本发明公开了一种基于深度卷积神经网络的单目视觉深度估计方法，其先构建深度卷积神经网络，其包括输入层、隐层和输出层；隐层包括编码框架和译码框架；然后使用训练集中的单目图像作为原始输入图像，输入到深度卷积神经网络中进行训练，得到训练集中的每幅原始的单目图像对应的估计深度图像；接着通过计算训练集中的单目图像对应的估计深度图像与对应的真实深度图像之间的损失函数值，得到深度卷积神经网络训练模型及最优权值矢量和最优偏置项；再将待预测的单目图像输入到深度卷积神经网络训练模型中，并利用最优权值矢量和最优偏置项，预测得到对应的预测深度图像；优点是其预测精度高。
📄 2018112293514
📂 G06T7_50
👤 浙江科技学院
📅 2018-10-22
本发明公开了一种基于金字塔池化模块的单目图像深度估计方法，其在训练阶段，先构建神经网络，其包括输入层、隐层和输出层；隐层包括单独的第一卷积层、特征提取网络框架、尺度恢复网络框架、单独的第二卷积层、金字塔池化模块、单独的连接层；再将训练集中的每幅原始的单目图像作为原始输入图像，输入到神经网络中进行训练，并通过计算训练集中的每幅原始的单目图像对应的预测深度图像与对应的真实深度图像之间的损失函数值，得到训练好的神经网络模型的最优权值矢量和最优偏置项；在测试阶段，将待预测的单目图像输入到神经网络模型中，并利用最优权值矢量和最优偏置项进行预测，得到预测深度图像；优点是其预测精度高，且计算复杂度低。
📄 2018111671953
📂 G06T7_50
👤 浙江科技学院
📅 2018-10-08
本发明公开了一种基于神经网络的单目图像深度预测方法，其构建包括输入层、隐层和输出层的神经网络，隐层包括编码和解码网络框架，编码网络框架包括5个神经网络块、1个推理层和1个连接层，第1个和第2个神经网络块均由2个卷积层和1个最大池化层组成、第3个至第5个神经网络块均由3个卷积层和1个最大池化层组成、推理层包括2个带孔卷积神经网络，解码网络框架包括5个神经网络块、5个连接层、4个独立双线性上采样层，每个神经网络块由1个卷积层和1个双线性上采样层组成；将训练集中的单目图像输入到神经网络中进行训练；测试时将预测的单目图像输入到神经网络模型中进行预测，得到预测深度图像；优点是预测精度高，计算复杂度低。
📄 2018111473308
📂 G06T7_50
👤 浙江科技学院
📅 2018-09-29
一种更鲁棒的视觉里程计的设计方法，包括：1)通过单目相机采集彩色图像并将其上传到电脑端；2)对单目相机初始化，固定其尺度；3)获得第一帧图像和第二帧图像，使用Oriented FAST角点方法提取第一帧中的特征点，并且在第二帧中追踪第一帧中出现的特征点；4)检测前后两帧图像的整体的曝光度是否发生改变；5)利用两帧图像的灰度值信息，最小化光度误差，求解相机的位姿；6)对已经提取的特征点进行BRIEF描述子的计算后，进行数据关联；7)该算法处理完两帧数据后，读取新的一帧图像，在新的一帧图像中追踪上一帧特征点在当前帧中的位置，然后进行特征点匹配；接下来进入到第4)步，进入算法的循环。本发明的鲁棒性强，实时性好。
📄 2018113463419
📂 G06T7_50
👤 浙江工业大学
📅 2018-11-13
一种用于单目深度估计的细化蒸馏方法，包括以下步骤：步骤1)首先，通过有标注的高精度合成数据训练教师模型，教师模型经过充分训练，用于估计整个图像的深度信息；步骤2)利用已有的教师模型，采用教师模型输出的深度伪标签直接作为监督信号蒸馏学生模型；步骤3)使用局部上下文蒸馏和跨上下文蒸馏的方法，通过提升教师模型对无标注数据的利用，在蒸馏过程中补充和强化局部区域的深度估计，从而提升模型的深度估计细节和精度。本发明能够有效提升单目深度估计模型对无标注数据的利用，从而在零样本场景中，具有较强的泛化能力和更高的准确性，特别适合自动驾驶、机器人、增强现实等需要高精度，强泛化的深度模型的应用场景。
📄 2024118000809
📂 G06T7_50
👤 浙江工业大学
📅 2024-12-09
本发明公开的一种基于构件提取的室内场景重建方法，利用形状检测和平面分解方法提取室内场景中基本形状构件，根据点云数据，利用基于边界检测方法及基于有向包围盒的方法实现室内场景中基本形状构件的拟合，选择基本形状构件集中最大的构件作为基准构件，以基准构件为中心寻找最佳的组合构件，对组合构件与标准模型库的标准模型逐一匹配，寻找匹配度最高的构件组合，从而识别最佳组合构件组成的物体，同时利用标准模型库中的对应标准模型进行替换，最终完成室内场景的重建。本发明保证了场景物体构件提取的准确性、场景物体的形状完整性，更好地保证了室内场景重建的准确性。
📄 2018108452927
📂 G06T7_50
👤 西安理工大学
📅 2018-07-27
本发明属于医学图像处理与计算机视觉技术领域，涉及一种基于深度轮廓感知的牙齿分割方法、装置及计算机设备。所述分割方法包括对数据集中的图片进行预处理操作，将其中的原始掩膜提取出轮廓掩膜，并进行数据膨胀处理从而加粗轮廓；将轮廓掩膜作为监督信息，使原始图像经过全卷积网络，得到轮廓预测概率图；构造U形深度轮廓感知网络；将原始掩膜作为监督信息，使原始图像和轮廓预测概率图融合后经U形深度轮廓感知网络，得到分割网络；将测试集的原始图像送入训练好的U形网络中，得到牙齿分割结果，并用圆盘过滤器使分割结果更加清晰。本发明增加了轮廓信息，使得在牙齿和牙齿周围组织界限不清晰的情况下，提高分割的准确率和分割的视觉效果。
📄 201910733040X
📂 G06T7_50
👤 重庆邮电大学
📅 2019-08-09
本发明公开了一种基于无监督深度学习的光场深度估计方法。本发明设计了无监督损失函数；同时从光场图像中提取一组3×3排列的子光圈图像作为光场深度估计网络的输入，输出中心子光圈图像的视差图，实现端到端的训练。步骤S1.准备光场数据集，制作训练集和测试集；步骤S2.搭建无监督光场深度估计网络；步骤S3.设计无监督光场深度估计损失函数；步骤S4.使用训练集训练无监督光场深度估计网络；本发明通过使用本发明自主搭建的网络结构以及损失函数，在海德堡图像处理实验室提供的4D光场数据集评测网站上，可以获得优于其它无监督深度估计方法的精度。
📄 202010581570X
📂 G06T7_50
👤 杭州电子科技大学
📅 2020-06-23
本发明公开了一种波浪裙点云重构与曲面分割展平的方法，首先借助特定的扫描装置全面扫描波浪裙，获取波浪裙的三维点云数据。基于Bowyer‑Watson算法的Delaunay三角剖分实现波浪裙三维服装模型重构，然后基于改进能量模型曲面展平算法将三维波浪裙服装模型进行分割和展平，自动生成服装样板。一方面，用服装数字化技术结合计算机算法可以解决以上深度信息获取的问题，来重现服装三维造型，并自动生成服装样板，降低对人的主观经验的依赖程度。另一方面，可以避免服装的破损，保证服装的完整性。
📄 2020101435896
📂 G06T7_50
👤 浙江理工大学
📅 2020-03-04
本发明公开了一种基于全局与局部特征的图像深度估计方法及装置，包括：1）数据预处理；2）提取输入图像中的全局特征与局部特征；3）融合全局特征与局部特征；4）解码预测。本发明方法引入了一种新的仅用于深度估计任务的数据增强方法，能够使得模型在编码阶段既可以提取彩色图像的全局特征，也可以提取局部特征，以及在解码阶段利用我们设计的融合模块结合不同特征的同时预估稠密的、高质量的深度图，并且在额外的数据集上表现出了更强的泛化性能。
📄 202210959545X
📂 G06T7_50
👤 南京信息工程大学
📅 2022-08-11
本发明提供一种基于单目深度估计的输电线路覆冰厚度预测方法及装置，包括：基于预先训练的覆冰厚度预测模型，对目标输电线路覆冰图像进行区域划分，得到包含目标区域的输电线路覆冰子图像；分别确定输电线路覆冰子图像对应的覆冰前单目深度图像和覆冰后单目深度图像；对覆冰前单目深度图像和覆冰后单目深度图像进行像素级减法处理，得到覆冰前后差异深度图；对覆冰前后差异深度图进行矩阵转换，得到覆冰差异矩阵；基于预设比例关系计算公式，对所述覆冰差异矩阵和真实线路参数进行计算，得到像素‑真实厚度比例关系；基于预设真实厚度定位算法和像素‑真实厚度比例关系，对待预测区域的输电线路进行覆冰厚度预测，得到覆冰厚度预测结果。
📄 2025106329330
📂 G06T7_50
👤 西安理工大学
📅 2025-05-16
本发明公开了一种基于单目相机的稠密深度图计算方法，包括如下步骤：提取图像上的特征点进行特征匹配，计算图像位姿，以及图像的最大深度和最小深度；利用图像的最大深度和最小深度计算离散深度值集合；对每个像素测试一定数量的从离散深度值集合内随机获取的深度值，得到初始深度值；四通路传播像素的深度；时序融合优化深度图的深度。本发明所公开的方法可以降低存储空间的使用、提高深度传播的并行性、并且有效去除异常点。
📄 2020100899357
📂 G06T7_50
👤 青岛联合创智科技有限公司
📅 2020-02-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台