-
公开(公告)号：CN111612731B
公开(公告)日：2021-04-02
申请号：CN202010249788.5
申请日：2020-04-01
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本申请公开了一种基于双目显微视觉的测量方法、装置、系统及介质，该方法包括获取双目显微视觉系统中经相机标定后的左右相机对应的初始左右图像；基于对极几何约束关系，进行图像校正得到左右图像；对左右图像进行下采样，对所得的左采样图像集中最小分辨率对应层的采样图像中的像素点进行立体匹配以及匹配点传播，并进行逐层采样和立体匹配更新以及插值处理，得到稠密视差结果；之后根据相机参数和稠密视差结果对待测对象进行测量。本申请实施例解决现有技术中宏观尺度下的测量方法等对微观尺度的不适用性和准确性低的问题，所提供的测量方法非常适用于显微场景下的双目测量，能够获得良好的准确性和显微测量精度。
-
公开(公告)号：CN111862236A
公开(公告)日：2020-10-30
申请号：CN202010713282.5
申请日：2020-07-22
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种定焦双目相机自标定方法及系统，包括：1)获取左右原始图像；2)校正左右原始图像；3)从左右校正图像中提取特征点并匹配；4)统计左右图像纵坐标偏差的平均值，若大于第一阈值则修正估计第一参数组，校准后再次比较，反复迭代修正，直至小于第一阈值；5)找到静态物体；6)处于移动状态时，追踪静态物体的视差及车轮运动信息；7)得到车轮运动距离与静态物体的三维距离变化值的距离偏差，若大于第二阈值则修正估计第二参数组，重新计算，反复迭代校正，直至小于第二阈值，完成自标定。本发明利用实时图像追踪和车体运动信息，对外参进行优化标定，完成图像校正工作，为车体提供准确的三维识别数据。
-
公开(公告)号：CN111507208A
公开(公告)日：2020-08-07
申请号：CN202010241200.1
申请日：2020-03-30
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明公开了一种基于巩膜识别的身份验证方法、装置、设备和介质，所述方法通过获取待识别对象的原始眼部图像中的巩膜区域图像，并对巩膜区域图像中的血管结构进行增强和提取，得到巩膜区域图像中血管结构的图像信息，基于神经网络模型，对血管结构的图像信息进行特征提取，得到血管结构的特征信息，对巩膜血管的特征信息进行分类识别，根据分类识别的结果进行身份验证。或将血管结构的图像信息与预设的巩膜血管的样本信息进行比对，根据二者的匹配程度进行身份验证。所述方法在特征提取中保留了整体的轮廓特征和细节的纹理差异，使得血管特征发生变化时仍保持良好的可识别性，同时在进行分类识别时，可以通过神经网络更好地提取巩膜血管的特征。
-
公开(公告)号：CN111179246A
公开(公告)日：2020-05-19
申请号：CN201911375942.7
申请日：2019-12-27
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06T7/00
Abstract: 本申请涉及一种像素位移量确认方法、装置、电子设备及存储介质，该方法包括：通过用第一卷积核集合对第一帧图像和第二帧图像的像素进行像素特征提取得到第一特征层集合和第二特征层集合；用第二卷积核集合对第一特征层集合和第二特征层集合进行像素特征提取得到第三特征层集合和第四特征层集合；将第一特征层集合和第三特征层集合聚合处理得到第一聚合特征，将第二特征层集合和第四特征层集合聚合处理得到第二聚合特征；对第一聚合特征和第二聚合特征进行解码处理得到第一帧图像中像素的位移量，如此，对相邻的两帧图像进行多次的像素特征提取，尽可能的提取图像中像素特征，在一定程度上提高了像素位移量的估计精度。
-
公开(公告)号：CN119918598A
公开(公告)日：2025-05-02
申请号：CN202411933694.4
申请日：2024-12-26
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06N3/063 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/46 , G06V10/82 , G06V10/94 , G06F15/78
Abstract: 本发明涉及一种基于数据流驱动的片上卷积神经网络计算系统，包括：卷积神经网络模块，用于对输入图像进行特征提取并生成第一特征张量和第二特征张量；所述卷积神经网络模块包括由若干卷积层构成的共享编码器、特征点解码器和描述子解码器，各个卷积层之间采用流接口进行数据传递，并基于缓存机制实现由数据流驱动的卷积层数据处理；特征点提取模块，用于基于所述第一特征张量提取特征点坐标，并实时输出所述特征点坐标和扫描坐标；描述子计算模块，用于实时获取所述特征点坐标、所述扫描坐标，并根据所述特征点坐标和所述扫描坐标从所述第二特征张量中选择对应位置的张量数据进行描述子计算。本发明能够有效实现并加速片上卷积神经网络计算。
-
Patent Agency Ranking
公开(公告)号：CN119888250A
公开(公告)日：2025-04-25
申请号：CN202411912298.3
申请日：2024-12-24
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于归一化交并比的目标关联方法，包括以下步骤：获取源目标集；对待处理图像进行目标检测，获得若干候选边界框及其置信度；提取置信度高于设定的置信度阈值的所述候选边界框，组成候选目标集；以源目标集中各个待关联目标对应的边界框与各个所述获选边界框的归一化交并比值为元素构建代价矩阵，所述归一化交并比值#imgabs0#基于所述代价矩阵，利用匈牙利算法求解与所述待关联目标最匹配的所述获选边界框，获得多个最佳匹配对；根据每组所述最佳匹配对的归一化交并比值确定目标是否关联。本发明能够显著提升目标追踪关联任务的准确度。
-
公开(公告)号：CN119832176A
公开(公告)日：2025-04-15
申请号：CN202411879409.5
申请日：2024-12-19
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06T17/05 , G06T7/55 , G06T7/70 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/26 , G01C22/00
Abstract: 本发明涉及一种基于多目视觉场景理解的无人系统自主探索方法，该方法融合可见光和红外图像优势，提高了无人系统在恶劣天气、光照变化及通信受限场景下的适应能力。通过多模态图像融合、轻量级目标检测和基于深度阈值的背景滤除实现类像素级的语义分割，精确估算感兴趣目标位姿。利用体素地图和目标检测结果构建探索边界，并基于此实现兼顾探索空间和场景理解的探索决策，引导无人系统执行自主探索任务。本发明为复杂任务场景下的视觉定位与场景感知提供了有力支撑，显著提升无人系统的鲁棒性与环境适应能力，适用于野外救援、隧道巡检及矿洞勘察等复杂任务场景。
-
公开(公告)号：CN119567244A
公开(公告)日：2025-03-07
申请号：CN202411526399.7
申请日：2024-10-30
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种模拟眼球交互式视线的生成方法及装置。其中，生成方法包括以下步骤：通过位置传感器获取交互目标的位置，得到交互目标在第一坐标系的坐标Po；根据位置传感器与模拟眼球的位置关系推导第一坐标系与第二坐标系的坐标转换关系，进而基于所述左边转换关系将坐标Po转换为交互目标在第二坐标系的坐标P1；获取各个模拟眼球的视点在第二坐标系的坐标Oi，其中i代表模拟眼球的序号；根据坐标Oi和坐标P1计算获得各个模拟眼球的交互式视线朝向Di。本发明能够准确获得目标与眼球的相对位置并生成交互式视线，使模拟眼球在交互时更加自然。
-
公开(公告)号：CN116309698B
公开(公告)日：2024-06-11
申请号：CN202310038906.1
申请日：2023-01-11
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06T7/246 , G06T5/00 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于运动特征弥补引导的多帧光流估计方法，包括以下步骤：提取至少连续两帧的输入图像的图像特征；基于相邻两帧的输入图像的图像特征，采用运动编码器得到初始运动特征；将初始运动特征和历史集成特征输入至MFC单元，所述MFC单元通过交叉注意力得到增强运动特征，并与初始运动特征合并得到集成特征；将所述集成特征输入至迭代模块进行迭代计算，得到最终光流。本发明可以大大改进光流估计在遮挡区域的性能。
-
公开(公告)号：CN118038133A
公开(公告)日：2024-05-14
申请号：CN202410067260.4
申请日：2024-01-17
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及一种基于多层级分类分支的目标检测方法及系统。其中的目标检测方法包括以下步骤：获取待测样本；利用基于多层级分类分支的目标检测模型对所述待测样本进行检测，获得目标检测结果；所述基于多层级分类分支的目标检测模型包括：特征提取模块，用来提取所述待测样本的特征向量；特征融合模块，用来对所述特征向量进行特征融合获得融合特征向量；预测模块，用来根据所述融合特征向量生成目标检测框和与所述目标检测框对应的多个层级的分类结果，并将所述多个层级的分类结果进行融合计算得到最终分类结果。在现有深度学习的目标检测网络的基础上，通过增加多层级分类分支预测结果的融合计算，有效提升其分类及识别能力。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.095 seconds)
