-
公开(公告)号：CN108550171A
公开(公告)日：2018-09-18
申请号：CN201810357939.1
申请日：2018-04-20
Applicant: 东北大学
Abstract: 本发明提供一种基于交比不变性的含有八卦编码信息的线阵相机标定方法，涉及相机标定技术领域。基于交比不变性的含有八卦编码信息的线阵相机标定方法，将八卦理论应用于线阵相机标定板的设计，使标定板的图案中包含有编码信息；再利用投影的交比不变性，得到标定板上图案与相机视平面的交点，利用这些交点及其对应的像素值，计算得到线阵相机的内外参数，并将获取的线阵相机内外参数作为初值，在实际的成像模型下利用非线性优化方法获取最终的标定结果。本发明提供的基于交比不变性的含有八卦编码信息的线阵相机标定方法，可以不需要移动标定板就明确的分辨出视场线位置，且标定板制作简单，成本较低，能够实现简单而又快速进行线阵相机的标定。
-
公开(公告)号：CN108537849A
公开(公告)日：2018-09-14
申请号：CN201810357938.7
申请日：2018-04-20
Applicant: 东北大学
IPC: G06T7/80
Abstract: 本发明提供一种基于同心圆环的三维直角靶标的线阵相机标定方法，涉及相机标定技术领域。基于同心圆环的三维直角靶标的线阵相机标定方法，使用三维直角块作为标定靶标的几何基底，使用同心圆环图案作为靶标图案，然后在实验平台上依次放置线阵相机、作为光源的专业光照设备以及标定靶标，并利用线阵相机拍摄获取图像，进而获得靶标图案与相机视平面相交后的明暗线段信息，利用这些明暗线段端点及其对应的像素值，结合交比不变性质来计算相机参数。同时靶标上辅助设计了区域标签，可以明确的分辨出视场线位置。本发明提供的基于同心圆环的三维直角靶标的线阵相机标定方法，算法简单且不需要移动靶标，具有较高的准确性和稳定性。
-
公开(公告)号：CN103544709B
公开(公告)日：2016-07-13
申请号：CN201310548696.7
申请日：2013-11-07
Applicant: 东北大学
Abstract: 本发明属于智能检测和机器视觉领域，具体公开了一种基于显著活动轮廓模型的硅钢板表面微小缺陷检测方法，主要实现复杂背景下硅钢板表面微小缺陷的准确检测。本发明方法的实现步骤主要包括：首先采用视觉显著方法对采集的硅钢板表面图像进行检测判断该图像是否为缺陷图像；然后采用显著活动轮廓模型对缺陷图像进行定位检测。实验结果显示，尽管硅钢板表面的背景比较复杂，给微小缺陷的检测带来了较大的挑战，而本发明方法可以准确的检测定位包括点缺陷和凹痕缺陷等所有的表面微小缺陷。
-
公开(公告)号：CN103617426A
公开(公告)日：2014-03-05
申请号：CN201310643883.3
申请日：2013-12-04
Applicant: 东北大学
Abstract: 本发明公开一种自然环境干扰和有遮挡时的行人目标检测方法，提出了HOG-CLBP特征提取方法结合NEU-Person样本库和通过其训练得出的人体部件模型，配合SVM分类器将行人检测问题转化为二分类问题来进行检测。随机抽取这两库训练集中的正负样本来训练，测试样本也随机抽取这两个库的测试集样本来测试；此处的正样本是NEU-Person库中的测试集的正样本。本发明NEU-Person样本库进行训练产生用于检测的部件模型，NEU-Person样本库涉及雨、雪、雾、夜间和迷彩等多种环境的样本，因此使得行人检测具有很强的鲁棒性。
-
公开(公告)号：CN103544709A
公开(公告)日：2014-01-29
申请号：CN201310548696.7
申请日：2013-11-07
Applicant: 东北大学
Abstract: 本发明属于智能检测和机器视觉领域，具体公开了一种基于显著活动轮廓模型的硅钢板表面微小缺陷检测方法，主要实现复杂背景下硅钢板表面微小缺陷的准确检测。本发明方法的实现步骤主要包括：首先采用视觉显著方法对采集的硅钢板表面图像进行检测判断该图像是否为缺陷图像；然后采用显著活动轮廓模型对缺陷图像进行定位检测。实验结果显示，尽管硅钢板表面的背景比较复杂，给微小缺陷的检测带来了较大的挑战，而本发明方法可以准确的检测定位包括点缺陷和凹痕缺陷等所有的表面微小缺陷。
-
Patent Agency Ranking
公开(公告)号：CN113902783B
公开(公告)日：2024-04-30
申请号：CN202111373805.7
申请日：2021-11-19
Applicant: 东北大学
Abstract: 本发明提供一种融合三模态图像的显著性目标检测系统及方法，属于图像显著性检测技术领域，所述系统通过全局注意力加权融合实现了对三个模态的高级特征更细致的融合，并通过空洞卷积操作得到大尺度特征，对大尺度特征使用特征矩阵相乘的方式，保存了特征图整体间信息的关联性；通过双模态注意融合实现了跨模态信息的更充分融合，以深度图像为主要引导，另外两模态特图像分别作为辅助补充，两模态相辅相成，再结合使用空洞卷积、矩阵相乘、矩阵相加等方式处理特征，从而实现了更好的跨模态融合；通过三模态交互加权实现了对三模态信息的互补融合，同时在继承上一层解码特征的基础上，补充了当前层的详细特征，使整个解码过程不断丰富信息。
-
公开(公告)号：CN117496319A
公开(公告)日：2024-02-02
申请号：CN202311453665.3
申请日：2023-11-02
Applicant: 东北大学
IPC: G06V10/80 , G06T7/30 , G06T3/4038
Abstract: 本发明提供一种基于未配准双模态图像融合的全天候目标检测系统及方法，涉及多模态图像目标检测技术领域。该系统包括：图像采集与注释模块、特征提取模块、配准模块、目标优化模块、解码模块。该方法包括：采集RGBT图像对并注释目标对象；利用特征提取网络对RGBT图像对进行特征提取；利用空间交叉注意力机制和利用通道交叉注意力机制处理提取到的特征，得到调整后的双模态特征；利用调整后的热红外图像特征对调整后的RGB图像特征进行重采样完成模态配准；并对模态配准后的RGB图像特征进行目标优化，得到融合增强特征；对融合增强特征进行卷积处理，并预测RGBT图像对中所有目标的所在位置和所属类别，提高了RGBT图像对的配准度，解决了复杂干扰背景的问题。
-
公开(公告)号：CN110717896B
公开(公告)日：2023-05-09
申请号：CN201910905112.4
申请日：2019-09-24
Applicant: 东北大学
Abstract: 本发明涉及工业表面缺陷检测技术领域，提供一种基于显著性标签信息传播模型的板带钢表面缺陷检测方法。首先，获取板带钢表面图像I；然后，从图像I中提取边界框，并执行边界框选择策略；接着，对图像I进行超像素分割，并从每个超像素中提取特征向量；然后，构建显著性标签信息传播模型，基于多示例学习框架构建训练集来训练基于KISVM的分类模型，用训练后的模型对测试集分类，得到类别标签矩阵，并计算平滑约束项、高层先验约束项，优化求解扩散函数；最后，计算多尺度下的单尺度显著图，通过多尺度融合获取最终的缺陷显著图。本发明能够高效、精确且自适应地检测板带钢表面缺陷，能够均匀高亮完整的缺陷目标并有效抑制非显著的背景区域。
-
公开(公告)号：CN115656213A
公开(公告)日：2023-01-31
申请号：CN202211309417.7
申请日：2022-10-25
Applicant: 东北大学
IPC: G01N21/954 , G01N21/01 , G01C21/00
Abstract: 一种小型钢管内壁表面缺陷全方位智能检测装置，属于管道内壁缺陷检测技术领域，包括引导避障单元、行走驱动单元及全方位缺陷检测单元；引导避障单元、行走驱动单元和全方位缺陷检测单元由前至后顺序分布；引导避障单元与行走驱动单元之间、行走驱动单元与全方位缺陷检测单元之间均通过快速连接单元进行衔接。本发明的小型钢管内壁表面缺陷全方位智能检测装置，与传统的依靠人工方式握持长杆进行缺陷检测相比，不受钢管长度的影响，检测装置在钢管内的行进速度和行进深度可远程遥控设定，行进过程中可实现全方位缺陷检测，降低检测难度的同时大幅度提高检测效率，缺陷检测的可靠性得到大幅度提高，同时可满足不同管径钢管的检测需要。
-
公开(公告)号：CN113902783A
公开(公告)日：2022-01-07
申请号：CN202111373805.7
申请日：2021-11-19
Applicant: 东北大学
Abstract: 本发明提供一种融合三模态图像的显著性目标检测系统及方法，属于图像显著性检测技术领域，所述系统通过全局注意力加权融合实现了对三个模态的高级特征更细致的融合，并通过空洞卷积操作得到大尺度特征，对大尺度特征使用特征矩阵相乘的方式，保存了特征图整体间信息的关联性；通过双模态注意融合实现了跨模态信息的更充分融合，以深度图像为主要引导，另外两模态特图像分别作为辅助补充，两模态相辅相成，再结合使用空洞卷积、矩阵相乘、矩阵相加等方式处理特征，从而实现了更好的跨模态融合；通过三模态交互加权实现了对三模态信息的互补融合，同时在继承上一层解码特征的基础上，补充了当前层的详细特征，使整个解码过程不断丰富信息。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.017 seconds)
