-
公开(公告)号：CN114862876B
公开(公告)日：2024-08-06
申请号：CN202210556472.X
申请日：2022-05-18
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于正交条纹投影的快速深度分割方法，包括以下步骤，步骤S1：搭建条纹投影三维物体深度分割系统；步骤S2：利用深度学习网络模型训练得到目标物体图像对应的截断相位φX1(x,y)、φY1(x,y)；步骤S3：为了消除相位不敏感区域误分割引入的误差，对φX1(x,y)、φY1(x,y)整体相移π个单位后，将新相位信息拓展到[0,2π]以得到新截断相位φX2(x,y)、φY2(x,y)，从而得到不同相位信息下的两类截断相位；步骤S4：利用阈值分割提取目标物体的粗分割线后，通过形态学运算优化得到四个细分割线EX1(x,y)、EX2(x,y)、EY1(x,y)、EY2(x,y)；步骤S5：对EX1(x,y)、EX2(x,y)、EY1(x,y)、EY2(x,y)采用或与运算即可得到最终的深度分割结果D(x,y)，并利用边界描述标记优化结果展示。本发明仅使用一幅正交条纹图即可实现快速深度分割，具有成本低、计算速度快、分割精确度高、适用性广等优点。
-
公开(公告)号：CN117455912A
公开(公告)日：2024-01-26
申请号：CN202311784225.6
申请日：2023-12-23
Applicant: 安徽农业大学
Abstract: 本发明涉及图像处理技术领域，公开了一种基于三平面镜的玉米穗粒全景计数方法，包括如下步骤：步骤S1：搭建基于三平面镜的玉米穗粒全景计数系统，该系统主要包括三面平面镜、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜反射其他视角下的玉米穗粒图像，标准圆柱体对相机进行标定，支撑底座固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集。本发明提供基于三平面镜的玉米穗粒全景计数方法，实现对玉米产量的精确估算。玉米穗粒全景计系统能够同时获取三个不同视角下的玉米穗粒图像并计算出整根玉米穗的粒数。相较于其他计数系统，该系统具有速度快、精度高等显著优点，能够更好地满足实际需求。
-
公开(公告)号：CN115235374A
公开(公告)日：2022-10-25
申请号：CN202210818527.X
申请日：2022-07-12
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于参考相位估计的相位展开方法，包括：步骤S1：搭建条纹投影系统，采集被物体调制的条纹图像，并利用相移法从条纹图像中提取截断相位φ(x,y)；步骤S2：计算截断相位φ(x,y)的梯度图gX(x,y)和gY(x,y),估计出绝对相位Φ(x,y)的梯度图GX(x,y)和GY(x,y)；步骤S3：计算梯度图GX(x,y)和GY(x,y)的平均值，生成一组参考相位Φr(x,y,m)，并计算条纹级次k(x,y,m)，通过相位展开获得一组绝对相位Φ(x,y,m)；步骤S4：计算绝对相位Φ(x,y,m)的梯度图GX(x,y,m)和GY(x,y,m)，然后计算绝对相位Φ(x,y,m)的边缘图，记录边缘点数目最少的绝对相位Φ(x,y,m*)；步骤S5：标定条纹投影系统，将绝对相位Φ(x,y,m*)映射至三维物理空间，重建出被测物体的三维形貌。直接利用截断相位估计参考相位，通过对比截断相位和参考相位便可实现相位展开，具有速度快、精度高、鲁棒性强等优点。
-
公开(公告)号：CN117455912B
公开(公告)日：2024-03-19
申请号：CN202311784225.6
申请日：2023-12-23
Applicant: 安徽农业大学
Abstract: 本发明涉及图像处理技术领域，公开了一种基于三平面镜的玉米穗粒全景计数方法，包括如下步骤：步骤S1：搭建基于三平面镜的玉米穗粒全景计数系统，该系统主要包括三面平面镜、多个标准圆柱体、一个支撑底座、一个摄像机和光源，其中，平面镜反射其他视角下的玉米穗粒图像，标准圆柱体对相机进行标定，支撑底座固定玉米的位置，摄像机采集标准圆柱数据集和玉米穗粒数据集。本发明提供基于三平面镜的玉米穗粒全景计数方法，实现对玉米产量的精确估算。玉米穗粒全景计系统能够同时获取三个不同视角下的玉米穗粒图像并计算出整根玉米穗的粒数。相较于其他计数系统，该系统具有速度快、精度高等显著优点，能够更好地满足实际需求。
-
公开(公告)号：CN116840236A
公开(公告)日：2023-10-03
申请号：CN202310739385.2
申请日：2023-06-21
Applicant: 安徽农业大学
IPC: G01N21/88
Abstract: 本发明涉及水果机械损伤检测技术领域，公开了一种薄皮水果亚表面机械损伤检测方法，包括以下步骤：S1搭建光照明反射成像系统，并采集灰度反射图像；S2利用三相解调算法从灰度反射图像中求解出直流分量图像与交流分量图像；S3选择全局阈值，将直流分量图像进行二值化，生成仅包含苹果区域的掩膜图像。本发明采用结构光照明反射成像技术，解决了水果亚表面机械损伤区域因表面几乎看不见而导致的难检测问题；使得水果亚表面机械损伤区域呈现更好的对比度；解决了水果近似球形形状导致靠近边缘区域的亚表面机械损伤难以被有效检测的问题；具有非接触、成本低、精度高、速度快的优点。
-
Patent Agency Ranking
公开(公告)号：CN115330884A
公开(公告)日：2022-11-11
申请号：CN202210965004.8
申请日：2022-08-12
Applicant: 安徽农业大学
Abstract: 本发明公开了一种用于圆条纹阵列标靶的特征点排序方法，包括：步骤S1：摄像机依次采集多幅圆条纹阵列图像；步骤S2：提取圆条纹阵列图像的掩膜图像，通过连通域标记获得每个圆条纹的感兴趣区域；步骤S3：对比多幅圆条纹阵列图像，获得二值图像，并进行形态学孔洞填充获得填充图像；步骤S4：统计每个圆条纹的感兴趣区域中每幅填充图像的面积占比，推算出每个圆条纹的编码值；步骤S5：确定每个圆条纹的相移量和圆心特征点的次序；计算圆条纹阵列图像的相位分布，并提取圆心特征点；步骤S6：建立圆心特征点的世界坐标和图像坐标的一一映射关系，用于后续的摄像机标定；通过编码不同相移量的圆条纹，确定圆心特征点的次序，鲁棒性和适用性较强。
-
公开(公告)号：CN114972172A
公开(公告)日：2022-08-30
申请号：CN202210351063.6
申请日：2022-04-02
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于三维点云的苹果果梗和花萼检测方法，具体包括以下步骤：步骤S1：利用三维传感设备采集待测苹果的稠密三维点云，并转换为苹果深度图D(x,y)，然后将苹果深度图D(x,y)传输至计算机进行分析处理；步骤S2：依次将苹果深度图D(x,y)进行二值化，获得M个二值图像Bm(x,y)；步骤S3：利用二维凸包算法获得二值图像Bm(x,y)的凸包图像Am(x,y)，将凸包图像Am(x,y)与二值图像Bm(x,y)作差，获得凸残差区域Qm(x,y)；步骤S4：融合所有的凸残差区域Qm(x,y)，获得完整的果梗花萼区域的掩膜图像Q(x,y)。根据果梗花萼的凹形特征，无需重建苹果三维面形，通过采集苹果的稠密三维点云，并将深度图进行阈值分割，结合二维凸包算法，有效地检测出果梗花萼区域，具有非接触、成本低、精度高、速度快、鲁棒性强的优点。
-
公开(公告)号：CN114972172B
公开(公告)日：2024-08-13
申请号：CN202210351063.6
申请日：2022-04-02
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于三维点云的苹果果梗和花萼检测方法，具体包括以下步骤：步骤S1：利用三维传感设备采集待测苹果的稠密三维点云，并转换为苹果深度图D(x,y)，然后将苹果深度图D(x,y)传输至计算机进行分析处理；步骤S2：依次将苹果深度图D(x,y)进行二值化，获得M个二值图像Bm(x,y)；步骤S3：利用二维凸包算法获得二值图像Bm(x,y)的凸包图像Am(x,y)，将凸包图像Am(x,y)与二值图像Bm(x,y)作差，获得凸残差区域Qm(x,y)；步骤S4：融合所有的凸残差区域Qm(x,y)，获得完整的果梗花萼区域的掩膜图像Q(x,y)。根据果梗花萼的凹形特征，无需重建苹果三维面形，通过采集苹果的稠密三维点云，并将深度图进行阈值分割，结合二维凸包算法，有效地检测出果梗花萼区域，具有非接触、成本低、精度高、速度快、鲁棒性强的优点。
-
公开(公告)号：CN115063341B
公开(公告)日：2024-04-26
申请号：CN202210351062.1
申请日：2022-04-02
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于相移条纹的苹果果梗和花萼检测方法，通过搭建条纹投影系统；采用相移法计算相移条纹图像的截断相位，结合连通域标记算法、二维凸包算法和逻辑运算获得果梗花萼区域的掩膜图像；根据果梗花萼的凹形特征，无需重建苹果三维面形，通过分析处理相移条纹的截断相位，有效地检测出果梗花萼区域，具有非接触、成本低、精度高、速度快、鲁棒性强的优点。
-
公开(公告)号：CN116468708B
公开(公告)日：2024-07-09
申请号：CN202310456758.5
申请日：2023-04-25
Applicant: 安徽农业大学
IPC: G06T7/00 , G06T7/13 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习的单帧正交条纹标靶图像的特征点检测方法，构建单帧正交条纹图像的相位解码网络，采用具有残差模块的深层网络，以解决网络加深带来的训练难题；优化损失函数，以提高网络的解码精度，获取准确的截断相位，从而准确地检测标靶特征点；所设计的网络经多质量样本训练后，即使在离焦模糊情况下仍能够计算单帧正交条纹的截断相位，从而准确提取特征点，因此在标定时可适应不同的焦距，自适应性强，灵活性高，对噪声的鲁棒性强。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.018 seconds)
