-
公开(公告)号：CN111043988A
公开(公告)日：2020-04-21
申请号：CN201911260063.X
申请日：2019-12-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于图形学和深度学习的单张条纹投影测量方法，将条纹图深度求算过程转化为畸变条纹图和原始条纹图的匹配问题，利用深度学习网络的特征提取能力实现分类匹配，从而实现单张深度图的预测，为解决实际采集数据集成本高、不同问题背景下采集条纹图标准不一的问题，提出使用计算机图形学方法仿真生成条纹图，从而获得低成本、高质量、高自由度的大量样本，为获得像素级精度，使用语义分割网络Unet，通过对畸变条纹图多次特征抽取将原始条纹图映射到高维特征空间实现匹配。有益效果在于：提出了基于计算机图形学仿真的条纹图获取方法，使用深度学习方法实现高精度、高速度的深度预测，实现完整的单张条纹图直接到深度图的解决方案。
-
公开(公告)号：CN113358061B
公开(公告)日：2022-09-09
申请号：CN202110606699.6
申请日：2021-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种端到端标定深度学习网络的单幅条纹三维点云测量方法，只需要一幅棋盘格条纹图与单幅物体条纹图，即可使用深度学习技术实现单幅条纹图的三维点云测量，为解决条纹投影测量系统标定过程繁琐，且使用深度学习技术时不同标定参数下数据集不通用的问题，提出使用棋盘格条纹图和单幅条纹图来联合训练深度学习网络，棋盘格条纹图可对网络进行世界坐标标定，经过标定的深度学习网络模型，将单幅条纹图里的物体映射到棋盘格对应的世界坐标系中，使网络直接输出真实世界坐标的三维点云。有益效果在于：提出用棋盘格条纹图联合物体条纹图直接训练和标定深度学习网络，无需额外标定，可直接实现端到端的三维点云测量。
-
公开(公告)号：CN113358061A
公开(公告)日：2021-09-07
申请号：CN202110606699.6
申请日：2021-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种端到端标定深度学习网络的单幅条纹三维点云测量方法，只需要一幅棋盘格条纹图与单幅物体条纹图，即可使用深度学习技术实现单幅条纹图的三维点云测量，为解决条纹投影测量系统标定过程繁琐，且使用深度学习技术时不同标定参数下数据集不通用的问题，提出使用棋盘格条纹图和单幅条纹图来联合训练深度学习网络，棋盘格条纹图可对网络进行世界坐标标定，经过标定的深度学习网络模型，将单幅条纹图里的物体映射到棋盘格对应的世界坐标系中，使网络直接输出真实世界坐标的三维点云。有益效果在于：提出用棋盘格条纹图联合物体条纹图直接训练和标定深度学习网络，无需额外标定，可直接实现端到端的三维点云测量。
-
公开(公告)号：CN111043988B
公开(公告)日：2021-04-23
申请号：CN201911260063.X
申请日：2019-12-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于图形学和深度学习的单张条纹投影测量方法，将条纹图深度求算过程转化为畸变条纹图和原始条纹图的匹配问题，利用深度学习网络的特征提取能力实现分类匹配，从而实现单张深度图的预测，为解决实际采集数据集成本高、不同问题背景下采集条纹图标准不一的问题，提出使用计算机图形学方法仿真生成条纹图，从而获得低成本、高质量、高自由度的大量样本，为获得像素级精度，使用语义分割网络Unet，通过对畸变条纹图多次特征抽取将原始条纹图映射到高维特征空间实现匹配。有益效果在于：提出了基于计算机图形学仿真的条纹图获取方法，使用深度学习方法实现高精度、高速度的深度预测，实现完整的单张条纹图直接到深度图的解决方案。
-
-
-
Search Results
4
records
(took 0.012 seconds)
