-
公开(公告)号：CN114529703B
公开(公告)日：2024-09-06
申请号：CN202210192372.3
申请日：2022-02-28
Applicant: 湖南大学
IPC: G06T19/20
Abstract: 本发明公开了一种基于熵增优化的大型复杂构件点云全局匹配方法，包括获取相邻视角场景的三维点云坐标，获得源点云X与目标点云Y，对其下采样分别得到采样点云x与采样点云y；基于采样点云x与采样点云y构建物理能量模型；基于熵增定律，根据物理能量模型计算对采样点云x的当前运动的扭矩T和拉力S，根据扭矩T和拉力S计算当前施加的旋转及平移(Rk,tk)，获得变换后的点集；计算当前采样点云x在引力场中的势能并记录当前迭代次数；根据势能或迭代次数确定满足预设的结束条件时，累计所有变换后的点集，对源点云X进行旋转平移，实现源点云X与目标点云Y之间的配准。提高了配准精度与鲁棒性，降低方法的失败率。
-
公开(公告)号：CN112509018B
公开(公告)日：2023-02-17
申请号：CN202011397111.2
申请日：2020-12-03
Applicant: 湖南大学
IPC: G06T7/33 , G06V10/762
Abstract: 本发明提供了一种四元数空间优化的三维图像配准方法。所述一种四元数空间优化的三维图像配准方法利用点云的法向量特征解耦旋转及平移的关联，再利用循环直方图搜索的机制迭代的搜索最优变换，将不同视角的三维图像进行配准。本发明提出了一种全新的点云配准方法体系，能够将旋转与平移解耦，极大地提升了算法效率，并且能够应用于更加全面的三维图像配准中，能够取得更加精确的配准效果，具有极高的算法适应性。
-
公开(公告)号：CN112509018A
公开(公告)日：2021-03-16
申请号：CN202011397111.2
申请日：2020-12-03
Applicant: 湖南大学
Abstract: 本发明提供了一种四元数空间优化的三维图像配准方法。所述一种四元数空间优化的三维图像配准方法利用点云的法向量特征解耦旋转及平移的关联，再利用循环直方图搜索的机制迭代的搜索最优变换，将不同视角的三维图像进行配准。本发明提出了一种全新的点云配准方法体系，能够将旋转与平移解耦，极大地提升了算法效率，并且能够应用于更加全面的三维图像配准中，能够取得更加精确的配准效果，具有极高的算法适应性。
-
公开(公告)号：CN115147488B
公开(公告)日：2024-06-18
申请号：CN202210789995.9
申请日：2022-07-06
Applicant: 湖南大学
IPC: G06T7/73 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/766 , G06V20/70 , G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于密集预测的工件位姿估计方法与抓取系统，搭建密集逐像素预测网络并训练，获取包含工件的场景RGB图像输入该预测网络，利用网络中的特征金字塔网络提取图像的逐像素卷积特征，采用三个回归分支网络从逐像素卷积特征中分别预测逐像素的语义信息、中心点信息和关键点信息，利用前述信息进行多工件实例分割，得到每个工件实例的密集关键点预测，采用投票策略确定各工件关键点2D位置，通过工件关键点2D位置以及对应工件模型上的3D位置建立2D‑3D对应关系，采用UD‑PnP算法计算工件的6D位姿。该方法网络结构简单、鲁棒性强、执行速度快，适合复杂工业场景下弱纹理、多工件任意位姿工件的抓取任务。
-
公开(公告)号：CN112308961B
公开(公告)日：2022-06-10
申请号：CN202011222532.1
申请日：2020-11-05
Applicant: 湖南大学
IPC: G06T17/00 , G06T7/30 , G06T5/00 , G06K9/62 , G06V10/762
Abstract: 本发明公开了基于分层高斯混合模型的机器人快速鲁棒三维重建方法。该方法包含以下步骤：机器人获取测量对象点云数据，GPU加速生成分层高斯混合模型和测试集，构建及更新配准网络，全局优化配准网络，更新重建的高斯混合模型，重复上述步骤直到机器人在所有测量点完成测量，重建测量对象的三维点云模型，分析和评估重建结果。该方法通过GPU并行计算加速点云数据生成分层高斯混合模型，同时能有效处理噪声和测量的不确定性，提高三维重建的速度和效率，通过构建配准网络和更新配准网络，以及全局优化配准网络来减少联合配准误差，保证三维重建的精度。本发明自动化程度高、重建速度快、鲁棒性强，特别适用于工业场景大型测量对象的稠密点云三维重建。
-
Patent Agency Ranking
公开(公告)号：CN116155494A
公开(公告)日：2023-05-23
申请号：CN202310197823.7
申请日：2023-03-03
Applicant: 湖南大学
Abstract: 本发明提供了基于多分类学习检测的量子密钥分发系统及其实现方法，包括发送端Alice、接收端Bob及基于多分类学习的后处理程序模块；所述发送端Alice高斯调制量子信号，并将调制后的量子信号通过量子信道发送至所述接收端Bob；所述接收端Bob为量子密钥接收端Bob，使用零差检测器来测量接收到的量子信号，使用功率计来测量本振光强度，使用时钟电路来提供时钟信号，最后通过经典量子信道将量子信号数据发送至基于多分类学习的后处理程序模块；所述基于多分类学习的后处理程序模块对量子信号数据进行分析处理，产生最终安全密钥。本发明可以检测多种针对连续变量量子密钥分发系统的量子黑客攻击，从而增强高斯调制下的连续变量量子密钥分发系统的安全性。
-
公开(公告)号：CN114529703A
公开(公告)日：2022-05-24
申请号：CN202210192372.3
申请日：2022-02-28
Applicant: 湖南大学
IPC: G06T19/20
Abstract: 本发明公开了一种基于熵增优化的大型复杂构件点云全局匹配方法，包括获取相邻视角场景的三维点云坐标，获得源点云X与目标点云Y，对其下采样分别得到采样点云x与采样点云y；基于采样点云x与采样点云y构建物理能量模型；基于熵增定律，根据物理能量模型计算对采样点云x的当前运动的扭矩T和拉力S，根据扭矩T和拉力S计算当前施加的旋转及平移(Rk,tk)，获得变换后的点集；计算当前采样点云x在引力场中的势能并记录当前迭代次数；根据势能或迭代次数确定满足预设的结束条件时，累计所有变换后的点集，对源点云X进行旋转平移，实现源点云X与目标点云Y之间的配准。提高了配准精度与鲁棒性，降低方法的失败率。
-
公开(公告)号：CN117454672B
公开(公告)日：2024-04-12
申请号：CN202311776355.5
申请日：2023-12-22
IPC: G06F30/20 , G06T7/30 , G06T17/20 , G06F30/17 , G06F111/04
Abstract: 本发明公开了一种基于曲面装配约束的机器人作业余量计算方法，获得机身点云X与蒙皮点云Y；基于装配飞机机身点云X提取待装配边界序列点云E；将待装配边界序列点云E与待装配蒙皮点云Y进行最小余量匹配，搜索最近邻匹配对，建立最小余量方差约束的优化误差方程；根据机身点云X建立蒙皮微形变方程，在局部形变上限约束下，联合优化可微点云匹配方程；利用可微匹配方程的梯度方程和海瑟矩阵计算下一步优化方向的旋转矩阵及平移向量；计算优化后的误差，若小于预设误差阈值或者迭代次数大于预设迭代次数总数则输出结果，得到当前匹配后的边界，供给铣削作业机器人去除加工余量，得到最终装配曲面。改善了装配工序，计算高效，具有极高的可用性。
-
公开(公告)号：CN115147488A
公开(公告)日：2022-10-04
申请号：CN202210789995.9
申请日：2022-07-06
Applicant: 湖南大学
IPC: G06T7/73 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/766 , G06V20/70 , G06T1/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于密集预测的工件位姿估计方法与抓取系统，搭建密集逐像素预测网络并训练，获取包含工件的场景RGB图像输入该预测网络，利用网络中的特征金字塔网络提取图像的逐像素卷积特征，采用三个回归分支网络从逐像素卷积特征中分别预测逐像素的语义信息、中心点信息和关键点信息，利用前述信息进行多工件实例分割，得到每个工件实例的密集关键点预测，采用投票策略确定各工件关键点2D位置，通过工件关键点2D位置以及对应工件模型上的3D位置建立2D‑3D对应关系，采用UD‑PnP算法计算工件的6D位姿。该方法网络结构简单、鲁棒性强、执行速度快，适合复杂工业场景下弱纹理、多工件任意位姿工件的抓取任务。
-
公开(公告)号：CN114565629A
公开(公告)日：2022-05-31
申请号：CN202210189810.0
申请日：2022-02-28
Applicant: 湖南大学
IPC: G06T7/13
Abstract: 本发明公开了一种基于多尺度邻域的大型蒙皮边缘缺陷检测方法。该方法通过构建一种多尺度空间搜索方法，更好的判断对应关键点的空间信息，并以此为依据优化搜索方向以及识别三维点云边缘点，极大的提升了三维图像边缘识别的运行效率，提高了识别成功率；同时，对提取的边界点有序化，并用遮罩特征值变化检测缺陷。该方法能够在更短的时间内更加精确地实现点云图像的边缘缺陷检测，具有极高的算法鲁棒性，能够应用于大尺度、结构复杂且效率要求高的精密检测领域。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.018 seconds)
