-
公开(公告)号：CN113971722A
公开(公告)日：2022-01-25
申请号：CN202111587238.5
申请日：2021-12-23
Applicant: 清华大学
Abstract: 本申请提出一种傅里叶域的光场解卷积方法及装置，涉及计算机摄像学技术领域，其中，该方法包括：获取光场显微数据，将光场显微数据通过随机角度组合的方式进行两两组合，形成多组角度子组；将多组角度子组输入傅里叶域中进行重建迭代处理，得到重建图像。与现有技术相比，本申请通过随机角度组合的方式将获取的光场显微数据进行两两组合以形成多组角度子组，并在傅里叶域中对形成的多组角度子组进行三维重建的方案，在实现了无伪影重建的同时，降低了计算成本，加快了3D成像的重建速度。
-
公开(公告)号：CN113436130B
公开(公告)日：2021-12-21
申请号：CN202110978131.7
申请日：2021-08-25
Applicant: 清华大学
Abstract: 本发明提出一种非结构光场智能感知系统及装置，其中，系统包括：非结构异构高分辨成像单元，由至少一个全局相机以及多个长焦相机组成，用于将非结构异构高分辨成像单元中不同的异构像感器捕获的数据进行融合，得到第一融合图像；可变基线光场模块，由多个非结构异构高分辨成像单元组成，用于根据不同相机之间的可变基线对第一融合图像进行融合，得到第二融合图像；四环带立体全景采集模块，相机阵列由四组超广角像感器组成，用于将可变基线光场模块的得到的第二融合图像进行融合，获得环带全景图像。本发明具有非常好的鲁棒性与可拓展性，可以在大场景中提取出大范围精确的深度信息，灵活的非结构化局部相机的高分辨率画面可无缝嵌入全景图中。
-
公开(公告)号：CN113538667A
公开(公告)日：2021-10-22
申请号：CN202111090962.7
申请日：2021-09-17
Applicant: 清华大学
Abstract: 本申请提出一种动态场景光场重建方法和装置，其中，方法包括：通过预训练的语义分割的网络获取人体分割的结果，根据预先获取的场景背景获取物体分割结果，并融合多帧深度图得到几何模型，根据预训练的人体模型补全网络得到完整的人体模型，通过点云配准对准并将对准后的模型进行融合得到物体模型，从而获得具有几何细节并完整的人体模型和物体模型，通过点云配准跟踪刚性物体的运动，以及通过人体骨架跟踪和人体表面节点的非刚性跟踪，重建具有几何细节并完整的人体模型，在时间序列上进行融合操作，通过融合得到重建后的人体模型和重建后的刚性物体模型。本发明针对人与物体交互现象行了优化处理，提升在人与物体交互场景下的动态光场重建的鲁棒性，实现了实时高质量的动态场景的光场重建。
-
公开(公告)号：CN112819937A
公开(公告)日：2021-05-18
申请号：CN202110416959.3
申请日：2021-04-19
Applicant: 清华大学
Abstract: 本发明实施例公开了一种自适应多对象光场三维重建方法、装置及设备。其中，该方法包括：获取全局图像采集设备拍摄的第一图像，并根据第一图像确定候选区域集合；根据候选区域集合中包括的候选区域的个数以及局部图像采集设备的总个数的大小关系，确定局部图像采集设备对应的拍摄策略以及获取局部图像采集设备按照拍摄策略进行拍摄得到的第二图像集合；针对拍摄区域集合中的每个拍摄区域，根据第一图像以及第二图像集合对当前拍摄区域中包含的每个对象进行三维重建，得到每个对象所对应的三维重建模型。本发明实施例提供的技术方案，能够实现多对象光场三维重建，有利于提高生成的三维模型的准确性。
-
公开(公告)号：CN108629831B
公开(公告)日：2021-03-12
申请号：CN201810317074.6
申请日：2018-04-10
Applicant: 清华大学
Abstract: 本发明公开了一种基于参数化人体模板和惯性测量的三维人体重建方法及系统，其中，方法包括：对人体进行深度图拍摄以得到单张深度图像；读取人体四肢上绑定的惯性测量单元的转向测量读数；获取三维点云和重建模型顶点及参数话人体模型顶点之间的匹配点对；根据匹配点对和转向测量读数得到能量函数和人体姿态参数；对能量函数进行求解，重建模型和参数化人体模板与三维点云进行对齐，以得到对其后的模型；优化转换关系；通过深度图更新和补全对其后的模型，并进一步优化参数化人体模板的人体形态参数。该方法求解准确鲁棒，简单易行，运行速度为实时，拥有广阔的应用前景，可以在PC机或工作站等硬件系统上快速实现。
-
Patent Agency Ranking
公开(公告)号：CN112364200A
公开(公告)日：2021-02-12
申请号：CN202110051621.2
申请日：2021-01-15
Applicant: 清华大学
IPC: G06F16/583 , G06F40/30 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本申请公开了一种类脑成像的方法、装置、设备及存储介质，其中，该方法包括对获取的图像进行处理，提取实例级别信息；判断实例级别信息的信息类别；在信息类别包括有效信息的情况下，通过脑启发神经网络根据有效信息对应的实例级别信息更新语义信息库；在信息类别包括可推理信息的情况下，根据可推理信息对应的实例级别信息确定图像中的新信息。通过上述处理方式可以降低数据冗余，更高效地分配带宽与算力，也能实现对新信息的推理，从而实现大场景下，多对象地高效感知与理解。
-
公开(公告)号：CN111445428A
公开(公告)日：2020-07-24
申请号：CN202010145022.2
申请日：2020-03-04
Applicant: 清华大学深圳国际研究生院
Abstract: 一种基于无监督学习的生物活体血管成像数据的增强方法及装置，该方法包括：利用非侵入式荧光成像或X光血管造影成像技术分别对生物活体血管实施活体动态成像；通过域迁移的方式，利用开源的眼底视网膜的血管二值图像作为目标域，以无监督学习的方式从得到的图像中提取出具有血管表征的部分；将提取出的具有血管表征的部分进行视觉增强。本发明不需要标定的真值数据和大规模的数据集，即可实现从模糊杂乱的生物血管图像中提取并增强血管特征，从而有助于后续应用中的血管及血管相关的疾病诊断。
-
公开(公告)号：CN111311663A
公开(公告)日：2020-06-19
申请号：CN202010095361.4
申请日：2020-02-17
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种实时大场景三维语义建模的方法，包括如下步骤：S1：通过传感器扫描场景得到的RGB图和深度图构建三维几何模型；S2：将所述三维几何模型输入三维卷积神经网络完成语义分割；S3：将所述三维卷积神经网络输出的语义标签整合到所述三维几何模型中完成语义建模；其中，构建所述三维几何模型与所述语义分割以多线程的方式结合，同时进行。实现联合实时三维几何重建与语义重建；通过采用稀疏卷积神经网络并对卷积网络的计算的加速，可以达到实时运行的性能；使用三维卷积替代了UNet中的二维卷积，同时增大UNet网络的深度，使卷积网络的容量更大，提高语义分割的精确度。
-
公开(公告)号：CN110689558A
公开(公告)日：2020-01-14
申请号：CN201910945317.5
申请日：2019-09-30
Applicant: 清华大学
Abstract: 本发明公开了一种多传感器图像增强方法及装置，其中，方法包括以下步骤：根据参照图对低清目标图进行一次在图像域的对齐；在图像域的对齐之后，在特征域上再次对齐；将低清目标图的多尺度特征与对齐后的低清目标图的多尺度参照图特征融合，生成最终输出。该方法具有性能指标显著高和视觉效果显著好，且速度显著提升，并且没有网格状噪声，并且在特征层面的对齐和直接的监督信号让收敛效果更好，得到的输出性能指标更高的优点。
-
公开(公告)号：CN108596915A
公开(公告)日：2018-09-28
申请号：CN201810331487.X
申请日：2018-04-13
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
Abstract: 本发明公开了一种基于无标注数据的医疗图像分割方法，包括以下步骤：A1：采用有标注数据对分割网络进行训练；A2：将包含无标注数据和有标注数据的训练图像输入到所述分割网络进行分割，并将得到的分割结果输入到评价网络；A3：采用所述评价网络对分割结果进行评价；A4：对所述分割网络和所述评价网络进行对抗式训练；A5：当所述分割网络和所述评价网络达到动态平衡时，根据所述分割网络得到无标注数据的最终分割结果。本发明实现了无标注医疗图像的端到端分割，而不需要提前标注好大量医疗图像再用这些标注好的图像来训练分割网络，方法简单高效。
-
-
-
-
-
-
-
-
-
Search Results
221
records
(took 0.022 seconds)
