-
公开(公告)号：CN115841563A
公开(公告)日：2023-03-24
申请号：CN202211461487.4
申请日：2022-11-17
Applicant: 北京航空航天大学
Abstract: 本发明涉及三维重建技术领域，且公开了一种大长径比曲面内腔表面的三维重建方法，其特征在于，包括以下步骤：步骤1、采集二维图像信息，通过运用GA‑BP神经网络噪声检测自适应滤波算法，对采集的二维图像信息进行预处理，抑制无用图像信息；步骤2、利用加权平均Harris‑Laplace特征点提取算法与SIFT特征匹配算法，对预处理后的二维图像信息特征点的进行检测与匹配；通过三维智能传感器采集的图像信息可进行壳体内表面形貌特征的三维重构，得到三维模型后，可依据表面形貌凹凸情况实现对抛涂衬层缺陷的识别。除此之外，还可为后续其他模块提供三维模型数据：其一是可以为抛涂过程的曲面段与直线段抛涂间的衔接提供数据参照。
-
公开(公告)号：CN112116700B
公开(公告)日：2022-09-16
申请号：CN202010887244.1
申请日：2020-08-28
Applicant: 北京航空航天大学
Abstract: 本公开的实施例公开了基于单目视图的三维重建方法与装置。该方法的一具体实施方式包括：获取输入图像；对上述输入图像进行多次卷积处理，得到多层特征图序列；将上述多层特征图序列中的第二层特征图输入至局部特征增强模块以生成局部增强特征图集；响应于对上述多层特征图序列中的最后一层特征图进行卷积操作得到的全局特征图，将上述全局特征图与上述局部增强特征图集进行融合，得到整体特征图；将上述整体特征图输入至三维部件生产器以生成具有部件级信息的三维信息。该实施方式实现了快速准确地呈现三维空间中各个部件级信息。
-
公开(公告)号：CN112509036B
公开(公告)日：2022-06-07
申请号：CN202011387363.7
申请日：2020-12-01
Applicant: 北京航空航天大学
IPC: G06T7/70 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种位姿估计网络训练及定位方法、装置、设备、存储介质。方法包括：以真实样本图像为基准，对各真实样本图像中的样本对象的目标检测结果进行随机采样，获取各真实样本图像中的样本对象的至少一个随机采样样本图像；基于各真实样本图像中的样本对象的置信度图、在标准坐标系下的坐标图、在相机坐标系下的深度图，以及，样本对象的至少一个随机采样样本图像对位姿估计网络进行训练，得到训练好的位姿估计网络；在网络训练阶段，位姿估计网络用于基于输入的图像，估计所输入的对象的置信度图、所输入的对象在标准坐标系下的坐标图，以及，所输入的对象在相机坐标系下的深度图。本发明提出的方法提高了位姿估计网络的鲁棒性。
-
公开(公告)号：CN113239943B
公开(公告)日：2022-05-31
申请号：CN202110595282.4
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于部件语义图的三维部件提取组合方法和装置。该方法的一具体实施方式包括：对目标图片进行部件级语义分割以生成至少一个部件分割图；对三维体素模型库中每个三维体素模型进行特征提取以生成多尺度立方体平均场描述子，得到至少一个多尺度立方体平均场描述子；基于该至少一个多尺度立方体平均场描述子，将该至少一个部件分割图中的每个部件分割图作为网络输入进行网络训练；将训练所得到的至少一个特征部件组合成目标体素模型。该实施方式提高了基于图片提取三维模型的精确度。
-
公开(公告)号：CN110570490B
公开(公告)日：2021-07-30
申请号：CN201910840719.9
申请日：2019-09-06
Applicant: 北京航空航天大学
IPC: G06T11/00
Abstract: 本发明实施例提供的显著性图像生成方法及设备，选取孪生网络中目标域单个样本图像作为第一图像和孪生网络中源域图像数据集中的任一图像作为第二图像，并通过第一图像和第二图像训练第一特征提取模块、第二特征提取模块、第一显著性图生成模块、第二显著性图生成模块和判别模块，使得生成的第一显著性图和所述第二显著性图符合显著性预测标准，并将第一特征提取模块和第一显著性图生成模块组成显著性图像生成模型，通过将目标图像输入到所述显著性图像生成模型后，生成所述目标图像的显著性图像，提高了生成目标图像显著性图的效率。
-
Patent Agency Ranking
公开(公告)号：CN110097068B
公开(公告)日：2021-07-30
申请号：CN201910043726.6
申请日：2019-01-17
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明提供一种相似车辆的识别方法和装置，该方法包括：获取待识别车辆的图像，将待识别车辆的图像输入到预先获取的全局模型，获取待识别车辆的车辆特征图像，全局模型为基于卷积神经网络，采用车辆图像集中已标注的车辆全局特征图像和已标注的车辆局部特征图像训练得到的，车辆特征图像包括车辆的唯一标识，根据待识别车辆的车辆特征图像，从多个相似车辆中确定待识别车辆。通过该方法，能够根据车辆的车辆特征图像，准确地区分相似车辆，提高车辆识别的准确率。
-
公开(公告)号：CN110197213B
公开(公告)日：2021-06-04
申请号：CN201910424840.3
申请日：2019-05-21
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明提供一种基于神经网络的图像匹配方法、装置和设备。该基于神经网络的图像匹配方法包括：将待匹配图像组输入神经网络模型，得到该待匹配图像组对应的特征向量；其中，该待匹配图像组包括至少两个待匹配图像；将该待匹配图像组对应的特征向量输入到神经网络模型全连接层的权重矩阵，得到图像匹配模型；将目标图像输入至该图像匹配模型，在该待匹配图像组中除该目标图像之外的其它待匹配图像中，确定与该目标图像匹配的至少一个匹配图像；其中，该目标图像为该待匹配图像组中的任一图像。该方法可以提高图像匹配的准确度。
-
公开(公告)号：CN110135428B
公开(公告)日：2021-06-04
申请号：CN201910303671.8
申请日：2019-04-11
Applicant: 北京航空航天大学
IPC: G06K9/34
Abstract: 本申请提供一种图像分割处理方法和装置，方法包括：获取图像，图像中包括待处理的分割对象；对所述分割对象进行组件分割处理，得到所述分割对象的第一分割结果；根据所述第一分割结果和所述分割对象的组件属性信息，确定组件分割次序；根据所述组件分割次序，对所述第一分割结果和所述图像进行特征融合处理，得到融合特征；根据所述融合特征，确定所述分割对象的第二分割结果；对所述第二分割结果进行合并处理，得到所述分割对象的最终分割结果。充分考虑了构成分割对象的各组件的组件属性信息对组件分割结果的影响，同时利用第一分割结果中各组件对应的分割精度，来指导对分割对象进行的组件分割处理，组件分割过程具有自适应性，分割精度高。
-
公开(公告)号：CN111966851A
公开(公告)日：2020-11-20
申请号：CN202010720455.6
申请日：2020-07-24
Applicant: 北京航空航天大学
IPC: G06F16/538 , G06F16/55 , G06F16/583
Abstract: 本公开的实施例公开了基于少量样本的图像识别方法和系统。该方法的一具体实施方式包括：获取图像集合；对图像集合进行特征提取，得到图像特征集合；根据至少一个基础类别特征，确定每一类支撑样本特征和查询样本特征的相似度；根据相似度对图像集合进行分类，得到分类结果；控制具有显示功能的终端设备将分类结果进行显示。实现了更加精准的图像分类，使显示的分类结果更加吸引用户，增加网络流量。
-
公开(公告)号：CN107730503B
公开(公告)日：2020-05-26
申请号：CN201710818219.6
申请日：2017-09-12
Applicant: 北京航空航天大学
Abstract: 本发明实施例提供一种三维特征嵌入的图像对象部件级语义分割方法与装置，所述方法包括：获取目标二维图像的三维特征信息；根据所述目标二维图像的三维特征信息和所述目标二维图像的二维特征信息，对所述目标二维图像进行部件级语义分割。本申请的技术方案，在对图像进行部件级语义分割时，不仅考虑了图像的二维特征信息，同时考虑了图像的三维特征信息，进而提高了图像部件级语义分割的准确性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.032 seconds)
