-
公开(公告)号：CN115471540A
公开(公告)日：2022-12-13
申请号：CN202211127960.5
申请日：2022-09-16
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于双目立体视觉的深度和宽度估计方法，属于计算机视觉领域。本发明使用双目立体相机获取图像，利用观测目标距离成像平面的深度与视差的关系和观测点的拟求宽度与视差的关系建立数学模型，分别对上述的深度和宽度进行标定，从而提供一种求解世界坐标系下观测点到相机主点的真实距离方法；并考虑到因相机安装问题产生的左右相机主点不同致使的误差，通过拟合提高深度和宽度的计算精度。
-
公开(公告)号：CN118379562A
公开(公告)日：2024-07-23
申请号：CN202410804377.6
申请日：2024-06-21
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82
Abstract: 本发明涉及计算机视觉图像零样本分类领域，提供一种基于渐进式互指导的组合零样本图像分类方法，包括：将训练图像输入到预训练好的视觉特征提取器中提取到多尺度的基元特征（属性特征和对象特征）；将多尺度的基元特征输入深度神经分类网络中进行渐进式互学习，得到训练好的模型，迭代此过程，逐步得到精确的网络模型；将图像对应的标签通过词嵌入转换为文本特征，与视觉特征进行对齐；对预测的模型和文本计算松弛交叉熵损失，优化网络模型；将测试集输入到优化后的模型中，通过三个不同分支的平衡得到预测结果。本发明能够大幅度提高对于看不见组合的分类精度，同时缓解了组合零样本任务存在的泛化性和情境性问题，使图像分类更加准确。
-
公开(公告)号：CN100384945C
公开(公告)日：2008-04-30
申请号：CN200610200035.5
申请日：2006-01-16
Applicant: 大连理工大学
IPC: C09B67/24
Abstract: 本发明属于化工技术领域，特别涉及一类高性能酸性染料组合物。本发明涉及的染料组合物是由弱酸性染料、来自天然产物的助剂及稳定剂，用一般的方法均匀混合而成。本发明的效果和益处是该染料组合物染色时染料的吸尽率极高，染色后的废水近于无色，组合物中包含的来自天然产物的助剂完全生物降解，可直接排放。染色物的水洗牢度好，尤其适于各种新型聚酰胺纤维的染色，不会改变纤维手感，也不会影响耐日晒牢度，具有很好的实用价值。
-
公开(公告)号：CN1817972A
公开(公告)日：2006-08-16
申请号：CN200610200035.5
申请日：2006-01-16
Applicant: 大连理工大学
IPC: C09B67/24
Abstract: 本发明属于化工技术领域，特别涉及一类高性能酸性染料组合物。本发明涉及的染料组合物是由弱酸性染料、来自天然产物的助剂及稳定剂，用一般的方法均匀混合而成。本发明的效果和益处是该染料组合物染色时染料的吸尽率极高，染色后的废水近于无色，组合物中包含的来自天然产物的助剂完全生物降解，可直接排放。染色物的水洗牢度好，尤其适于各种新型聚酰胺纤维的染色，不会改变纤维手感，也不会影响耐日晒牢度，具有很好的实用价值。
-
公开(公告)号：CN118379562B
公开(公告)日：2024-10-15
申请号：CN202410804377.6
申请日：2024-06-21
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82
Abstract: 本发明涉及计算机视觉图像零样本分类领域，提供一种基于渐进式互指导的组合零样本图像分类方法，包括：将训练图像输入到预训练好的视觉特征提取器中提取到多尺度的基元特征（属性特征和对象特征）；将多尺度的基元特征输入深度神经分类网络中进行渐进式互学习，得到训练好的模型，迭代此过程，逐步得到精确的网络模型；将图像对应的标签通过词嵌入转换为文本特征，与视觉特征进行对齐；对预测的模型和文本计算松弛交叉熵损失，优化网络模型；将测试集输入到优化后的模型中，通过三个不同分支的平衡得到预测结果。本发明能够大幅度提高对于看不见组合的分类精度，同时缓解了组合零样本任务存在的泛化性和情境性问题，使图像分类更加准确。
-
Patent Agency Ranking
公开(公告)号：CN117974938A
公开(公告)日：2024-05-03
申请号：CN202410104097.4
申请日：2024-01-25
Applicant: 大连理工大学
Abstract: 本发明涉及一种基于稀疏点云的网格重建方法，旨在通过预测边缘连接性和距离回归来实现准确的网格重建。本发明通过引入神经网络和边缘特征提取，以及距离回归和过滤技术，实现了更精确和连续的网格重建。本发明的方法包括以下关键步骤：首先，从输入的稀疏点云中生成候选边缘，并提取候选边缘的特征。候选边缘的特征由与其相邻的局部邻域点的特征表示。接下来，通过距离回归，将候选边缘回归到物体表面的距离。这样可以过滤掉出来位于表面上的边缘。最后，通过对过滤后的边缘进行连接，能够生成一个准确且连续的三角网格表示。这种网格重建方法在计算机图形学、计算机辅助设计和虚拟现实等领域具有广泛应用的潜力。
-
公开(公告)号：CN115457086A
公开(公告)日：2022-12-09
申请号：CN202211127966.2
申请日：2022-09-16
Applicant: 大连理工大学
Abstract: 本发明属于图像处理和计算机视觉领域，涉及基于双目视觉和卡尔曼滤波的多目标跟踪算法。基于DeepSort算法基本流程，通过双目立体视觉获取目标的距离信息，使用卡尔曼滤波来估计运动信息，同时在目标状态上增加距离维度和距离变化维度，提高目标检测阶段的稳定性，解决了单目检测与运动估计无法很好适应自动驾驶数据集和目标移动速度较快的情况，进而增强目标跟踪的效果。
-
公开(公告)号：CN119445327A
公开(公告)日：2025-02-14
申请号：CN202411487168.X
申请日：2024-10-24
Applicant: 大连理工大学
IPC: G06V10/82 , G06V10/764 , G06V10/80 , G06V10/74 , G06N3/0455 , G06N3/096
Abstract: 本发明涉及计算机视觉图像分类领域，提供一种面向图像分类任务的组合增量学习方法，包括：通过图像特征提取器中提取到图像特征；将图像特征分别在对象提示池与组合提示池中选取合适的提示并进行融合；使用对象提示指导属性提示选择并进行融合；获取训练图像的特征序列；通过Transformer Encoder分别得到训练图像的属性特征、对象特征与组合特征；使用属性分类器、对象分类器、组合分类器分别对属性、对象和组合进行分类，得到属性、对象、组合的预测分数；最终对测试图像进行测试获取最终组合预测分数，分数最高的组合即为预测分类结果。本发明能够大幅度提高对于组合增量图像的分类精度，使图像分类更加准确。
-
公开(公告)号：CN115457508A
公开(公告)日：2022-12-09
申请号：CN202211127961.X
申请日：2022-09-16
Applicant: 大连理工大学
IPC: G06V20/58 , G06V10/80 , G06V10/764
Abstract: 本发明属于图像处理和计算机视觉领域，涉及基于UV视差检测和YOLOv5的融合目标识别方法。本方法充分融合了改进的UV视差检测和YOLOv5模型，利用改进的UV视差检测来粗识别路面上的行人车辆和非标障碍物，将UV检测结果输入到YOLOv5的深度学习模型，将二者结果进行融合目标识别来得到高稳定性高鲁棒性的检测效果，并且识别范围不限于目标的类型，由此来实现双目立体视觉的融合目标识别功能。本发明可高效快速实现路面可行驶区域检测、非标准障碍物检测、以及目标分类识别功能，是一种结合传统双目检测和深度学习目标检测二者优点的具有高稳定性，高鲁棒性的融合目标识别算法。
-
公开(公告)号：CN115457132A
公开(公告)日：2022-12-09
申请号：CN202211127974.7
申请日：2022-09-16
Applicant: 大连理工大学
Abstract: 本发明了公开了基于双目立体相机定位栅格地图的方法，属于图像处理和计算机视觉领域。本发明使用可见光双目立体相机和红外双目立体相机共同获取图像，并通过双目立体相机获取视差图以此获取实时三维点云信息，并构建了高质量的栅格映射算法来实现3d点云到2d栅格地图的映射，包括根据先验信息实现了栅格高度以及栅格阈值筛选算法；结合空间几何知识添加阻塞计数算法处理障碍物中的遮挡问题；通过栅格后验概率去除占用栅格中可能存在的噪声干扰；使用目标检测算法辅助聚类目标物并估计目标物的实际距离；通过粒子滤波结合多帧信息优化动态目标物；将可见光相机与红外相机的得到的栅格地图结果融合后输出。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
