-
公开(公告)号：CN110322702A
公开(公告)日：2019-10-11
申请号：CN201910608772.6
申请日：2019-07-08
申请人： 中原工学院
摘要： 本发明提出了一种基于双目立体视觉系统的车辆智能测速方法，其步骤如下：车牌作为检测特征对SSD神经网络进行训练得到车牌识别模型；对双目立体视觉系统进行标定获取两部相机的自身参数和外部参数；利用车牌识别模型对获取的视频帧进行车牌检测，定位出目标车辆的车牌位置；基于特征的匹配算法对车牌位置进行特征点提取和立体匹配；对保留的匹配点进行筛选和剔除，保留位置最接近车牌中心的匹配点的坐标；对筛选后的匹配点对进行立体测量，获取空间坐标下的位置；计算目标车辆在一定时间内通过的距离，获得目标车辆运行速度。本发明安装调试简易、可以同时自动识别经过训练的多种特征，能够更好地满足未来智能交通网络及物联网的发展需求。
-
公开(公告)号：CN111598939A
公开(公告)日：2020-08-28
申请号：CN202010441103.7
申请日：2020-05-22
申请人： 中原工学院
摘要： 本发明提出了一种基于多目视觉系统的人体围度测量方法，其步骤如下：构建GSS-PSPNet网络模型利用数据集进行训练；搭建三组双目立体视觉系统分别拍摄被测者的彩色图像；对彩色图像的待测量围度区域进行分割；对分割图像进行HSV颜色空间分析，获得不同颜色类别的子数据集；对子数据集中的像素进行聚类；采用SURF方法对分割图像进行立体匹配，获得同一标识点在左视图和右视图中的坐标；获得标识点的空间坐标，得到统一坐标系中标记点的三维坐标；将所有标记点投影到XOZ平面并拟合，拟合曲线的长度就是被测量区域的围度。本发明结构简单，能有效消除被测物体运动引起的测量误差，大大简化立体匹配过程，有效提高匹配精度。
-
公开(公告)号：CN110285793B
公开(公告)日：2020-05-15
申请号：CN201910608892.6
申请日：2019-07-08
申请人： 中原工学院
摘要： 本发明提出了一种基于双目立体视觉系统的车辆智能测轨迹方法，其步骤为：将数据集输入SSD神经网络得到车牌识别模型；对双目立体视觉系统进行标定，拍摄运动的目标车辆的视频；利用车牌识别模型对视频帧进行车牌检测；利用基于特征的匹配算法对同一相机的前后帧和左右路对应视频帧图像中车牌位置进行立体匹配，通过单应性矩阵过滤后保留正确的匹配点；对保留的匹配点对进行筛选和剔除，保留位置最接近车牌中心的匹配点作为当前帧中目标车辆所处的位置；对筛选后的匹配点对进行立体测量，获取视频帧中车辆空间坐标下的位置，按时间顺序生成车辆的运行轨迹。本发明易于安装调试，可以实现多车道、多目标、多方向车辆的同时测量。
-
公开(公告)号：CN115116092A
公开(公告)日：2022-09-27
申请号：CN202210769617.4
申请日：2022-06-30
申请人： 中原工学院
IPC分类号： G06V40/10 , G06V40/40 , G06V10/25 , G06V10/46 , G06V10/75 , G06V10/764 , G06V10/82 , G06T7/80 , G06N3/04
摘要： 本发明提出了一种基于人眼立体视觉的真伪行人智能识别方法及仿生模型，方法步骤为：利用双目立体相机分别采集行人目标的左视点图像和右视点图像；通过CA‑YOLOv5s行人检测算法对左右视点图像进行处理，获得行人检测输出；对行人检测输出进行立体匹配获得行人目标的特征点集合；运用张正友标定法得到特征点集合的三维空间坐标，剔除误匹配特征点，得到匹配特征点集合；计算行人目标与相机的空间距离，采用RANSAC平面拟合算法提取匹配特征点的三维特征，利用经过训练的基于SVM的真伪行人分类模型实现真伪行人智能识别。本发明能够仿生人眼立体视觉有效解决现有行人识别中尚未解决的伪行人识别问题，有效提高了真伪行人识别的精确度和准确率。
-
公开(公告)号：CN115115693A
公开(公告)日：2022-09-27
申请号：CN202210771385.6
申请日：2022-06-30
申请人： 中原工学院
摘要： 本发明提出了一种融合注意力机制和基于角点立体匹配的人体参数测量方法，其步骤为：转台按照90度间隔旋转，双目相机采集四组不同角度的人体图像的左视图和右视图；将每组左视图和右视图分别输入CBAM‑PSPNet语义分割网络提取人体测量部位；利用Shi‑Tomasi角点检测算法提取人体测量部位的特征点集合；根据彩色标记点和棋盘格制式对特征点集合进行区域约束，获取左视图和右视图的同一行特征点二维坐标；利用双目立体标定参数计算同一行特征点的三维空间坐标；根据转台旋转角度将特征点反向旋转回初始位置，利用PIVCF方法实现人体围度拟合，得到人体参数测量数据。本发明提高了人体分割精度、简化了立体匹配过程，有效提高了人体测量精度。
-
公开(公告)号：CN111598939B
公开(公告)日：2021-01-26
申请号：CN202010441103.7
申请日：2020-05-22
申请人： 中原工学院
摘要： 本发明提出了一种基于多目视觉系统的人体围度测量方法，其步骤如下：构建GSS‑PSPNet网络模型利用数据集进行训练；搭建三组双目立体视觉系统分别拍摄被测者的彩色图像；对彩色图像的待测量围度区域进行分割；对分割图像进行HSV颜色空间分析，获得不同颜色类别的子数据集；对子数据集中的像素进行聚类；采用SURF方法对分割图像进行立体匹配，获得同一标识点在左视图和右视图中的坐标；获得标识点的空间坐标，得到统一坐标系中标记点的三维坐标；将所有标记点投影到XOZ平面并拟合，拟合曲线的长度就是被测量区域的围度。本发明结构简单，能有效消除被测物体运动引起的测量误差，大大简化立体匹配过程，有效提高匹配精度。
-
公开(公告)号：CN110285793A
公开(公告)日：2019-09-27
申请号：CN201910608892.6
申请日：2019-07-08
申请人： 中原工学院
摘要： 本发明提出了一种基于双目立体视觉系统的车辆智能测轨迹方法，其步骤为：将数据集输入SSD神经网络得到车牌识别模型；对双目立体视觉系统进行标定，拍摄运动的目标车辆的视频；利用车牌识别模型对视频帧进行车牌检测；利用基于特征的匹配算法对同一相机的前后帧和左右路对应视频帧图像中车牌位置进行立体匹配，通过单应性矩阵过滤后保留正确的匹配点；对保留的匹配点对进行筛选和剔除，保留位置最接近车牌中心的匹配点作为当前帧中目标车辆所处的位置；对筛选后的匹配点对进行立体测量，获取视频帧中车辆空间坐标下的位置，按时间顺序生成车辆的运行轨迹。本发明易于安装调试，可以实现多车道、多目标、多方向车辆的同时测量。
-
公开(公告)号：CN116883657A
公开(公告)日：2023-10-13
申请号：CN202310826837.0
申请日：2023-07-06
申请人： 中原工学院
IPC分类号： G06V10/26 , G06V10/82 , G06V10/774 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/08
摘要： 本发明提出了一种基于深度学习和立体视觉的盲道分割与定位方法，其步骤为：首先，利用多样性盲道图像数据集对ME‑UNet盲道分割网络进行训练，获得ME‑UNet盲道分割网络模型；其次，拍摄包含盲道的左视图和右视图，将左视图和右视图分别输入ME‑UNet盲道分割网络模型，分割出左视点盲道区域和右视点盲道区域；然后，通过对左视点盲道区域和右视点盲道区域进行检测，获得左视图和右视图中的两对盲道边界辅助点；最后，根据两对辅助点在左视图和右视图中的二维像素坐标获得盲道关键点的三维空间坐标，进而计算相机到盲道关键点的实际距离和角度，作为盲道相对于视障者的位置信息。本发明有效提高了盲道定位的精度，为视障者安全出行提供了保障。
-
公开(公告)号：CN116823744A
公开(公告)日：2023-09-29
申请号：CN202310690968.0
申请日：2023-06-12
申请人： 中原工学院
摘要： 本发明提出一种基于双目立体视觉的道路裂缝测宽方法，其步骤为：首先，利用双目立体相机采集道路裂缝目标的左、右视点图像，并对左、右视点图像进行立体匹配获取立体匹配点对集合；其次，基于立体匹配点对集合获取道路裂缝采集场景下的空间‑像素距离关系；然后，通过所设计的符合道路裂缝特征并在道路裂缝数据集中训练过的CAMII‑UNet道路裂缝分割网络模型对左视点图像进行道路裂缝分割，并使用裂缝测宽方法计算所分割出的道路裂缝在左视点图像中的像素宽度；最后，利用该道路裂缝采集场景下的空间‑像素距离关系计算道路裂缝的真实空间宽度。本发明增强了网络对小裂缝的分割能力，有效提高了道路裂缝分割的精度，实现了高精度的道路裂缝测宽。
-
公开(公告)号：CN110322702B
公开(公告)日：2020-08-14
申请号：CN201910608772.6
申请日：2019-07-08
申请人： 中原工学院
摘要： 本发明提出了一种基于双目立体视觉系统的车辆智能测速方法，其步骤如下：车牌作为检测特征对SSD神经网络进行训练得到车牌识别模型；对双目立体视觉系统进行标定获取两部相机的自身参数和外部参数；利用车牌识别模型对获取的视频帧进行车牌检测，定位出目标车辆的车牌位置；基于特征的匹配算法对车牌位置进行特征点提取和立体匹配；对保留的匹配点进行筛选和剔除，保留位置最接近车牌中心的匹配点的坐标；对筛选后的匹配点对进行立体测量，获取空间坐标下的位置；计算目标车辆在一定时间内通过的距离，获得目标车辆运行速度。本发明安装调试简易、可以同时自动识别经过训练的多种特征，能够更好地满足未来智能交通网络及物联网的发展需求。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.026 秒)
