-
公开(公告)号：CN112866512A
公开(公告)日：2021-05-28
申请号：CN201911173889.2
申请日：2019-11-26
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: H04N5/225
Abstract: 本发明涉及一种复眼摄像装置及一种复眼系统。所述复眼摄像装置包括排成一行或一列的复数个小眼，每个所述小眼均包括光学元件和对应的感光单元，每个所述小眼列至少对应于一个小眼列视平面，小眼列视平面通过小眼列中各小眼的光心以及各小眼的至少一个感光单元的中心附近，每个感光单元至少与一个小眼列视平面相交，每个感光单元的视线通过感光单元的中心与所在小眼的光心，处理器被配置为基于感光单元接收的信息生成图像，并对图像进行处理来获得有关被摄对象的信息。所述复眼系统可以包括上述复眼摄像装置。利用上述复眼摄像装置可以从不同方向进行二维平面或者立体探测，有利于获取准确的二维和三维空间信息。
-
公开(公告)号：CN112766097A
公开(公告)日：2021-05-07
申请号：CN202110015600.5
申请日：2021-01-06
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种视线识别模型的训练方法、视线识别方法、装置及设备，方法包括获取样本图像集，样本图像集包括含有第一区域和第二区域的样本图像，将样本图像输入预设机器学习模型，进行视线识别处理，得到第一区域对应的第一视线信息以及第二区域对应的第二视线信息，基于第一视线信息，确定第二区域对应的第三视线信息，基于第二视线信息和第三视线信息，确定第一损失信息，根据第一损失信息，确定损失信息，基于损失信息调整预设机器学习模型中的模型参数，至损失信息满足预设条件，将满足预设条件时的预设机器学习模型作为视线识别模型。本发明可以在不增加视线识别模型规模的前提下，提高视线识别模型识别视线的精确性。
-
公开(公告)号：CN112434793A
公开(公告)日：2021-03-02
申请号：CN202011322985.1
申请日：2020-11-23
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本申请涉及量化卷积神经网络的生成方法、装置、设备或存储介质，该方法包括：获取已训练的全精度卷积神经网络和待训练的量化卷积神经网络；基于已训练的全精度卷积神经网络，对待训练的量化卷积神经网络进行循环迭代，得到已训练的量化卷积神经网络；在每一次迭代过程中：获取已训练的全精度卷积神经网络基于输入数据进行前向传播后的第一输出值；对当前待训练的量化卷积神经网络的当前全精度权值参数进行量化，得到当前量化权值参数；当前量化权值参数用于前向传播得到第二输出值；当前全精度权值参数用于权值更新。如此，利用已训练的全精度卷积神经网络，指导量化卷积神经网络的训练，可以提升训练完成后量化卷积神经网络的精度。
-
公开(公告)号：CN111192265B
公开(公告)日：2020-12-01
申请号：CN201911360880.2
申请日：2019-12-25
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点云的语义实例确定方法、装置、电子设备及存储介质，所述方法包括：将点云输入训练后的编码模块，得到多个点集中每个点集对应的包含集合补充信息和集合关系信息的特征信息；所述编码模块包含区域特征补充模块和区域关系推理模块；所述多个点集中的点的并集为所述点云，至少有两个点集中存在交集；基于训练后的语义实例确定模块对所述每个点集对应的包含集合补充信息和集合关系信息的特征信息进行语义和实例的确定，得到所述点云中每个点的语义标签和实例标签；所述语义标签用于表征所述每个点所属的类别；所述实例标签用于表征所述每个点所属的实例，可以降低稀疏区域的点云分割的错误率。
-
公开(公告)号：CN111932617A
公开(公告)日：2020-11-13
申请号：CN202010681039.X
申请日：2020-07-15
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种对规则物体实现实时检测定位方法，包括以下步骤：将包含物体的感兴趣区域处理成二值化图像；对所述二值化图像进行积分处理，并通过聚类算法获取聚类中心点；根据所述聚类中心点估计出物体的距离和姿态关系。本发明还涉及一种对规则物体实现实时检测定位系统。本发明能够提高检测的精确度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN111932576A
公开(公告)日：2020-11-13
申请号：CN202010680384.1
申请日：2020-07-15
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深度相机的物体边界测量方法和装置，其中方法包括：通过深度相机获取被测物体在空间中发生空间变化前后的两张深度图；将两张深度图相减得到深度差值图，根据深度差值图得到被测物体的像素区域；通过所述深度相机内参和外参以及所述像素区域提取物体边界。本发明能够在环境复杂，干扰物较多的场景中精确分割出被测区域。
-
公开(公告)号：CN111862234A
公开(公告)日：2020-10-30
申请号：CN202010711704.5
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，若大于对应阈值则修正估计第一参数组，反复迭代修正，直至小于对应阈值；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，若大于对应阈值则修正估计第二参数组，反复迭代校正，直至小于对应阈值，完成自标定。本发明利用实时图像追踪和车体运动信息，对内外参进行优化标定，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：CN111612731A
公开(公告)日：2020-09-01
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：CN111402309A
公开(公告)日：2020-07-10
申请号：CN202010149137.9
申请日：2020-03-05
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种多目立体相机的校准及深度图像处理方法，包括：在多目相机设备中选取基准相机和待修正相机，并获取相应的基准相机图像和对待修正相机图像；根据所述基准相机图像和对待修正相机图像对所述待修正相机的内参量和外参量进行优化；得到最终的深度图像。本发明的方法利用匹配特征的深度计算结果实现对相机参量的优化，使多个深度图像的交界部分过渡平滑，可以根据优化的参量对未重合部分的深度图像进行进一步的精化调整，并且通过不同双目间的相互约束，保证最终深度结果一致性与稳定性。
-
公开(公告)号：CN111161314A
公开(公告)日：2020-05-15
申请号：CN201911298738.X
申请日：2019-12-17
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本申请涉及目标对象的位置区域确定方法、装置、电子设备及存储介质，该方法通过获取图像序列；获取目标对象在图像序列的当前帧图像中的当前位置区域，并基于当前位置区域确定搜索区域；从当前位置区域确定第一特征信息；第一特征信息包括当前位置区域的语义信息；从搜索区域确定第二特征信息；第二特征信息包括搜索区域的语义信息；基于第一特征信息和第二特征信息确定相似程度值集合；从相似程度值集合确定目标相似程度值；基于目标相似程度值和当前位置区域的尺寸确定目标对象在下一帧图像中的位置区域。如此，通过学习到更高级的语义信息，可以提高对目标对象位置区域跟踪确定的准确度，可以提高目标对象的跟踪精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.06 seconds)
