-
公开(公告)号：CN112750088B
公开(公告)日：2022-07-26
申请号：CN202011486626.X
申请日：2020-12-16
Applicant: 北京大学
Abstract: 本发明公布了一种基于线性规划的视频图像自动扭正和稳像的方法，首先将原视频逐帧分离得到图片集，再将估计得到的原视频相邻两帧之间的仿射变换矩阵作为运动信息，并提取每一帧内的直线段，估计竖直方向的灭点位置和水平线位置；然后构建线性规划模型，将用于矫正每一帧的变换矩阵为线性规划模型的待优化参数，通过求解模型获得与视频帧数等数量的射影变换矩阵；之后对原视频逐帧变换，并将变换后的帧合成得到新视频。采用本发明优化得到的一系列射影变换矩阵可以同时完成扭正和稳像，处理后的视频有更好的视觉效果，处理速度快，得到的结果具有全局最优性。
-
公开(公告)号：CN112561922A
公开(公告)日：2021-03-26
申请号：CN202011344486.2
申请日：2020-11-26
Applicant: 北京大学
Abstract: 本发明公布了一种基于神经网络的畸变点云分割方法，利用神经网络模型的拟合能力，在原始空间点云的基础上，构建用于车载畸变点云分割的深度网络模型，包括：点云提升网络模块，提升空间规范化点云网络模块，编码预测网络模块，能够准确高效地分割任意畸变的三维点云，属于三维点云分割技术领域。
-
公开(公告)号：CN116246070A
公开(公告)日：2023-06-09
申请号：CN202310092486.5
申请日：2023-01-29
Applicant: 北京大学
IPC: G06V10/26 , G06V10/77 , G06V10/80 , G06V10/82 , G06V20/64 , G06V20/70 , G06N3/045 , G06N3/096 , G06N3/09
Abstract: 本公开涉及一种基于多源异构数据融合的三维场景分割域迁移方法及装置。所述方法包括：获取源域和目标域的多模态数据以及源域三维点云数据的分割标签，并提取多模态数据的特征；基于二维图像数据和三维点云数据的映射关系，将源域像素特征和目标域像素数据分别划分为具有映射关系的像素特征和不具有映射关系的像素特征；综合跨模态对比学习和监督学习对语义分割模型进行训练，得到训练后的语义分割模型；将目标域中的待分割三维点云数据输入所述训练后的语义分割模型，得到三维场景分割域迁移结果。本公开实现了语义分割模型从源域到目标域的迁移。
-
公开(公告)号：CN112561807B
公开(公告)日：2022-08-26
申请号：CN202011344480.5
申请日：2020-11-26
Applicant: 北京大学
Abstract: 本发明公布了一种基于卷积神经网络的端到端径向畸变校正方法，通过构建可微分的畸变生成和畸变校正模块，采用基于采样网格的损失函数和基于图像重投影的损失函数，通过生成海量径向畸变数据，用于训练畸变参数估计网络，学习径向畸变的几何特征，适用于任意场景下不同畸变程度的图片，实现高效准确地对输入的畸变图像进行校正。
-
Patent Agency Ranking
公开(公告)号：CN112561807A
公开(公告)日：2021-03-26
申请号：CN202011344480.5
申请日：2020-11-26
Applicant: 北京大学
Abstract: 本发明公布了一种基于卷积神经网络的端到端径向畸变校正方法，通过构建可微分的畸变生成和畸变校正模块，采用基于采样网格的损失函数和基于图像重投影的损失函数，通过生成海量径向畸变数据，用于训练畸变参数估计网络，学习径向畸变的几何特征，适用于任意场景下不同畸变程度的图片，实现高效准确地对输入的畸变图像进行校正。
-
公开(公告)号：CN112750088A
公开(公告)日：2021-05-04
申请号：CN202011486626.X
申请日：2020-12-16
Applicant: 北京大学
Abstract: 本发明公布了一种基于线性规划的视频图像自动扭正和稳像的方法，首先将原视频逐帧分离得到图片集，再将估计得到的原视频相邻两帧之间的仿射变换矩阵作为运动信息，并提取每一帧内的直线段，估计竖直方向的灭点位置和水平线位置；然后构建线性规划模型，将用于矫正每一帧的变换矩阵为线性规划模型的待优化参数，通过求解模型获得与视频帧数等数量的射影变换矩阵；之后对原视频逐帧变换，并将变换后的帧合成得到新视频。采用本发明优化得到的一系列射影变换矩阵可以同时完成扭正和稳像，处理后的视频有更好的视觉效果，处理速度快，得到的结果具有全局最优性。
-
公开(公告)号：CN112561922B
公开(公告)日：2024-03-01
申请号：CN202011344486.2
申请日：2020-11-26
Applicant: 北京大学
IPC: G06T7/11 , G06T5/80 , G06N3/08 , G06N3/0464
Abstract: 本发明公布了一种基于神经网络的畸变点云分割方法，利用神经网络模型的拟合能力，在原始空间点云的基础上，构建用于车载畸变点云分割的深度网络模型，包括：点云提升网络模块，提升空间规范化点云网络模块，编码预测网络模块，能够准确高效地分割任意畸变的三维点云，属于三维点云分割技术领域。
-
公开(公告)号：CN116681708A
公开(公告)日：2023-09-01
申请号：CN202210167587.X
申请日：2022-02-23
Applicant: 北京大学
IPC: G06T7/10
Abstract: 本发明公开了一种凸面镜反射图像的生成、语义分割方法及装置，涉及凸面镜反射图像领域。所述生成方法包括：构建世界坐标系与相机坐标系，并基于凸面镜反射图像的姿态参数，建立世界坐标系与相机坐标系的关系；对置于所述相机坐标系的平面图像进行径向扭曲；将扭曲图像围绕世界坐标系的X轴与Y轴旋转，得到平面图像的凸面镜反射图像。本发明依靠建立的凸面镜模拟模块来模拟凸面镜成像，并通过对抗学习使得模拟的凸面镜图像和真实的图像在几何形态上接近，进而提升真实凸面镜反射图像的语义分割精度。
-
公开(公告)号：CN115795043A
公开(公告)日：2023-03-14
申请号：CN202211235369.1
申请日：2022-10-10
Applicant: 北京大学
Abstract: 本发明公开了一种复杂装备实体层级分布的四元数知识图谱链接预测方法，其步骤包括：1)对目标复杂装备的知识图谱中的实体和关系构建索引，并统计所述知识图谱中实体和关系的数量；2)构建具有层级感知的四元数知识图谱嵌入模型，其包括实体嵌入向量生成模块、关系嵌入向量生成模块；3)利用目标复杂装备知识图谱中的三元组和生成的负样本训练具有层级感知的四元数知识图谱嵌入模型；负样本由正样本随机替换掉头实体或尾实体来生成，并且替换后生成的负样本不存在于所有的正样本中；4)利用训练后的模型对目标复杂装备中待补全的三元组进行三元组链接预测。本发明能够有效学习知识图谱中的语义信息，在知识图谱补全任务中获得更好的精度。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
