公开(公告)号：CN110223348B

公开(公告)日：2023-05-23

申请号：CN201910138159.2

申请日：2019-02-25

Applicant: 湖南大学 ,  湖南大学深圳研究院

Inventor： 余洪山 ,  付强 ,  林鹏 ,  孙炜 ,  杨振耕 ,  赖立海 ,  陈昱名 ,  吴思良

IPC: G06T7/73

Abstract: 本发明公开了一种基于RGB‑D相机的机器人场景自适应位姿估计方法，基于RGB‑D相机获取的相邻帧的场景二维彩色图像信息和按二维彩色图像像素对应的空间深度信息，在二维彩色图像特征点充足时，采用ORB算子提取特征，采用本发明提出的匹配策略进行精确地匹配，基于匹配特征点的位姿估计算法求解三维位姿估计；在特征点不足时，采用本发明提出的改进ICP算法求解三维位姿估计；然后，本发明设计出完整的切换准则融合上述两种位姿估计方法；最后，本发明采用光束平差算法优化以上两种方法求得的位姿估计，最终得到平滑和准确的三维位姿估计；本发明的三维位姿估计算法具有鲁棒性高、精度高、计算量小、可适应不同场景等突出优点。

公开(公告)号：CN111027559A

公开(公告)日：2020-04-17

申请号：CN201911048539.3

申请日：2019-10-31

Applicant: 湖南大学 ,  湖南大学深圳研究院

Inventor： 余洪山 ,  何勇 ,  邹艳梅 ,  杨振耕

IPC: G06K9/34 ,  G06K9/62

Abstract: 本发明公开了一种基于扩张点卷积空间金字塔池化的点云语义分割方法，首先通过最远点采样算法获得点云子集中心点，并利用KNN算法确定子集范围；然后通过扩张点卷积空间金字塔池化提取各点云子集特征，增大点卷积的感受野，丰富了场景多尺度目标的特征提取；其次采用简单有效的解码模块实现特征解码，提高了稀疏点云的分割精度；最后通过全连接层实现各个点云的标签分类。本发明的点云语义分割方法具有分割精度高、适应场景多样等突出优点。

公开(公告)号：CN116468895A

公开(公告)日：2023-07-21

申请号：CN202310636592.5

申请日：2023-05-31

Applicant: 湖南大学

Inventor： 余洪山 ,  马小菊 ,  杨振耕 ,  陈同嘉 ,  谢同同 ,  谢理根

IPC: G06V10/26 ,  G06V10/77 ,  G06V10/80 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明公开了一种相似度矩阵引导的少样本语义分割方法及系统，该方法首先通过深度学习分别提取支持图像与查询图像特征；接着利用支持图像及其真值标签对计算查询图像和目标类别的相似度矩阵；然后通过掩码平均池化获取目标类别的特征表征作为该目标类原型；将获取的多种特征经过通道注意力处理，输入空洞空间金字塔池化网络，再经过卷积分类输出最终的精细化分割结果；最后通过训练数据对原型特征生成网络以及多特征融合的精细化语义分割模块网络进行优化，利用训练好的模型对新类别的查询图像进行像素级分割。本发明的少样本语义分割方法具有应用简单、通用性强等突出优点。

公开(公告)号：CN110223348A

公开(公告)日：2019-09-10

申请号：CN201910138159.2

申请日：2019-02-25

Applicant: 湖南大学

Inventor： 余洪山 ,  付强 ,  林鹏 ,  孙炜 ,  杨振耕 ,  赖立海 ,  陈昱名 ,  吴思良

IPC: G06T7/73

Abstract: 本发明公开了一种基于RGB-D相机的机器人场景自适应位姿估计方法，基于RGB-D相机获取的相邻帧的场景二维彩色图像信息和按二维彩色图像像素对应的空间深度信息，在二维彩色图像特征点充足时，采用ORB算子提取特征，采用本发明提出的匹配策略进行精确地匹配，基于匹配特征点的位姿估计算法求解三维位姿估计；在特征点不足时，采用本发明提出的改进ICP算法求解三维位姿估计；然后，本发明设计出完整的切换准则融合上述两种位姿估计方法；最后，本发明采用光束平差算法优化以上两种方法求得的位姿估计，最终得到平滑和准确的三维位姿估计；本发明的三维位姿估计算法具有鲁棒性高、精度高、计算量小、可适应不同场景等突出优点。

公开(公告)号：CN115272676A

公开(公告)日：2022-11-01

申请号：CN202210913076.8

申请日：2022-08-01

Applicant: 湖南大学

Inventor： 杨振耕 ,  余洪山 ,  孙玮 ,  何勇 ,  邹艳梅 ,  陈同嘉 ,  马小菊

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于域不变语义类原型的少样本语义分割方法及系统，该方法首先通过深度学习分别提取目标域图片与源域图片特征；然后通过掩膜平均池化获取目标域图片某一类的平均特征表征作为该目标类原型；其次在源域图像上逐像素寻找该像素最近的目标类原型实现源域图像分割，并通过源域图像标记训练语义特征网络；最后通过训练好的语义特征提取网络实现域不变类原型提取，并通过基于原型的语义分割即计算每一像素的最相似的类原型实现目标域图片的分割。本发明的语义分割迁移方法具有训练简单、通用性强等突出优点。

公开(公告)号：CN116563894A

公开(公告)日：2023-08-08

申请号：CN202310614259.4

申请日：2023-05-29

Applicant: 湖南大学

Inventor： 余洪山 ,  兰育飞 ,  杨振耕

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多正类分类学习的换衣行人重识别方法及系统，通过预处理数据增强策略增加数据集的泛化性，采用改进的ViT增强图像特征的提取表示能力，通过批次归一化层使属于同一个人的特征分布更加紧凑，设计了多正类衣服分类损失函数学习与衣服无关的其他分辨信息，同时融合身份交叉熵损失，身份三元损失和衣服交叉熵损失联合优化。最后，本发明同时提升了衣服相同和衣服不同的行人重识别准确率，提高了综合性能，同时由于只使用了RGB模态，具有成本低、速度快、精度高等突出优点。