-
公开(公告)号：CN114821128A
公开(公告)日：2022-07-29
申请号：CN202210720448.5
申请日：2022-06-24
Abstract: 本发明公开了一种尺度自适应的模板匹配方法，包括：获取不同角度的同一场景的两幅图像，在其中一幅中手工框取感兴趣图像块作为模板图像，另一幅作为搜索图像；将模板图像和搜索图像输入特征提取网络，获取对应的特征图FT和FIS；计算归一化后的FT和FIS各像素之间的相似性，获取相似性度量图；产生自适应多尺度候选框；生成均值滤波后的相似性度量图；在搜索图像中选取出候选图像块；获取任一候选图像块和模板的特征描述；计算模板的特征描述符与任一候选图像块的特征描述符的相似性；将相似性最大的特征描述符所对应的候选图像块作为模板图像最终的匹配结果。本发明可自适应产生目标框，且适用于视角变化较大的立体结构的图像匹配问题。
-
公开(公告)号：CN113221898B
公开(公告)日：2022-02-15
申请号：CN202110412198.4
申请日：2021-04-16
Applicant: 北京科技大学
Abstract: 本发明提供一种自动水位尺读数方法，属于计算机视觉技术领域。所述方法包括：对刻度尺图像进行预处理，生成二值化图像；其中，刻度尺为水位尺；通过霍夫变换检测二值化图像中刻度尺边缘直线倾斜角度，并根据直线倾斜角度调正图像；在调正后的图像上进行像素级计算，得到刻度尺矩阵；判断刻度尺矩阵是否符合先验知识，若不符合，则对刻度尺矩阵进行修正；基于修正后得到的刻度数据确定刻度尺的读数。采用本发明，能够提高刻度尺读数的精确度。
-
公开(公告)号：CN108280485B
公开(公告)日：2020-12-01
申请号：CN201810101215.0
申请日：2018-02-01
Applicant: 北京科技大学
Abstract: 本发明提供一种基于谱图小波描述子的非刚性三维模型检索方法，能够提高非刚性三维模型的检索性能并能够降低三维模型检索耗时。所述方法包括：计算三维模型点的谱图小波描述子SGWS；根据得到的谱图小波描述子SGWS，利用BOP模型计算SGWS‑BOP特征；对得到的SGWS‑BOP特征进行降维；根据降维后的特征进行检索。本发明适用于三维模型局部特征提取、三维模型检索操作。
-
公开(公告)号：CN108280158A
公开(公告)日：2018-07-13
申请号：CN201810035867.9
申请日：2018-01-15
Applicant: 北京科技大学
IPC: G06F17/30
Abstract: 本发明提供一种基于梯度方向累加热核特征的非刚性三维模型检索方法，在特征提取过程中能够有效地避免高频信息的丢失，提高检索效率。所述方法包括：计算三维模型点的热核特征及其对数差分值；将所述对数差分值的梯度差分绝对值按照梯度方向进行累加，得到梯度方向累加热核特征；根据得到的梯度方向累加热核特征，确定梯度方向累加热核形状描述子；根据确定的梯度方向累加热核形状描述子，利用梯度下降法进行融合特征学习，获得融合特征；根据得到的融合特征，采用相似性度量方法进行检索。本发明适用于三维模型特征提取、检索。
-
公开(公告)号：CN103714576A
公开(公告)日：2014-04-09
申请号：CN201410008590.2
申请日：2014-01-08
Applicant: 北京科技大学
IPC: G06T17/00
Abstract: 本发明一种基于局部加权非相似性度量的三维关键点检测方法，属于计算机视觉领域。其特征在于，提出了一种多尺度三维关键点检测方法。它首先确定每个三维模型点的多尺度局部邻域点；然后在每个尺度下分别计算每个三维模型点对应的形状索引值和局部加权非相似性度量值，进而确定每个三维模型点的检测尺度；最后在每个三维模型点的检测尺度下完成三维关键点检测。本发明所述的局部加权非相似性度量对于三维模型的旋转和平移变换具有不变性，且比已有的基于形状索引值标准差的非相似性度量具有更好的描述能力和抗噪声能力。应用本发明所述的方法，可获得分布比较均匀的三维关键点，有效减少后续三维模型识别或者注册的计算量。
-
Patent Agency Ranking
公开(公告)号：CN117197229B
公开(公告)日：2024-04-19
申请号：CN202311238629.5
申请日：2023-09-22
Applicant: 北京科技大学顺德创新学院 , 航天科工集团智能科技研究院有限公司
IPC: G06T7/70 , G06T5/90 , G06T7/50 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于亮度对齐的多阶段估计单目视觉里程计方法，属于计算机视觉技术领域。所述方法包括：构建深度估计网络、基于亮度对齐的位姿估计网络以及基于双向长短期记忆网络的位姿优化网络；计算相邻帧图像之间的基于亮度对齐的光度损失函数；计算输入位姿估计网络的图像序列的运动约束损失函数；通过位姿优化网络优化位姿估计网络当前时刻输出的相对相机位姿，并计算位姿优化损失函数；训练位姿估计网络、深度估计网络与位姿优化网络进行训练；利用训练好的位姿估计网络与位姿优化网络估计待估计位姿的图像序列中每帧图像对应的相对相机位姿。采用本发明，能够有效提高相对相机位姿估计结果的精度与鲁棒性。
-
公开(公告)号：CN117351052A
公开(公告)日：2024-01-05
申请号：CN202311335751.4
申请日：2023-10-16
Applicant: 北京科技大学顺德创新学院 , 航天科工集团智能科技研究院有限公司
IPC: G06T7/33 , G06N3/0464
Abstract: 本发明提供一种基于特征一致性和空间一致性的点云精配准方法，属于计算机视觉技术领域。所述方法包括：对点云粗配准之后的点对进行处理，得到特征一致性和空间一致性；在特征一致性和空间一致性的基础上，利用置信度进行种子点选取；定义k近邻特征空间，以种子点为中心，在k近邻特征空间中寻找其近邻点，构成簇，将特征一致性和空间一致性与非局部注意力融合，得到点云特征更新公式，以获得簇内点更新后的包含长距离信息的点云特征；通过更新后的点云特征生成概率匹配矩阵，基于概率匹配矩阵，通过奇异值分解计算得到旋转向量和平移矩阵，实现点云配准。采用本发明，能够提高点云配准的准确率和速度。
-
公开(公告)号：CN117214860A
公开(公告)日：2023-12-12
申请号：CN202311027060.8
申请日：2023-08-14
Applicant: 北京科技大学顺德创新学院
Abstract: 本发明提供一种基于孪生特征金字塔和地面分割的激光雷达里程计方法，属于计算机视觉技术领域。所述方法包括：对激光雷达原始三维点云数据进行预处理，去除地面点，得到由非地面点组成的训练帧点云；构建基于孪生特征金字塔和分层优化的位姿估计网络，用于输出输入的每对相邻训练帧点云之间的位姿变换；根据位姿估计网络输出的每对相邻训练帧点云之间的位姿变换，计算位姿回归误差损失函数值，基于得到的位姿回归误差损失函数值，训练所述位姿估计网络；利用训练好的位姿估计网络预测待估计的激光雷达点云序列中每一帧点云对应的激光雷达位姿。采用本发明，能够提高基于激光雷达进行位姿估计任务的精度。
-
公开(公告)号：CN111210422B
公开(公告)日：2023-03-24
申请号：CN202010033737.9
申请日：2020-01-13
Applicant: 北京科技大学
Abstract: 本发明提供一种基于红外图像的对空目标检测方法，能够较为有效地对红外图像序列中的对空小目标进行检测。所述方法包括：提取红外图像各像素点邻域的对比度特征，生成对比度图像；提取红外图像各像素点的邻域亮度差分特征，生成邻域亮度差分图像；融合对比度图像和邻域亮度差分图像；对融合后的图像进行置零操作的双阈值处理，提取目标位置。本发明适用于基于红外图像的对空目标检测。
-
公开(公告)号：CN114821128B
公开(公告)日：2022-09-09
申请号：CN202210720448.5
申请日：2022-06-24
Abstract: 本发明公开了一种尺度自适应的模板匹配方法，包括：获取不同角度的同一场景的两幅图像，在其中一幅中手工框取感兴趣图像块作为模板图像，另一幅作为搜索图像；将模板图像和搜索图像输入特征提取网络，获取对应的特征图FT和FIS；计算归一化后的FT和FIS各像素之间的相似性，获取相似性度量图；产生自适应多尺度候选框；生成均值滤波后的相似性度量图；在搜索图像中选取出候选图像块；获取任一候选图像块和模板的特征描述；计算模板的特征描述符与任一候选图像块的特征描述符的相似性；将相似性最大的特征描述符所对应的候选图像块作为模板图像最终的匹配结果。本发明可自适应产生目标框，且适用于视角变化较大的立体结构的图像匹配问题。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.018 seconds)
