-
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。
-
Patent Agency Ranking
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：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：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。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
