-
公开(公告)号：CN113012212B
公开(公告)日：2024-04-16
申请号：CN202110361836.4
申请日：2021-04-02
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于深度信息融合的室内场景三维点云重建方法，包括：获取场景的彩色图像和深度图像；融合彩色图像和深度图像进行特征提取、匹配；确定深度相机的位姿并筛选出关键帧；根据关键帧，生成每个关键帧的三维点云；根据深度相机的位姿，逐帧拼接每个关键帧的三维点云，获得全局一致的场景三维点云模型。本发明通过在特征提取中同时使用图像亮度信息和深度信息评判一个点是否为特征点，使得提取出来的特征点具有高度代表性，同时对提取出来的特征点进行均匀化操作，保证特征点的数量在合理范围内，有效地控制系统的计算量，提高了前端的精度，增强了前端的鲁棒性，使得后端优化的结果更加准确或者减少了后端优化的迭代次数。
-
公开(公告)号：CN113673437A
公开(公告)日：2021-11-19
申请号：CN202110970238.7
申请日：2021-08-23
Applicant: 西北农林科技大学
Abstract: 本发明提供了一种基于BoW‑ORB的轨道交通车体零件识别方法，属于图像检测技术领域。本发明在零件特征提取上，针对地铁零件的实时性场景，通过提取传感器拍摄图像的ORB特征，在地铁零件特征提取的速度与质量上取得了平衡。在地铁零件识别模型构建中，使用BoW词袋模型存储地铁零件图像的ORB特征，并在实时匹配过程中通过相似度分数检索，给出最相似的零件编号。针对零件经常更新导致词袋更新，使用自主增量训练模式，可简单地由工作人员增加待识别的零件，自动更新识别模型，避免了后期零件增加或更改需要重新训练模型的问题。本发明，通过集成如超声波距离传感器、温湿度传感器等多个传感器辅助检测过程，搭建了能够随身携带的地铁零件识别终端。
-
公开(公告)号：CN113012212A
公开(公告)日：2021-06-22
申请号：CN202110361836.4
申请日：2021-04-02
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于深度信息融合的室内场景三维点云重建方法，包括：获取场景的彩色图像和深度图像；融合彩色图像和深度图像进行特征提取、匹配；确定深度相机的位姿并筛选出关键帧；根据关键帧，生成每个关键帧的三维点云；根据深度相机的位姿，逐帧拼接每个关键帧的三维点云，获得全局一致的场景三维点云模型。本发明通过在特征提取中同时使用图像亮度信息和深度信息评判一个点是否为特征点，使得提取出来的特征点具有高度代表性，同时对提取出来的特征点进行均匀化操作，保证特征点的数量在合理范围内，有效地控制系统的计算量，提高了前端的精度，增强了前端的鲁棒性，使得后端优化的结果更加准确或者减少了后端优化的迭代次数。
-
公开(公告)号：CN112241676A
公开(公告)日：2021-01-19
申请号：CN202010644060.2
申请日：2020-07-07
Applicant: 西北农林科技大学
Abstract: 本发明为一种地形杂物自动识别的方法，涉及一种基于深度学习的地形杂物识别系统。该系统对基于无人机航拍技术获取的低精度三维地形点云数据做一系列处理。针对低精度地形特征信息有限的问题，重构了地形点云的几何特征和颜色特征，设计了一种多属性描述符，描述输入地形点云中每个点的局部信息；然后通过在无监督分类中使用多属性描述符，将地形点云聚合成若干超级点，以降低计算复杂；接着定义一个有向属性图，将超级点组合成一个图结构，即超点图；最后，利用提出的基于深度图卷积的LSTM算法对超点图的节点进行分类。该系统最终可以对地形点云中的杂物进行语义分割，将地形中的杂物通过不同的颜色加以显示。通过进一步的研究与分析，可以为地形分析等提供基础的技术支持。
-
-
-
Search Results
4
records
(took 0.018 seconds)
