-
公开(公告)号：CN119885861A
公开(公告)日：2025-04-25
申请号：CN202411929169.5
申请日：2024-12-25
Applicant: 国网湖北省电力有限公司信息通信公司 , 北京邮电大学 , 国网湖北省电力有限公司
Abstract: 本申请提出了一种基于高斯泼溅的电网设备CAD图纸三维重建方法，包括：对三视图草图进行噪声过滤与虚线去除，得到过滤后的草图；对过滤后的草图进行掩码提取，得到掩码图像，并对与掩码图像相对应的草图内部区域进行着色，得到上色的参考草图；以三视图相对位置关系为先验进行相机位姿定位，计算相机参数，实现在三维空间中定位三视图草图；通过相机参数和掩码图像构建视觉外壳，通过视觉外壳初始化3D高斯；对3D高斯进行优化，在优化过程中，将3D高斯渲染成2D草图，并将其与上色的参考草图计算损失，并通过梯度反传优化3D高斯；将重建的3D高斯曲面进行可视化展示，呈现3D CAD模型。采用上述方案的本发明实现了从CAD草图到3D CAD模型的稀疏视图重建。
-
Patent Agency Ranking
公开(公告)号：CN119763142A
公开(公告)日：2025-04-04
申请号：CN202411611497.0
申请日：2024-11-12
Applicant: 北京邮电大学 , 国网湖北省电力有限公司信息通信公司
Inventor： 孙华梅 , 周正 , 尹建芹 , 胡莉娜 , 徐宁 , 汤弋 , 叶露 , 孙俊 , 陈璞 , 周德坤 , 张曦 , 朱兆宇 , 柯宏宇 , 代静 , 周亮 , 舒蔚君 , 曾言 , 刘小丽 , 郭文凯
IPC: G06V30/422 , G06V10/82 , G06V30/19 , G06V30/14 , G06V10/26 , G06V10/74 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本申请提出了一种面向机器人服务的CAD图纸智能分析方法，包括：获取原始图元数据集；对原始图元数据集中的图元图像进行文本检测，获得文本检测结果，包括文本位置和文本标签；基于文本检测结果对原始图元数据集中的图元图像进行预处理，并对预处理后的图像进行图元检测，得到图像检测结果，包括图像位置和图元图像；基于文本位置和图像位置将文本标签和图元图像进行配对，并进一步构建图元数据集；对图元数据集中的图元图像进行数据增强，并进一步对目标检测模型进行训练，得到训练后的目标检测模型；对待检测的图元图像进行数据增强，并输入训练后的目标检测模型中，输出图元检测结果。采用上述方案的本发明具有较强的图元识别能力。
-
公开(公告)号：CN110598646A
公开(公告)日：2019-12-20
申请号：CN201910874723.7
申请日：2019-09-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度特征的无约束重复动作计数方法，其特征在于，具体步骤包括如下：构建BN-Inception网络，并进行深度特征提取；将提取的深度特征进行降维，得到降维后的周期图；利用傅里叶变换对所述周期图进行分段阈值滤波，得到光滑的频率图；根据滤波后的频率图进行计数。本发明提供了一种基于深度特征的无约束重复动作计数方法，为了捕获较鲁棒的运动特征并有效的避免相机移动的干扰，对捕获的视频提取RGB和光流图,在此基础上使用深度ConvNets进行特征提取，基于特征值寻找体现重复动作的运动规律，使用变周期的傅里叶变换来处理复杂场景的非静止的视频动态，获取明显的运动频率，更好的统计重复运动次数。
-
公开(公告)号：CN112581499A
公开(公告)日：2021-03-30
申请号：CN202011500519.8
申请日：2020-12-17
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于深度状态空间模型的3D人体运动预测方法，先将人体运动的位置和速度作为观测，采用深度网络提取历史姿态序列的运动动力学规律来初始化状态空间模型的状态，通过状态到观测的转移递归地预测3D人体运动的多个未来姿态。本发明利用深度网络和状态空间模型的优点，将人体运动系统建模为深度状态空间模型，为各种人体运动系统提供了一个统一的描述，同时也能够对已有的模型进行分析。
-
公开(公告)号：CN110826502A
公开(公告)日：2020-02-21
申请号：CN201911088199.7
申请日：2019-11-08
Applicant: 北京邮电大学
Abstract: 本发明公开了基于伪图像序列演化的三维姿态预测方法，具体步骤包括如下：步骤一：输入关节点坐标序列；步骤二：将关节点坐标序列变换为图像序列，并对人体进行划分，同时将所述图像序列转换得到伪图像序列；步骤三：构建序列到序列模型，将历史姿态的伪图像序列预测未来的姿态序列；步骤四：输出未来的姿态序列的关节点坐标序列。本发明提供了基于伪图像序列演化的三维姿态预测方法，（1）新的骨架表示，将姿态预测问题建模为视频预测问题；（2）一个新的结构PISEP2，该结构以非递归的方式预测所有未来的帧，能够有效地避免误差累积和提高计算效率。
-
公开(公告)号：CN110598646B
公开(公告)日：2022-07-12
申请号：CN201910874723.7
申请日：2019-09-16
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V10/77 , G06V10/776 , G06K9/62
Abstract: 本发明公开了一种基于深度特征的无约束重复动作计数方法，其特征在于，具体步骤包括如下：构建BN‑Inception网络，并进行深度特征提取；将提取的深度特征进行降维，得到降维后的周期图；利用傅里叶变换对所述周期图进行分段阈值滤波，得到光滑的频率图；根据滤波后的频率图进行计数。本发明提供了一种基于深度特征的无约束重复动作计数方法，为了捕获较鲁棒的运动特征并有效的避免相机移动的干扰，对捕获的视频提取RGB和光流图,在此基础上使用深度ConvNets进行特征提取，基于特征值寻找体现重复动作的运动规律，使用变周期的傅里叶变换来处理复杂场景的非静止的视频动态，获取明显的运动频率，更好的统计重复运动次数。
-
-
-
-
-
Search Results
6
records
(took 0.086 seconds)
