-
公开(公告)号：CN119152106A
公开(公告)日：2024-12-17
申请号：CN202310710361.4
申请日：2023-06-15
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于单帧条纹投影的高精度三维重建的方法，其包括：步骤1：研究结构光三维重建原理，确定相机和投影仪的参数；步骤2：将数据集进行处理得到所需数据集；步骤3：基于步骤2的数据集进行深度学习训练，预测包裹相位；步骤4：将步骤3预测得来的包裹相位进行后处理，预测条纹级次；步骤5：将步骤3与步骤4预测得到的包裹相位和条纹级次进行数学计算得到绝对相位，结合步骤1确定好的参数进行三维点云重建。
-
公开(公告)号：CN112906797A
公开(公告)日：2021-06-04
申请号：CN202110207871.0
申请日：2021-02-25
Applicant: 华北电力大学
Abstract: 本发明属于公开了机械臂抓取计算领域的一种基于计算机视觉和深度学习的平面抓取检测方法，其步骤包括：收集或自制抓取数据集，并进行特定的数据增强；利用深度补全算法补全深度图信息，并对数据集进行深度信息融合、统一裁剪以及训练验证划分；根据训练得到的抓取检测模型，利用真实图像数据作为网络输入，抓取质量分数及抓取框五维表示作为输出，采用反向传播算法和基于标准梯度的优化算法，通过排序优化转换为抓取框四个顶点信息，实现可视化，最终映射到真实世界坐标。使得检测得到的抓取框与真实值差异最小化；本发明解决了经验抓取检测方法为实现泛化性而很难满足精准性的问题；解决了抓取检测方法在真实场景中难以保证实时性的问题。
-
公开(公告)号：CN110361778B
公开(公告)日：2020-10-13
申请号：CN201910599289.6
申请日：2019-07-04
Applicant: 华北电力大学
Abstract: 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于生成对抗网络的地震数据重建方法，包括：使用被裁减成统一大小的地震切片数据作为训练集；采用深度卷积生成对抗网络对训练集进行训练，并采用Wasserstein距离来作为地震数据生成模型的训练评判指标；采用地震数据生成模型对地震数据进行重建，采用反向传播算法和基于标准梯度的优化算法来优化目标函数的梯度，使得重建数据与缺失数据的差值最小化。本发明的有益效果：解决了传统地震数据重建算法需要满足Nyquist采样定理限制的问题；解决了使用压缩感知算法重建地震数据稀疏基难以选择的问题；解决了压缩感知算法以及传统重建算法在极低采样率情况下重建效果不好的问题。
-
公开(公告)号：CN110361778A
公开(公告)日：2019-10-22
申请号：CN201910599289.6
申请日：2019-07-04
Applicant: 华北电力大学
Abstract: 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于生成对抗网络的地震数据重建方法，包括：使用被裁减成统一大小的地震切片数据作为训练集；采用深度卷积生成对抗网络对训练集进行训练，并采用Wasserstein距离来作为地震数据生成模型的训练评判指标；采用地震数据生成模型对地震数据进行重建，采用反向传播算法和基于标准梯度的优化算法来优化目标函数的梯度，使得重建数据与缺失数据的差值最小化。本发明的有益效果：解决了传统地震数据重建算法需要满足Nyquist采样定理限制的问题；解决了使用压缩感知算法重建地震数据稀疏基难以选择的问题；解决了压缩感知算法以及传统重建算法在极低采样率情况下重建效果不好的问题。
-
公开(公告)号：CN107204025B
公开(公告)日：2019-10-18
申请号：CN201710253360.6
申请日：2017-04-18
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于视觉感知的自适应服装动画建模方法，其包括：步骤1：构建符合人眼特性的服装视觉显著模型，应用深度卷积神经网络学习并提取出服装动画每帧图像的不同层次抽象特征，并从这些特征和真实的眼动数据中深度学习出视觉显著模型；步骤2：服装分区域建模，基于步骤1已构建的视觉显著模型，预测服装动画图像的视觉显著图，提取出服装区域的关注度，对服装变形进行滤波，并结合摄像机视点运动信息以及物理变形信息，通过设置细节模拟因子对服装进行分区域建模；步骤3：构建视觉感知驱动的自适应服装模型并实现模拟，采用自适应多精度网格技术实现服装分区域建模，细节模拟因子高的区域进行高精度建模，细节模拟因子较低的区域则进行低精度建模，在此基础上进行动力学计算和碰撞检测，构建视觉逼真的服装动画系统。
-
Patent Agency Ranking
公开(公告)号：CN115375874A
公开(公告)日：2022-11-22
申请号：CN202210634992.8
申请日：2022-06-07
Applicant: 华北电力大学
Abstract: 本发明公开了一种工件点云的尖锐特征表面重建方法，其包括：步骤1：在点云平滑区域选择三个满足条件的点构成种子三角面片；步骤2：根据点云中点的法线方向分布的不同来实现平滑区域和尖锐特征区域的识别；步骤3：以种子三角形为基础，在不同的区域采取不同的策略步骤进行三角面片的扩张；步骤4：遍历步骤3过程中标记的边界边，在相邻的边界边之间重建三角面片以完成孔洞修补。
-
公开(公告)号：CN115035269A
公开(公告)日：2022-09-09
申请号：CN202210630263.5
申请日：2022-06-06
Applicant: 华北电力大学
Abstract: 本发明公开了属于服装动画技术领域的基于变分自编码器的三维服装变形预测方法。包括：步骤1：通过物理模拟方式将不同种类的服装样板穿着到不同体型不同姿态的人体模型上，构造多体型多姿态下的服装变形实例；步骤2：借助变分自编码器网络提取人体姿态在隐空间上的特征表示并学习该特征在隐空间上的概率分布，进而回归人体姿态特征与服装形变特征间的数学映射关系，求解出服装形变；步骤3：在步骤2的基础上引入约束条件对生成服装变形效果进一步约束，使得编码器网络学习到的隐空间概率分布变为条件概率分布，最终利用解码器网络学习条件约束下的人体姿态特征与服装形变特征间的数学映射关系，求解出服装形变；步骤4：基于步骤2和步骤3构建的服装变形预测模型，改变输入数据的种类，可生成满足姿态、体型、时序等多种约束的服装变形效果；步骤5：对步骤4的变形预测结果进行穿透修正后处理，消除穿透区域。
-
公开(公告)号：CN114898070A
公开(公告)日：2022-08-12
申请号：CN202210630688.6
申请日：2022-06-06
Applicant: 华北电力大学
Abstract: 本发明公开了一种三维鱼体姿态建模方法，所述方法，包括：步骤1：获取真实三维鱼体姿态数据；步骤2：基于真实鱼体姿态数据定义鱼体模板和鱼体骨架模型，并将鱼体模板进行按照鱼体骨架关节划分成几个分块，同时对扫描实例做预处理；步骤3：使用鱼体姿态建模方法对鱼体姿态数据集进行参数化建模，训练实例数据，优化得到姿态变形所需要的参数；步骤4：输入高层语义参数，能够对鱼体姿态进行预测生成不同姿态的网格数据，为三维鱼体姿态数据集的构建提供了一种可行的方法。
-
公开(公告)号：CN112907710A
公开(公告)日：2021-06-04
申请号：CN202110159774.9
申请日：2021-02-05
Applicant: 华北电力大学
Abstract: 本发明公开了属于服装动画技术领域的基于条件自编码器的共享体型特征空间学习方法。包括：步骤1：通过物理模拟方式将不同款式的服装样板穿着到标模及非标模人体上，形成标模试穿及非标模试穿的服装实例，使用变形梯度表示同款服装从标模到非标模体型下服装实例间的变形映射，然后将不同款式服装的变形矩阵对齐为同一维度；步骤2：借助条件自编码器学习共享体型特征空间，将人体体型与服装款式进行解耦，隐式消除由服装款式信息引起的服装形变，进而求出款式无关的服装形变矩阵；步骤3：将得到的服装形变用于标模到非标模的服装款式迁移，生成的服装模型在贴合目标体型人体的情况下保留了源体型下服装模型的款式设计。
-
公开(公告)号：CN116821828A
公开(公告)日：2023-09-29
申请号：CN202310703240.7
申请日：2023-06-14
Applicant: 华北电力大学
IPC: G06F18/2433 , G06F18/214 , G06F18/10 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于工业数据的多维时序预测方法。该方法具有以下步骤：步骤1：深入研究工业加工过程中影响工业加工结果的因素，明确对工业加工产品优良率影响最显著的关键因素。步骤2：通过在工业加工机床上安装相应的检测传感器，实时采集多维时序数据，从而形成包含丰富信息的工业加工多维时序数据集。步骤3：基于步骤2的数据集构建高级工业加工多维时序预测模型，运用改进的深度循环神经网络和卷积网络，巧妙地提取多维时序数据的多层次特征，并借助这些特征训练出卓越的工业加工多维时序预测模型，使其能够准确预测未来多维时序信息。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.028 seconds)
