一种基于单目视频的大型货运车辆长度测量方法

    公开(公告)号:CN118154663A

    公开(公告)日:2024-06-07

    申请号:CN202410306812.2

    申请日:2024-03-18

    Applicant: 厦门大学

    Abstract: 一种基于单目视频的大型货运车辆长度测量方法,涉及单目长度测量领域。实现高效且低成本的车辆长度测量。利用车辆本身的特征,结合图像拼接以及透视校正技术实现单目长度测量,包括以下步骤:1)在道路一侧安装相机,使得相机主轴平行与地面;2)录制车辆经过的视频作为输入;3)在输入中选择图像,并去除背景;4)根据图像拼接方法,得到车辆侧面图像;5)利用车辆侧面图像上的直线特征进行透视校正;6)单目测量得到车辆的长度。利用图像拼接技术,克服相机视野小带来的测量限制,实现大型车辆长度测量。利用透视校正,无需限制车辆行驶路线,实现非接触式测量,极大地提高测量效率。

    一种基于自适应网格的广角人像照片畸变矫正方法

    公开(公告)号:CN114049281B

    公开(公告)日:2024-08-20

    申请号:CN202111588970.4

    申请日:2021-12-23

    Applicant: 厦门大学

    Abstract: 一种基于自适应网格的广角人像照片畸变矫正方法,涉及图像变形领域。包括以下步骤:1)输入广角透视图像,设定相关参数;2)计算相应的人像显著性密度图;3)根据密度图生成自适应三角网格剖分;4)根据本发明提出的度量畸变的能量函数计算三角网格顶点的新位置,并将各顶点移动到相应的新位置上;5)根据三角网格的移动驱动图像变形,重新渲染图片,得到边缘人物无明显变形的广角图片。利用三角网格的强自适应性,可以最大程度地减少三角网格的顶点和面片数,提高最小化畸变的效率,达到良好的视觉效果。能量函数设计具有较强的扩展性,可以加入特定的几何约束,通过适当交互以满足用户的个人需求。解决广角照片边缘处的人像畸变问题。

    基于全局对齐的建筑物点云带约束重建方法

    公开(公告)号:CN117078852A

    公开(公告)日:2023-11-17

    申请号:CN202311045704.6

    申请日:2023-08-18

    Applicant: 厦门大学

    Abstract: 基于全局对齐的建筑物点云带约束重建方法,涉及点云三维重建。步骤:1、对输入的点云进行初始法向的估计;2、对估计的初始法向进行稀疏优化,使得同一个面上的点具有相同的法向;3、结合初始估计法向和优化后的法向,利用区域增长算法对输入点云进行分割得到一系列的平面基元;4、计算出建筑物点云的主轴方向作为全局参考,为每个平面基元设置目标法向来构建平面基元中的平行,垂直,共面和对称关系;5、根据构建得到的约束关系,全局优化平面基元的方向和位置;6、对所有平面求交计算平面基元的边界,得到最终的模型。方法简单高效,能在恢复点云形状的同时保持严格的约束关系,且对噪声和异常值具有良好鲁棒性。

    基于圆堆砌的纹理生成方法
    4.
    发明公开

    公开(公告)号:CN115908635A

    公开(公告)日:2023-04-04

    申请号:CN202211354396.0

    申请日:2022-11-01

    Applicant: 厦门大学

    Inventor: 何科雨 陈中贵

    Abstract: 基于圆堆砌的纹理生成方法,涉及二维图像、三维网格模型、程序化建模与分析等领域。旨在为纹理生成提供参考。包括步骤:S1、输入二维闭合多边形或者三维网格模型;S2、对二维闭合多边形进行Delaunay三角化或对三维网格模型进行重新网格化以得到一个顶点均匀分布的三角网格;S3、利用非线性优化算法得到圆堆砌结果;S4、对圆堆砌中的圆形进行替换,修改以生成二维纹理或者三维网格纹理。提出一个快速圆堆砌的方法,能够处理凹多边形和带有孔洞的多边形;将圆堆砌应用于纹理生成,速度比现有的方法快,能灵活生成二维或三维的的纹理。

    基于最优传输理论的二维点云形状分区域并行重建方法

    公开(公告)号:CN113936070A

    公开(公告)日:2022-01-14

    申请号:CN202111199347.X

    申请日:2021-10-14

    Applicant: 厦门大学

    Abstract: 基于最优传输理论的二维点云形状分区域并行重建方法,涉及点云形状重建领域。1)输入二维点云数据,构建Delaunay三角网格,计算初始传输计划;2)根据传输代价从当前点云中计算得到合适的点,将其加入到Delaunay三角网格中;3)重复步骤2),直到顶点个数满足设置的条件,然后删除Delaunay三角网格的部分边,得到图结构;4)选择图结构中的一条合适的半边,将其进行收缩;5)重复步骤4),直到图结构的顶点数量满足设置的值。上述二维点云形状重建方法可以在CPU上并行实现,提高处理效率,重建结果精度高,重建速度快。

    一种GPU加速的参数曲线弧长计算及弧长参数化方法

    公开(公告)号:CN111368420A

    公开(公告)日:2020-07-03

    申请号:CN202010135438.6

    申请日:2020-03-02

    Applicant: 厦门大学

    Abstract: 一种GPU加速的参数曲线弧长计算及弧长参数化方法,涉及计算机辅助设计领域。提供数据的存储方式与GPU的数据存取方式友好,指令分歧率小,减少时间消耗的一种GPU加速的参数曲线弧长计算及弧长参数化方法。包括以下步骤:输入参数曲线的数量、每条参数曲线区间段的个数以及曲线参数;等分参数小区间段;构建弧长表;从弧长表中取出曲线弧长;输入待求解弧长参数化的弧长值及其所在的曲线编号;确定该弧长所在的搜索区间;使用基于二进制位操作加速二叉树遍历回溯的深度优先搜索,将搜索区间的长度缩小到不大于用户指定的误差范围;将最终搜索区间中点作为弧长所对应的参数输出。具有更高的可并行性,更为适合GPU的SIMT架构。

    一种适用于3D打印的图像线画生成方法

    公开(公告)号:CN105976362B

    公开(公告)日:2018-09-18

    申请号:CN201610274450.9

    申请日:2016-04-28

    Applicant: 厦门大学

    Abstract: 一种适用于3D打印的图像线画生成方法,涉及平面图像3D打印。提供得到的线画线条相对均匀、分段数少、总长度短,且可保持原图像的特征信息和灰度信息的一种适用于3D打印的图像线画生成方法。包括以下步骤:1)输入图像,利用分水岭算法对图像进行交互式分割,所述图像为灰度图像或彩色图像;2)根据图像分割的结果,提取图像的特征线;3)在图像上初始化点,进行保特征的Lloyd迭代,重复此过程直至达到迭代次数,对特征线进行重新采样;4)分块解旅行商问题,得到保持图像特征的线画;5)根据线画结果,用长方体代替线段写入OBJ文件,输出反映线画结果的OBJ文件,即可利用3D打印机打印出来,打印结果更像原图像。

    一种由多层级正则化离散代码树引导的三维模型生成方法

    公开(公告)号:CN119848961A

    公开(公告)日:2025-04-18

    申请号:CN202411986027.2

    申请日:2024-12-31

    Applicant: 厦门大学

    Abstract: 一种由多层级正则化离散代码树引导的三维模型生成方法,涉及计算机辅助设计。将三维模型对应的构造序列分为环、轮廓和实体三部分。分别提取这三部分几何信息提取对应的正则化离散码本。将三维模型构造序列表示为一个包含三个层次的正则化代码树获得压缩后的三维模型构造序列表示。通过标准Transformer网络训练生成代码树。基于代码树作为全局信息,通过草图和挤压方法生成训练条件引导网络生成代码树对应的三维模型对应的构造序列。通过多层级正则化代码树引导三维模型的生成,显著提高生成模型的质量、真实感、多样性和复杂性。生成效果相比现有最高基线模型有明显的提升。

    基于最优传输理论的二维点云形状分区域并行重建方法

    公开(公告)号:CN113936070B

    公开(公告)日:2024-06-04

    申请号:CN202111199347.X

    申请日:2021-10-14

    Applicant: 厦门大学

    Abstract: 基于最优传输理论的二维点云形状分区域并行重建方法,涉及点云形状重建领域。1)输入二维点云数据,构建Delaunay三角网格,计算初始传输计划;2)根据传输代价从当前点云中计算得到合适的点,将其加入到Delaunay三角网格中;3)重复步骤2),直到顶点个数满足设置的条件,然后删除Delaunay三角网格的部分边,得到图结构;4)选择图结构中的一条合适的半边,将其进行收缩;5)重复步骤4),直到图结构的顶点数量满足设置的值。上述二维点云形状重建方法可以在CPU上并行实现,提高处理效率,重建结果精度高,重建速度快。

    一种基于深度神经网络的室内火灾演变预测方法

    公开(公告)号:CN115983115A

    公开(公告)日:2023-04-18

    申请号:CN202211648832.5

    申请日:2022-12-20

    Applicant: 厦门大学

    Abstract: 本公开是关于一种基于深度神经网络的室内火灾演变预测方法、装置、电子设备以及存储介质。其中,该方法包括:构建基于FDS的火灾演变仿真,并完成对物理模型数据、火灾演变模型关键参数的设置,建立预设火灾场景的模拟数据及拟合数据;以所述模拟数据为输入,基于预设第一深度神经网络模型、预设第二深度神经网络模型,生成温度场图;在火灾发生时,接收现场信息,并根据所述现场信息基于所述预设深度神经网络模型生成预测温度场图,完成对火灾演变的预测。本公开通过设计两阶段深度神经网络对输入向量进行高精度重建,对场模型的仿真数据进行拟合,从而提高了火灾演变预测的实时性和准确性。

Patent Agency Ranking