公开(公告)号：CN113393511B

公开(公告)日：2024-02-02

申请号：CN202110510868.6

申请日：2021-05-11

Applicant: 杭州电子科技大学

Inventor： 杨宇翔 ,  曹旗 ,  倪志浩 ,  高明裕 ,  董哲康 ,  黄继业

IPC: G06T7/55 ,  G06N3/0464 ,  G06N3/08 ,  G06T7/90

Abstract: 本发明涉及一种基于多阶段彩色图像引导的道路场景深度补全方法。激光雷达得到的道路场景深度图像非常稀疏，缺失的深度信息带来了极大的不确定性，仍难以满足实际应用的需求。因此如何发掘场景稠密彩色图像和稀疏深度图像的内在约束关系，完成稀疏深度图像的高质量补全是目前的研究热点。本发明多阶段彩色图像引导的深度图像补全网络由“彩色引导”和“精细化补全”两个阶段构成，将“彩色引导”阶段重建的特征融合到“精细化补全”阶段中实现了多阶段的特征引导，可以有效实现深度图像的高质量补全。高质量的道路场景深度感知对道路目标检测，自动驾驶智能汽车等应用都是至关重要的，因此本发明具有重要的理论价值和实际意义。

公开(公告)号：CN113393511A

公开(公告)日：2021-09-14

申请号：CN202110510868.6

申请日：2021-05-11

Applicant: 杭州电子科技大学

Inventor： 杨宇翔 ,  曹旗 ,  倪志浩 ,  高明裕 ,  董哲康 ,  黄继业

IPC: G06T7/55 ,  G06N3/04 ,  G06N3/08 ,  G06T7/90

Abstract: 本发明涉及一种基于多阶段彩色图像引导的道路场景深度补全方法。激光雷达得到的道路场景深度图像非常稀疏，缺失的深度信息带来了极大的不确定性，仍难以满足实际应用的需求。因此如何发掘场景稠密彩色图像和稀疏深度图像的内在约束关系，完成稀疏深度图像的高质量补全是目前的研究热点。本发明多阶段彩色图像引导的深度图像补全网络由“彩色引导”和“精细化补全”两个阶段构成，将“彩色引导”阶段重建的特征融合到“精细化补全”阶段中实现了多阶段的特征引导，可以有效实现深度图像的高质量补全。高质量的道路场景深度感知对道路目标检测，自动驾驶智能汽车等应用都是至关重要的，因此本发明具有重要的理论价值和实际意义。

公开(公告)号：CN113392703A

公开(公告)日：2021-09-14

申请号：CN202110510867.1

申请日：2021-05-11

Applicant: 杭州电子科技大学

Inventor： 杨宇翔 ,  倪志浩 ,  高明裕 ,  曾毓 ,  黄继业 ,  林辉品

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及基于注意力机制和非合理动作抑制的机械臂自主抓取方法。采用深度强化学习方法通过奖励函数指导智能体进行物体的自主抓取技能的学习。利用注意力机制使得网络在试错中持续关注能够提升抓取成功率的抓取位置区域；设计的非合理动作抑制策略，能够有效解决强化学习方法从仿真迁移到真实环境中存在状态差异的问题。本发明具有很高的环境适应性和抓取成功率，能够在复杂环境下实现对物体的高效自主抓取。

公开(公告)号：CN113392703B

公开(公告)日：2024-02-02

申请号：CN202110510867.1

申请日：2021-05-11

Applicant: 杭州电子科技大学

Inventor： 杨宇翔 ,  倪志浩 ,  高明裕 ,  曾毓 ,  黄继业 ,  林辉品

IPC: G06V40/20 ,  G06V20/52 ,  G06V10/774 ,  G06V10/764 ,  G06V20/40

Abstract: 本发明涉及基于注意力机制和非合理动作抑制的机械臂自主抓取方法。采用深度强化学习方法通过奖励函数指导智能体进行物体的自主抓取技能的学习。利用注意力机制使得网络在试错中持续关注能够提升抓取成功率的抓取位置区域；设计的非合理动作抑制策略，能够有效解决强化学习方法从仿真迁移到真实环境中存在状态差异的问题。本发明具有很高的环境适应性和抓取成功率，能够在复杂环境下实现对物体的高效自主抓取。

公开(公告)号：CN112487955A

公开(公告)日：2021-03-12

申请号：CN202011358230.7

申请日：2020-11-27

Applicant: 杭州电子科技大学

Inventor： 倪志浩 ,  高峰 ,  高明煜 ,  孙卫军 ,  刘鹏 ,  刘尚阳 ,  钟骏文

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/34 ,  G06K9/46 ,  G06K9/62 ,  G06K9/68 ,  G06T3/00 ,  G06T7/11 ,  G06T7/50 ,  G07F17/12

Abstract: 本发明公开了基于RGB‑D信息改进R‑FCN网络的智能取件方法。该方法采用人脸识别子系统和单号匹配这两个子系统之间的协同运转来实现快递签收。人脸识别子系统采用深度学习获取人脸，产生一系列人脸，再基于深度信息进行目标收件人和活体检测，然后再根据特征脸和PCA算法获取到人脸特征，与数据库进行比对，得到人脸相关信息。单号匹配子系统则是将人脸识别部分采集到的图像进行码单位置检测，OCR单号识别，到快递数据库中进行单号检索。最终判断收件人与单号的对应匹配。因此实现了一个可靠的、实时的、便捷的快递签收中的人脸识别与单号匹配方法。