-
公开(公告)号：CN110688763B
公开(公告)日：2023-10-17
申请号：CN201910953229.X
申请日：2019-10-08
Applicant: 北京工业大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于脉冲型飞行时间(Time‑of‑Flight,ToF)相机深度图像的多径效应补偿方法。该方法在多个脉冲周期下对同一场景进行测量，通过对脉冲型ToF深度相机的成像原理进行建模，构造稀疏矩阵使得测量信号在变换域中是稀疏的，并通过L1范数正则化方法重建未受多径效应影响的分量。我们对两个场景进行多次测量以验证多径效应补偿的效果，实验表明本发明可以有效地补偿深度值的漂移。
-
公开(公告)号：CN110889442B
公开(公告)日：2023-08-01
申请号：CN201911141304.9
申请日：2019-11-20
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/30 , G06V10/72
Abstract: 本发明提出一种适用于脉冲型ToF相机的物体材质分类的方法，属于模式识别和图像处理领域，包括：脉冲型ToF相机原始数据去噪处理，图像数据转化为特征向量，径向基神经网络分类器的优化，其特征在于，针对脉冲型ToF成像模型提出了物体材质分类方法，并使用二阶全广义变分模型和半盲反褶积方法对原始图像进行去噪处理，之后将去噪后的图像进行采样，拟合曲线和再采样得到物体材质的特征向量，最后利于奇异值分解对径向基神经网络分类器的优化，满足物体材质分类的高精确性和鲁棒性。
-
公开(公告)号：CN110889442A
公开(公告)日：2020-03-17
申请号：CN201911141304.9
申请日：2019-11-20
Applicant: 北京工业大学
Abstract: 本发明提出一种适用于脉冲型ToF相机的物体材质分类的方法，属于模式识别和图像处理领域，包括：脉冲型ToF相机原始数据去噪处理，图像数据转化为特征向量，径向基神经网络分类器的优化，其特征在于，针对脉冲型ToF成像模型提出了物体材质分类方法，并使用二阶全广义变分模型和半盲反褶积方法对原始图像进行去噪处理，之后将去噪后的图像进行采样，拟合曲线和再采样得到物体材质的特征向量，最后利于奇异值分解对径向基神经网络分类器的优化，满足物体材质分类的高精确性和鲁棒性。
-
公开(公告)号：CN110688763A
公开(公告)日：2020-01-14
申请号：CN201910953229.X
申请日：2019-10-08
Applicant: 北京工业大学
IPC: G06F30/20
Abstract: 本发明提出了一种基于脉冲型飞行时间(Time-of-Flight,ToF)相机深度图像的多径效应补偿方法。该方法在多个脉冲周期下对同一场景进行测量，通过对脉冲型ToF深度相机的成像原理进行建模，构造稀疏矩阵使得测量信号在变换域中是稀疏的，并通过L1范数正则化方法重建未受多径效应影响的分量。我们对两个场景进行多次测量以验证多径效应补偿的效果，实验表明本发明可以有效地补偿深度值的漂移。
-
-
-
Search Results
4
records
(took 0.023 seconds)
