-
公开(公告)号：CN104318569B
公开(公告)日：2017-02-22
申请号：CN201410584106.0
申请日：2014-10-27
Applicant: 北京工业大学
Abstract: 本发明属于计算机视觉领域，涉及基于深度变分模型的空间显著性区域提取方法。首先，对相机进行校正，选取图像中关键帧图像序列，运用离散空间采样法获取初始深度图，构造变分模式下深度估计模型的能量函数；然后，借助于原始对偶算法求解能量函数，实现深度模型优化；利用显著性滤波器算法对优化后的深度图进行显著性区域粗提取，进一步利用改进脉冲耦合神经网络对显著性区域进行优化，实现深度显著性区域准确提取；最后对三维显著性区域进行重建。本发明基于特定视角下不同坐标系间关联性，以及摄像机透视投影变换关系，使得该能量函数模型蕴含了多视成像约束，降低了算法模型求解的计算复杂度，提高了深度图估计质量。
-
Patent Agency Ranking
公开(公告)号：CN106127776B
公开(公告)日：2019-05-03
申请号：CN201610491136.6
申请日：2016-06-28
Applicant: 北京工业大学
Abstract: 基于多特征时空上下文机器人目标识别与运动决策方法，属于机器人领域。本方法先利用图像的颜色和纹理特征对图像进行分块聚类，完成第一帧目标的时空上下文模型的初始化，并构造目标块的稀疏表示方程。然后以聚类块为基本单位，将聚类过程中的聚类置信值与上下文特征相结合建立以图像块为基本单位的置信图。最后，置信图似然概率最大处即为预测的下一帧的目标位置。与以前的方法相比，本发明加强了目标的特征描述，提高了目标在复杂背景下的鲁棒性，另外，提出加入分块聚类的思想保证了算法的实时性。在算法完成目标的识别跟踪后，以跟踪结果作为机器人运动决策的根据，完成机器人对目标的识别跟踪。
-
公开(公告)号：CN106127776A
公开(公告)日：2016-11-16
申请号：CN201610491136.6
申请日：2016-06-28
Applicant: 北京工业大学
CPC classification number: G06K9/00664 , G06K9/6218
Abstract: 基于多特征时空上下文机器人目标识别与运动决策方法，属于机器人领域。本方法先利用图像的颜色和纹理特征对图像进行分块聚类，完成第一帧目标的时空上下文模型的初始化，并构造目标块的稀疏表示方程。然后以聚类块为基本单位，将聚类过程中的聚类置信值与上下文特征相结合建立以图像块为基本单位的置信图。最后，置信图似然概率最大处即为预测的下一帧的目标位置。与以前的方法相比，本发明加强了目标的特征描述，提高了目标在复杂背景下的鲁棒性，另外，提出加入分块聚类的思想保证了算法的实时性。在算法完成目标的识别跟踪后，以跟踪结果作为机器人运动决策的根据，完成机器人对目标的识别跟踪。
-
公开(公告)号：CN104732518B
公开(公告)日：2017-09-01
申请号：CN201510025810.7
申请日：2015-01-19
Applicant: 北京工业大学
Abstract: 一种基于智能机器人地面特征的PTAM改进方法，首先，完成参数校正，这包括参数定义与相机校正；然后利用相机获取当前环境纹理信息，并构建四层高斯图像金字塔，运用FAST角点检测算法提取当前图像中的特征信息，建立角点特征间的数据关联，得到位姿估计模型；在地图的初始绘制阶段，获取两个关键帧将相机架设在移动机器人上；在初始化过程中，移动机器人开始移动，同时相机捕获当前场景中角点信息并建立关联；实现三维稀疏地图的初始化后，更新关键帧并利用极线搜索与块匹配方法建立特征点亚像素精度映射关系，结合位姿估计模型实现相机精确重定位。最后将匹配点投影到空间，完成当前全局环境三维地图创建。
-
公开(公告)号：CN104732518A
公开(公告)日：2015-06-24
申请号：CN201510025810.7
申请日：2015-01-19
Applicant: 北京工业大学
Abstract: 一种基于智能机器人地面特征的PTAM改进方法，首先，完成参数校正，这包括参数定义与相机校正；然后利用相机获取当前环境纹理信息，并构建四层高斯图像金字塔，运用FAST角点检测算法提取当前图像中的特征信息，建立角点特征间的数据关联，得到位姿估计模型；在地图的初始绘制阶段，获取两个关键帧将相机架设在移动机器人上；在初始化过程中，移动机器人开始移动，同时相机捕获当前场景中角点信息并建立关联；实现三维稀疏地图的初始化后，更新关键帧并利用极线搜索与块匹配方法建立特征点亚像素精度映射关系，结合位姿估计模型实现相机精确重定位。最后将匹配点投影到空间，完成当前全局环境三维地图创建。
-
公开(公告)号：CN104318569A
公开(公告)日：2015-01-28
申请号：CN201410584106.0
申请日：2014-10-27
Applicant: 北京工业大学
IPC: G06T7/00
CPC classification number: G06T7/55 , G06T2207/10016
Abstract: 本发明属于计算机视觉领域，涉及基于深度变分模型的空间显著性区域提取方法。首先，对相机进行校正，选取图像中关键帧图像序列，运用离散空间采样法获取初始深度图，构造变分模式下深度估计模型的能量函数；然后，借助于原始对偶算法求解能量函数，实现深度模型优化；利用显著性滤波器算法对优化后的深度图进行显著性区域粗提取，进一步利用改进脉冲耦合神经网络对显著性区域进行优化，实现深度显著性区域准确提取；最后对三维显著性区域进行重建。本发明基于特定视角下不同坐标系间关联性，以及摄像机透视投影变换关系，使得该能量函数模型蕴含了多视成像约束，降低了算法模型求解的计算复杂度，提高了深度图估计质量。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
