公开(公告)号：CN115841148A

公开(公告)日：2023-03-24

申请号：CN202211575556.4

申请日：2022-12-08

Applicant: 福州大学至诚学院 ,  福州大学

Inventor： 叶张帆 ,  苏哲 ,  郑明魁 ,  张怡 ,  陈冲

IPC: G06N3/082 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明涉及一种基于置信度传播的卷积神经网络深度补全方法。首先将稀疏深度图输入到构建的卷积置信度传播网络，经更新迭代计算获得置信度图，以及预测的粗糙深度图。然后将卷积置信度传播模块连接到深度细化网络中，经过彩色图片的引导，使用的自适应融合完成稀疏深度图的补全，获得稠密深度图。其中卷积置信度传播网络包括初始置信度估计模块和置信度传播模块，并在网络中加入相应的由误差约束和置信度损失组成损失函数。本发明方法能够有效估计初始置信度并通过传播得到可靠的置信度图，并根据可靠的置信度图输入到深度细化网络中，在损失函数的约束下，建立自适应特征融合从而得到稠密的深度图。

公开(公告)号：CN117726780A

公开(公告)日：2024-03-19

申请号：CN202311782973.0

申请日：2023-12-22

Applicant: 福州大学

Inventor： 郑明魁 ,  欧文君 ,  郑海峰 ,  李少良 ,  石元龙 ,  苏哲

IPC: G06T19/20

Abstract: 本发明涉及基于空间分布矩阵的里程计干扰点去除方法。通过语义分割网络得到语义信息，分离前景和背景点云。由点云的空间分布特性，构建代表背景点云分布的矩阵。根据超参，得到点云在不同旋转候选量下对应的矩阵。然后，对于每个平移候选量遍历不同旋转角度对应的矩阵，并计算每个旋转平移下俩个矩阵的相似度。在遍历之后，根据不同平移的相似度累加量，找出平移的最大相似值。在该平移下，再通过相似度最大化，找到旋转的最大相似值。以此得到两帧点云的大致重叠区域。取出两帧点云中重叠区域的前景点云及背景点云。对前景点云构建基于空间分布的矩阵。对比两帧矩阵，滤除动态物体点云以及不同时出现在前后帧中而导致分布不一样的点云。最后将去除干扰点的前景点云和背景点云拼接，作为里程计计算的输入。

公开(公告)号：CN117036436A

公开(公告)日：2023-11-10

申请号：CN202311005150.7

申请日：2023-08-10

Applicant: 福州大学

Inventor： 郑明魁 ,  苏哲 ,  罗林 ,  郑海峰 ,  叶张帆

IPC: G06T7/50 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及一种基于双编码器‑解码器的单目深度估计方法及系统，该方法包括以下步骤：步骤S1：在第一个编码器‑解码器网络，即全局特征提取网络中，提取图像的全局信息；步骤S2：在第二个编码器‑解码器网络，即深度估计网络中，根据输入的图像信息和全局信息对图像进行深度估计；步骤S3：使用损失函数对整个网络的训练过程进行监督。该方法及系统有利于提高单目深度估计的精度和稠密性。