基于数据-模型驱动的两阶段主动稳态非视域成像方法

    公开(公告)号:CN119383481B

    公开(公告)日:2025-03-25

    申请号:CN202411946632.7

    申请日:2024-12-27

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于数据‑模型驱动的两阶段主动稳态非视域成像方法,包括:搭建主动稳态非视域成像系统;获取成像目标场景反射的非视域信号和镜面反射信号并构建训练数据集;构建非视域信号到镜面反射信号的成像转换模型;构建一阶段传输矩阵估计神经网络,利用训练数据集对其进行迭代优化获取传输矩阵;构建二阶段成像场景估计神经网络,给定待成像隐藏场景的非视域信号,在传输矩阵的参与下进行迭代优化,得到镜面反射估计值。本发明所需硬件组成简单且成本低廉,仅需普通的连续激光源和稳态光学传感器作为激励和探测设备;适应性强,不受环境照明或物体自发光属性的限制;泛化性好,无需依托大量数据训练即可实现有效非视域重建。

    一种基于条件生成对抗网络的主动稳态非视域成像方法

    公开(公告)号:CN119850447A

    公开(公告)日:2025-04-18

    申请号:CN202411818581.X

    申请日:2024-12-11

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于条件生成对抗网络的主动稳态非视域成像方法。方法包括:搭建主动稳态非视域成像装置;建立改进条件生成对抗网络及其总体损失函数;通过装置获取不同隐藏物体在不同位姿下的非视域图像和镜面反射图像,预处理后输入网络中训练优化,直至总体损失函数收敛获得优化网络;将待成像的隐藏物体的非视域图像输入优化网络中处理后获得重建图像,实现主动稳态非视域成像。本发明方法促进了对非视域图像中位置相关的强度信息的捕获,提高了空间感知能力,缓解了图像编码过程中的信息退化,保留了原始非视域信息中的关键特征,提高了重建图像的视觉质量和细节表现,具有成像设置简单,部署方便,重建速度快且泛化性能好等优点。

    基于非视域视觉的U型管道内壁异物检测系统和方法

    公开(公告)号:CN119375252A

    公开(公告)日:2025-01-28

    申请号:CN202411946686.3

    申请日:2024-12-27

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于非视域视觉的U型管道内壁异物检测系统和方法。系统包括激励源、探测器及数据处理装置。激励源部署在U型管道的一个端口处,其发出的光从端口射入并在内壁经历至少三次反射后被部署在U型管道另一端口处的探测器接收。数据处理装置对探测器接收的信号进行预处理并将处理后数据输入神经网络模型,最终模型输出异物的尺度和位置估计。本发明避免了传统检测手段的接触式操作,无需复杂的仪器设备,降低了检测成本,能够适应U型管道等复杂结构的检测需求,有助于实现盲区异物的高效检测。

    基于数据-模型驱动的两阶段主动稳态非视域成像方法

    公开(公告)号:CN119383481A

    公开(公告)日:2025-01-28

    申请号:CN202411946632.7

    申请日:2024-12-27

    Applicant: 浙江大学

    Abstract: 本发明公开了一种基于数据‑模型驱动的两阶段主动稳态非视域成像方法,包括:搭建主动稳态非视域成像系统;获取成像目标场景反射的非视域信号和镜面反射信号并构建训练数据集;构建非视域信号到镜面反射信号的成像转换模型;构建一阶段传输矩阵估计神经网络,利用训练数据集对其进行迭代优化获取传输矩阵;构建二阶段成像场景估计神经网络,给定待成像隐藏场景的非视域信号,在传输矩阵的参与下进行迭代优化,得到镜面反射估计值。本发明所需硬件组成简单且成本低廉,仅需普通的连续激光源和稳态光学传感器作为激励和探测设备;适应性强,不受环境照明或物体自发光属性的限制;泛化性好,无需依托大量数据训练即可实现有效非视域重建。

Patent Agency Ranking