取所述待分割图像的令牌对应的令牌特征信息，所述视觉转换器用于提取所述待分割图像的全局特征信息，所述卷积模型用于提取所述待分割图像的局部特征信息。本发明提供的方法、装置、电子设备及存储介质，提高了图像特征涵盖的特征信息的全面性，进一步提高了图像特征的提取质量，提高了图像分割的准确性和可靠性。
-
公开(公告)号：CN115294443A
公开(公告)日：2022-11-04
申请号：CN202210457324.2
申请日：2022-04-27
Applicant: 中国科学院自动化研究所 , 北方天途航空技术发展(北京)有限公司
Abstract: 本发明提供一种正射图像生成方法、装置和电子设备，所述方法包括：对当前图像进行特征提取，获取当前图像中的关键点，并在当前图像中确定与关键点匹配的路标点；基于路标点，确定当前图像是否为关键帧图像，若是，则基于GPS误差以及重投影误差对关键帧图像对应的局部地图信息进行优化，并基于优化后的局部地图确定关键帧图像的正射性；若正射性大于阈值，则将关键帧图像投影到地平面上，并将投影后的关键帧图像切分为多个图像瓦片，以及对各图像瓦片以及各图像瓦片的正射值瓦片进行融合，生成各图像瓦片的正射图像。本发明能够实时生成高质量的正射图像，以准确从正射图像中确定测量对象的位置。
-
公开(公告)号：CN111612770B
公开(公告)日：2021-08-31
申请号：CN202010440471.X
申请日：2020-05-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医学图像处理和深度学习领域，具体涉及一种基于主动筛选的半监督病灶检测网络的病灶检测系统、方法、装置，旨在解决现有的病灶检测网络训练难度大、检测精度较低的问题。本系统包括：检测模块，配置为获取待检测的CT图像，通过预训练的病灶检测网络获取病灶的检测结果；所述病灶检测网络基于U‑Net卷积神经网络构建。本发明降低了病灶检测网络的训练难度，提高了检测精度。
-
公开(公告)号：CN109285217B
公开(公告)日：2021-01-29
申请号：CN201811052482.X
申请日：2018-09-10
Applicant: 中国科学院自动化研究所
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。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.04 seconds)
