专利交易市场

一种桩基冲刷监测装置，包括水下测管、测量组件和数据采集仪，所述水下测管位于待监测桩基侧边，所述测量组件位于所述水下测管的迎水面侧，所述测量组件包括测力柱和土压力测力传感器，所述土压力测力传感器位于所述测力柱内，所述测力柱从上到下等间隔布置在所述水下测管上，所述土压力测力传感器的信号输出端均与所述数据采集仪连接。本发明提供一种操作简便、精度较高、实时性良好、有效实现远程监测的桩基冲刷监测装置。

本发明涉及一种基于深度学习的粘连和堆叠颗粒图像分割方法，属于计算机图像分割领域。该方法包括：S1：对颗粒图像数据进行标注；S2：构建深度学习神经网络模型，使用颗粒图像及步骤S1得到的标注图作为训练集进行网络训练，即通过反向传播算法调整网络参数；S3：利用步骤S2构建的深度学习神经网络模型对颗粒图像进行实例分割；S4：对颗粒图像的实例分割结果进行统计分析。本发明能对粘连与堆叠颗粒图像进行实例分割，得到不同颗粒的标记图像，从而解决粘连与堆叠颗粒的计数问题。

本发明公开了一种基于单视图三维重建的人脸blendshape生成方法，包括如下步骤：利用基于深度学习的单视图三维人脸重建方法，并利用现有数据集，训练从单张RGB人脸图片恢复出人脸三维结构的网络；将所述目标模型集导入主流三维动画软件中合成blendshape。本发明实现了基于一张二维人脸图片生成整个包括各种表情模型的blendshape，优化了流程，避免了人工建模操作的繁琐，大大降低了人力物力投入；本发明第一部分人脸重建部分采用编码器解码器结构，使用UV位置图表示三维人脸信息，重建出的人脸具有更加丰富的细节信息，避免了传统方法中出现的缺失人脸纹理细节的问题。

一种基于AR的点菜系统，包括AR点菜客户端、信息管理服务器、后台输出端，所述AR点菜客户端与所述信息管理服务器相连接，所述信息管理服务器与所述后台输出端相连接；AR点菜客户端包括标记、摄像头、显示器，标记与摄像头相连接，摄像头与显示器相连接；所述信息管理服务器设置在长方体状铝合金防护罩中；另外还包括有支撑设备，所述支撑设备含有支撑架，所述支撑架含有横向分布的平台与同平台保持九十度夹角并连接在所述平台顶部表面的限位片；有效避免了现有技术中在长方体状防护罩上出现走电、在信息管理服务器运行时也常常会抖动使得对信息管理服务器的性能产生不利的缺陷。

序列的相邻图像帧之间、而多通道图像的通道之间都存在很强的相关性。本发明方法针对去噪概率扩散模型(Denoising Diffusion Probabilistic Model，DDPM)的不足，提出基于copula的多维的去噪扩散概率模型，称为(Copula Multivariate DDPM，CM‑DDPM)。提出的模型利用copula替换DDPM中单变量的高斯概率分布，实现多维去噪扩散概率模型，并解决了传统基于单变量DDPM在刻画数据源之间相关性方面的不足。本发明适用于多种应用场景，包括视频生成、动画制作、自动驾驶、人体行为识别、医学图像处理等图像生成领域。

本发明公开了一种基于增强型拓扑感知网络的三维人体姿态估计方法，该方法包括获取人体动作捕捉数据集；构建增强型拓扑感知网络模型，该模型包括依次连接的特征嵌入块、重复堆叠5次的增强拓扑感知模块和回归头，增强拓扑感知模块包括时空双分支Transformer和混合约束模块；利用数据集对该模型进行训练，得到最终的增强型拓扑感知网络模型；将需要检测的人体图片或视频输入到最终的增强型拓扑感知网络模型中，得到每个关节对应的三维坐标，完成三维人体姿态的估计。本发明生成的三维姿态坐标更接近真实情况，准确性更高。