-
公开(公告)号：CN114708422B
公开(公告)日：2024-06-28
申请号：CN202210134640.6
申请日：2022-02-14
Applicant: 清华大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于双目图像的舱门坐标计算方法和装置，其中，该方法包括：采集双目图像；将双目图像输入第一神经网络模型进行第一特征提取，通过边界回归得到舱门区域子图；将舱门区域子图输入第二神经网络模型进行第二特征提取，并对舱门区域子图的每个像素点做逻辑回归得到舱门门缝边缘图；基于舱门门缝边缘图提取边缘点的坐标，计算得到舱门的两个二维坐标点；基于两个二维坐标点，通过三角化计算得到舱门的两个三维坐标点。本发明能够准确计算飞机舱门相对于廊桥的坐标，并引导廊桥自动对接到飞机舱门上，极大地提升机场的自动化程度，具有较强的理论意义和实用价值。
-
公开(公告)号：CN111882611B
公开(公告)日：2023-11-24
申请号：CN202010689886.0
申请日：2020-07-17
Applicant: 北京三快在线科技有限公司 , 清华大学
IPC: G06T7/73 , G06T7/80 , G06T17/05 , G06V10/774
Abstract: 本说明书公开了一种地图构建方法及装置，可先获取各环境图像并确定采集环境图像的相机的相机内参，之后针对每个目标点，确定该目标点分别投影到各环境图像中的各像素点，再通过语义分割模型确定各像素点的类型。然后，根据各像素点的类型，确定该目标点位于静态物体的概率，以从各目标点中确定静态目标点。最后根据各静态目标点的三维坐标以及各静态目标点的特征信息，确定用于无人车定位的三维地图。通过各目标点投影到各环境图像中的像素点的类型，确定各目标点位于静态物体的概率，以从各目标点中确定静态目标点，构建三维地图，减少了该三维地图的数据量，节省了存储该三维地图所需的存储空间，降低了使用三维地图进行定位的成本。
-
公开(公告)号：CN110827361B
公开(公告)日：2023-06-23
申请号：CN201911060536.1
申请日：2019-11-01
Applicant: 清华大学
IPC: G06T7/80
Abstract: 本发明公开了一种基于全局标定架的相机组标定方法及装置，其中，方法包括以下步骤：对每个相机的视场范围设计标定板的尺寸、ID和几何位置姿态；检测单元格角点，并且获取标定板坐标系下相机的绝对位姿；根据相机的绝对位姿进行非线性优化和坐标系转换，估计得到多个摄像机间的相对位置和姿态。该方法通过构建全局的标定架，将多个摄像机间的相对位置和姿态估计出来，具有重要的理论和实际价值。
-
公开(公告)号：CN111784586B
公开(公告)日：2022-10-18
申请号：CN202010446601.0
申请日：2020-05-25
Applicant: 清华大学
Abstract: 本发明公开了一种自监督学习的全景图像水平矫正方法及系统，其中，该方法包括：构建训练图像库；利用训练图像库中的训练图像对卷积神经网络进行自监督式训练，直至卷积神经网络的误差函数收敛；将训练图像库中的待矫正图像输入至训练完成的卷积神经网络中，推导出拍摄当前全景图像时相机的俯仰角和滚筒角；对俯仰角和滚筒角进行欧拉角推算旋转矩阵计算，得到相机位姿的旋转矩阵，根据相机位姿的旋转矩阵矫正待矫正图像，合成水平图像。该方法有效解决相机姿态不竖直而导致的全景图像扭曲畸变问题。
-
公开(公告)号：CN109614859B
公开(公告)日：2021-01-12
申请号：CN201811296148.9
申请日：2018-11-01
Applicant: 清华大学
Abstract: 本发明公开了一种视觉定位特征提取和匹配方法及装置，其中，方法包括以下步骤：获取车辆的外部图像和内部图像，并通过场景语义分析提取兴趣区域；分别对外部图像和内部图像提取基于构造虚拟视图的特征；根据外部图像和内部图像区域化的聚类的增强协变特征描述符进行特征匹配，以得到匹配点集合；根据匹配点集合得到最优位姿矩阵。该方法可以有效地解决季节和光照对视觉定位系统的影响，有效提高特征提取和匹配的准确性和可靠性，提高用户体验。
-
Patent Agency Ranking
公开(公告)号：CN114782620B
公开(公告)日：2024-06-18
申请号：CN202210211000.0
申请日：2022-03-04
Applicant: 清华大学
Abstract: 本发明公开了一种基于三维渲染的飞机图像生成方法和装置，其中，该方法包括：通过三维建模生成与飞机形状相同的飞机三维模型，并获取与飞机三维模型匹配的飞机图片，根据飞机图片生成纹理贴图，将纹理贴图加载到飞机三维模型上，获得带纹理的飞机三维模型，将带纹理的飞机三维模型渲染为飞机二维图像集合，其中，飞机二维图片集合包括多个在不同环境参数和拍摄参数下渲染的飞机二维图像，每个飞机二维图像对应的飞机特征的标注信息，根据飞机二维图像集合基于深度神经网络进行图像增强。本发明极大地提高了可用飞机图片的数量和丰富度，并减少了所需的人工标注成本。
-
公开(公告)号：CN114782620A
公开(公告)日：2022-07-22
申请号：CN202210211000.0
申请日：2022-03-04
Applicant: 清华大学
Abstract: 本发明公开了一种基于三维渲染的飞机图像生成方法和装置，其中，该方法包括：通过三维建模生成与飞机形状相同的飞机三维模型，并获取与飞机三维模型匹配的飞机图片，根据飞机图片生成纹理贴图，将纹理贴图加载到飞机三维模型上，获得带纹理的飞机三维模型，将带纹理的飞机三维模型渲染为飞机二维图像集合，其中，飞机二维图片集合包括多个在不同环境参数和拍摄参数下渲染的飞机二维图像，每个飞机二维图像对应的飞机特征的标注信息，根据飞机二维图像集合基于深度神经网络进行图像增强。本发明极大地提高了可用飞机图片的数量和丰富度，并减少了所需的人工标注成本。
-
公开(公告)号：CN114708422A
公开(公告)日：2022-07-05
申请号：CN202210134640.6
申请日：2022-02-14
Applicant: 清华大学
Abstract: 本发明公开了一种基于双目图像的舱门坐标计算方法和装置，其中，该方法包括：采集双目图像；将双目图像输入第一神经网络模型进行第一特征提取，通过边界回归得到舱门区域子图；将舱门区域子图输入第二神经网络模型进行第二特征提取，并对舱门区域子图的每个像素点做逻辑回归得到舱门门缝边缘图；基于舱门门缝边缘图提取边缘点的坐标，计算得到舱门的两个二维坐标点；基于两个二维坐标点，通过三角化计算得到舱门的两个三维坐标点。本发明能够准确计算飞机舱门相对于廊桥的坐标，并引导廊桥自动对接到飞机舱门上，极大地提升机场的自动化程度，具有较强的理论意义和实用价值。
-
公开(公告)号：CN111784586A
公开(公告)日：2020-10-16
申请号：CN202010446601.0
申请日：2020-05-25
Applicant: 清华大学
Abstract: 本发明公开了一种自监督学习的全景图像水平矫正方法及系统，其中，该方法包括：构建训练图像库；利用训练图像库中的训练图像对卷积神经网络进行自监督式训练，直至卷积神经网络的误差函数收敛；将训练图像库中的待矫正图像输入至训练完成的卷积神经网络中，推导出拍摄当前全景图像时相机的俯仰角和滚筒角；对俯仰角和滚筒角进行欧拉角推算旋转矩阵计算，得到相机位姿的旋转矩阵，根据相机位姿的旋转矩阵矫正待矫正图像，合成水平图像。该方法有效解决相机姿态不竖直而导致的全景图像扭曲畸变问题。
-
公开(公告)号：CN115861227A
公开(公告)日：2023-03-28
申请号：CN202211519614.1
申请日：2022-11-30
Applicant: 清华大学
Abstract: 本发明公开了基于图像语义重建的无监督工业表面缺陷检测方法与装置，该方法包括：获取工业产品图像；将工业产品图像输入至语义修复模型进行图像缺陷修复，以得到第一修复结果图；将工业产品图像与所述第一修复结果图进行拼接，将拼接后的图像输入至分割网络模型对拼接后图像中的缺陷区域进行分割，并对比缺陷分割结果和预设的缺陷标注结果以得到缺陷分割定位结果。本发明不需要采集缺陷产品图像，极大节约人力成本；模型离线训练，需求算力小；可以对细小缺陷实现精准检测与定位，并且检测速度快，缺陷定位精准。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
