-
Patent Agency Ranking
公开(公告)号：CN114140680B
公开(公告)日：2025-04-29
申请号：CN202111476925.X
申请日：2021-12-02
Applicant: 罗普特科技集团股份有限公司 , 罗普特(厦门)系统集成有限公司
IPC: G06V20/00 , G06V10/40 , G06V10/80 , G06V10/762 , G06V10/82
Abstract: 本申请提供了一种基于深度学习的海面目标检测与识别方法及系统，该方法包括：获取多张图片作为原始图像数据并进行边框和类别标注；对原始图像数据进行数据增强，新生成的图片与采集图片作为训练图片；特征提取网络Darknet53中部分卷积处理层修改为Inception模块和ResNet模块，利用修改后的特征提取网络提取训练图片的特征图；将特征图送入多尺度检测网络中，在特征图上生成不同尺度、不同宽高比的预测框拟合图片中的待测目标，多尺度检测网络包括有至少四个检测尺度；采用NMS对预测框进行多余预测框剔除得到待测目标的唯一标识框；对修改后的特征提取网络、多尺度检测网络以及NMS的整个模型进行迭代训练，最终输出整个模型。有效提高对小目标的检测率、减少漏检现象。
-
公开(公告)号：CN114155147A
公开(公告)日：2022-03-08
申请号：CN202111459752.0
申请日：2021-12-02
Applicant: 罗普特科技集团股份有限公司 , 罗普特(厦门)系统集成有限公司
Abstract: 本申请提供了一种基于多源数据的广域海洋全景融合方法及系统，该方法包括：获取多张图像并提取图像的标定点，计算相机的参数，使用最小生成树法从图像中选取参考图像，以及对剩余图像进行排序；使用直接线性变换算法获得所有图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有剩余图像与参考图像之间的投影变换关系；使用光束平差法对参数进行优化，获得标定后的相机参数；以及采用改进的图割算法对多张图像进行拼接融合处理，生成海面全景融合图像。使用光速平差法对标定点残差进行协同优化，获得标定后的相机参数，进而约束相机的整体几何结构。改进后的图割算法可以适用于海面的拼接应用场景以实现海面全景图像的融合。
-
公开(公告)号：CN114155147B
公开(公告)日：2025-04-29
申请号：CN202111459752.0
申请日：2021-12-02
Applicant: 罗普特科技集团股份有限公司 , 罗普特(厦门)系统集成有限公司
IPC: G06T3/4038 , G06T7/80 , G06T7/11 , G06T5/70
Abstract: 本申请提供了一种基于多源数据的广域海洋全景融合方法及系统，该方法包括：获取多张图像并提取图像的标定点，计算相机的参数，使用最小生成树法从图像中选取参考图像，以及对剩余图像进行排序；使用直接线性变换算法获得所有图像中具有重叠区域的两张图像之间的变换矩阵，以及获取所有剩余图像与参考图像之间的投影变换关系；使用光束平差法对参数进行优化，获得标定后的相机参数；以及采用改进的图割算法对多张图像进行拼接融合处理，生成海面全景融合图像。使用光速平差法对标定点残差进行协同优化，获得标定后的相机参数，进而约束相机的整体几何结构。改进后的图割算法可以适用于海面的拼接应用场景以实现海面全景图像的融合。
-
公开(公告)号：CN114187404A
公开(公告)日：2022-03-15
申请号：CN202111511729.1
申请日：2021-12-06
Applicant: 罗普特科技集团股份有限公司 , 罗普特(厦门)系统集成有限公司
Abstract: 本发明公开了一种用于近海域高分辨率的三维重建方法和系统，包括采用透视尺寸不变特征对近海域多视场角图像进行匹配，根据特征相似度指导采样，得到稀疏特征点云；基于结构化局部二值模式，利用图割法获取每个像素深度，加密稀疏特征点云生成稠密点云；对所有视角的点云进行全局误差优化，并根据匹配的特征点的深度信息，生成特征点在空间中的三维坐标；构建平面基元之间的强弱连接关系，通过图结构与能量函数获取表面模型。该发明可获取海域的广域大范围全景高分辨率信息，构建三维模型，能够直观展示近海域时空大数据。
-
公开(公告)号：CN114140680A
公开(公告)日：2022-03-04
申请号：CN202111476925.X
申请日：2021-12-02
Applicant: 罗普特科技集团股份有限公司 , 罗普特(厦门)系统集成有限公司
Abstract: 本申请提供了一种基于深度学习的海面目标检测与识别方法及系统，该方法包括：获取多张图片作为原始图像数据并进行边框和类别标注；对原始图像数据进行数据增强，新生成的图片与采集图片作为训练图片；特征提取网络Darknet53中部分卷积处理层修改为Inception模块和ResNet模块，利用修改后的特征提取网络提取训练图片的特征图；将特征图送入多尺度检测网络中，在特征图上生成不同尺度、不同宽高比的预测框拟合图片中的待测目标，多尺度检测网络包括有至少四个检测尺度；采用NMS对预测框进行多余预测框剔除得到待测目标的唯一标识框；对修改后的特征提取网络、多尺度检测网络以及NMS的整个模型进行迭代训练，最终输出整个模型。有效提高对小目标的检测率、减少漏检现象。
-
-
-
-
Search Results
5
records
(took 0.039 seconds)
