-
公开(公告)号：CN116664649A
公开(公告)日：2023-08-29
申请号：CN202310247388.4
申请日：2023-03-15
Applicant: 中国矿业大学
Abstract: 本发明公开了一种矿井增强现实无人开采工作面深度估计方法，属于图像处理技术领域，构建卷积层、池化层、残差层、下采样模块组成的深度编码器，在编码器网络浅层提取图像浅层高分辨率特征信息，在编码器网络深层通过卷积操作的堆叠，提取图像低分率特征信息，将浅层的高分辨率特征图通过层级特征调整模块融合到深层的低分率特征图中；构建由反卷积层、上采样模块以及跳跃连接组成的深度解码器网络，估计图像的深度；构建相机位姿预测网络，通过相机邻帧间运动位姿的估计重投影到目标图像的光度损失作为自监督信号约束；构建改进的颜色‑几何差异信息来预测共平面深度图模块，用向量梯度渐变作为约束信号，约束预测初始深度图和预测共平面深度图。
-
公开(公告)号：CN115115686B
公开(公告)日：2023-07-18
申请号：CN202211004903.8
申请日：2022-08-22
Applicant: 中国矿业大学
IPC: G06T7/50 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法，包括以下步骤：步骤1：对原图多次采样，将不同尺度的图像输入到编码器网络；步骤2：将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络；步骤3：将解码器网络输出的视差图进行多尺度融合；步骤4：重建视图；通过采用多尺度图像输入到网络，同时将解码器输出的视差图进行逐层的尺度融合，加强弱纹理区域的深度估计效果，并且增加中间扩展卷积模块，加大对全局信息的理解。
-
公开(公告)号：CN111667509B
公开(公告)日：2023-05-26
申请号：CN202010531057.X
申请日：2020-06-11
Applicant: 中国矿业大学
Abstract: 本发明涉及目标跟踪技术领域，尤其涉及一种目标与背景颜色相似下的运动目标自动跟踪方法及系统，解决了直接采用CAMshift算法进行目标跟踪时的缺陷。方法包括：步骤S1：处理视频流，得到去噪后的序列帧图像；步骤S2：处理序列帧图像，得到第一帧图像中的前景目标；去除前景目标中的阴影，得到第一帧图像的运动目标区域；步骤S3：读取下一帧图像，将其作为当前帧图像，获取并处理当前帧图像、前一帧图像的运动目标区域的颜色‑曲率概率分布图，得到当前帧图像的候选区域；步骤S4：若当前帧图像的候选区域与前一帧图像的运动目标区域之间的巴氏距离大于距离阈值，将候选区域作为其运动目标区域；重复执行步骤S3与步骤S4，实现所述运动目标的跟踪。
-
公开(公告)号：CN115330874B
公开(公告)日：2023-05-16
申请号：CN202211070202.4
申请日：2022-09-02
Applicant: 中国矿业大学
IPC: G06T7/73 , G06N3/0464 , G06N3/08 , G06T5/00 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
公开(公告)号：CN114049251A
公开(公告)日：2022-02-15
申请号：CN202111022598.0
申请日：2021-09-01
Applicant: 中国矿业大学
Abstract: 一种用于AI视频分析的模糊图像超分辨率重建方法及装置，提出的多尺度特征提取及融合网络能够得到不同尺度下的浅层图像特征，增加图像特征的丰富度；采用多路径递归残差网络模型，可以很好地学习LR图像和HR图像之间的高频残差特征，首先，不同路径之间的信息可以相互共享，使得网络能够自适应地检测不同尺度的图像特征。其次，每一条路径可以从不同路径的梯度中受益，更加有助于图像特征信息的传播和梯度流动，以缓解训练过程中梯度的消失问题，提高训练效果和图像重建性能；采用的自门控Swish激活函数，有助于解决随着网络层数加深会出现过拟合问题，使得图像超分辨率重建有着较好的性能。
-
Patent Agency Ranking
公开(公告)号：CN113627383A
公开(公告)日：2021-11-09
申请号：CN202110978611.3
申请日：2021-08-25
Applicant: 中国矿业大学
Abstract: 本发明提出了一种用于全景智能安防的行人徘徊重识别方法，该方法主要包括视频图片采集，图片质量评估，行人检测和重识别，徘徊判断几个部分：第一部分是图片采集部分，该部分是实现实时预览安防视频按秒截取图片并收集在存储器中；第二部分是图片质量评估，截取到的图片可能存在模糊，遮挡物过多等问题，将这样一些图片筛选掉；第三部分是行人检测和行人重识别，在这部分，我们联合检测和行人特征识别，将截取到的全景图片送入一个单一的神经网络中联合处理行人检测和重识别这两个任务；第四部分是行人徘徊判断，我们通过对相机id是否相同以及图片间隔时长判断行人是否徘徊。
-
公开(公告)号：CN113610912A
公开(公告)日：2021-11-05
申请号：CN202110931555.8
申请日：2021-08-13
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明是一种三维场景重建中低分辨率图像单目深度估计系统及方法，方法包括：步骤1、构建适合EDSR训练的数据库K‑DIV2K数据集；步骤2、采用数据集分别训练EDSR放大2倍、放大3倍和4倍模型，得到具有不同放大能力的超分辨率放大模块；步骤3、将得到的超分辨率放大模块进行多尺度深度预测，得到12个尺度的输入图片；步骤4、将步骤3中其中九个尺度的输入图片送到单目深度估计网络架构中，采用空洞卷积提取图像中的特征图，最终恢复出深度信息图。本发明提升了EDSR模型的泛化能力，使其能在KITTI数据集上得到较好的超分放大效果，提升了模型的在低分辨率输入图像下的特征提取能力和深度估计能力。
-
公开(公告)号：CN113592718A
公开(公告)日：2021-11-02
申请号：CN202110924404.X
申请日：2021-08-12
Applicant: 中国矿业大学
Abstract: 本发明是一种基于多尺度残差网络的矿井图像超分辨率重建方法及系统，该系统是通过图像超分辨率重建模型将低分辨率图像重建为高分辨率图像，图像超分辨率重建模型由浅层特征提取模块、深层特征提取模块和特征重建模块组成，深层特征提取模块由m个融合多尺度卷积、卷积注意力机制和残差连接的多尺度残差注意力组和一个特征融合层组成，整个特征提取模块采用简化后的密集网络将提取到的浅层特征和不同层次的深层特征传送到特征融合层进行特征融合。该矿井图像超分辨率重建方法包括如下步骤：提取图像浅层特征、深层特征，将提取到的浅层和深层特征进行融合，图像重建。本发明能够更有效的利用特征信息，可以有效防止图像特征信息丢失。
-
公开(公告)号：CN113554572A
公开(公告)日：2021-10-26
申请号：CN202110931806.2
申请日：2021-08-13
Applicant: 中国矿业大学
Abstract: 本发明提出了一种基于改进Retinex的图像增强方法和系统，其主要的目的是解决传统Retinex增强方法的效果差，速度慢，效率低等问题，可以较好地解决图像细节和颜色保真度的冲突问题，改善光晕现象，所述装置包括图像采集单元，基于华为海思Hi3519AV100处理器的FEA3519A‑C图像处理核心板，PC端控制单元和图像输出模块。
-
公开(公告)号：CN110716556A
公开(公告)日：2020-01-21
申请号：CN201911118902.4
申请日：2019-11-15
Applicant: 中国矿业大学 , 江苏博一矿业科技有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种煤矿井下轨道式大倾角巡检机器人，包括控制箱总成，所述控制箱总成位于巡检机器人前部，提供动力控制和视觉识别的检测控制；机架总成，所述机架总成用于固定限速器、张紧总成和导向总成，所述限速器在巡检机器人速度大于设置值时，限速器抱死，所述张紧总成用于张紧皮带驱动，所述导向总成实现巡检机器人在轨道上的导向；电池箱总成，所述电池箱总成为巡检机器人提供动力，采用无线充电方式；提升架总成，所述提升架总成用于安装下部相机，实现下皮带的巡检。本发明专利所提出的智能巡检机器人可实时采集、传输、识别设备沿线的图像，动态监测胶带输送机的上部异物，实时监测巷道内烟雾和粉尘情况。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.034 seconds)
