本发明提供了一种基于改进型形状上下文的工件图像稀疏立体匹配方法,该方法融合了能反映点位置分布关系的形状上下文和能反映点梯度属性的梯度方向直方图特征,主要包括:对包含工件的左右图像对进行预处理,包括灰度归一化和大津法(Otsu)二值化;对二值图像对进行Canny边缘提取,均匀采样得到离散边缘点;根据形状上下文的直方图分布确定候选匹配点集,并改进相似性度量计算公式,进行形状上下文粗匹配;根据梯度方向直方图特征进行梯度方向直方图细匹配;引入左右一致性校验去除误匹配点对。本发明在满足实时性要求的情况下,提高了原始形状上下文匹配精度和匹配鲁棒性,为后续实现快速、精确的工件3D定位提供基础。
📄 2015102533857
📂 G06T7_55
👤 江南大学, 无锡信捷电气股份有限公司
📅 2015-05-14
本发明公开一种基于自监督深度学习的光场图像深度恢复方法及系统,所述方法,包括:根据预设图像组的三维极平面图像提取每张图像的多维特征,得到每张图像的特征张量;根据所述每张图像的多维特征确定预处理图像组的拟合成本量;根据所述拟合成本量确定每张图像的最优标签,生成图像组的每张图像的视差图。本方案,可有效恢复光场图像中全视点的光场深度,准确高效,填补了本领域的一大技术空白。
📄 2020105234491
📂 G06T7_557
👤 江南大学
📅 2020-06-10
本发明涉及一种内窥镜单目图像深度估计方法和系统,其中,方法包括:获取内窥镜单目前后帧图像;利用内窥镜单目前后帧图像对DA‑ICGA模型对内窥镜单目进行训练,所述DA‑ICGA模型以DARES为基础,包括PoseNet模块、DAM‑LoRA模块,还创造性引入双分支几何感知模块和图像级对比学习模块;通过训练好的DA‑ICGA模型对待检测内窥镜单目图像进行深度估计。本发明能够有效解决曝光过度区域产生的伪影,进而提高单目深度估计精度。
📄 202510709164X
📂 G06T7_55
👤 江南大学
📅 2025-05-29
本发明公开了一种基于光场相机的三维定位方法,属于视觉定位领域。本发明的方法由光场相机拍摄三维物体的光场图像,通过将光场图像转化为多视角子孔径图像,计算相邻视角的视差;建立从空间三维点到传感器光场坐标的映射关系模型,结合多视角视差和映射关系模型的物理意义,建立视差‑深度映射关系,由视差求解出深度,最后由视差图包含的传感器光场坐标求解出空间坐标,得到物体的三维坐标。本发明方法实现了采集全景的三维定位,解决了光场相机全景、精确三维测量的问题。
📄 2022101291901
📂 G06T7_55
👤 江南大学
📅 2022-02-11
本发明公开一种基于孪生网络的双目视差估计方法,先构建双目视差估计模型;将左图和右图输入双目视差估计模型;所述双目视差估计模型包括特征提取网络、频域注意力模块、初始视差估计网络和迭代优化网络;所述特征提取网络包含特征网络和上下文网络;左图和右图输入特征网络处理后得到的输出进入初始视差估计网络;所述初始视差估计网络包括聚合代价体、沙漏网络和n层网格检索模块L,特征提取网络的输出进入频域注意力模块;所述迭代优化网络由n层门控逻辑单元组成;本发明引入了频域注意力机制,显著增强了上下文网络对高频信息的处理能力。同时,通过改进视差回归策略,引入局部极大值的概念,算法的覆盖范围和准确性均得到了提升。
📄 202411027002X
📂 G06T7_55
👤 浙江理工大学
📅 2024-07-30
本发明公开了一种基于自监督框架的夜间深度估计方法,包括:获取日间数据集,将日间数据集输入至预训练估计网络模型,获取日间深度图;获取夜间RGB图像的目标帧和源帧,将目标帧输入至深度估计网络模型,获取夜间深度图;将目标帧和源帧的通道进行拼接,根据姿态网络模型获取拼接后的目标帧和源帧的姿态变化;利用自适应图像增强模块对目标帧和源帧进行增强,获取第一源帧和第一目标帧;对夜间深度图、姿态变化和第一源帧进行重构,获取重构后的目标帧;将日间深度图和夜间深度图输入至对抗神经网络模型,获取自监督夜间深度图的估计分布符合白天正常光照场景下的深度分布。本发明能对特定夜间场景做出很好的识别效果。
📄 2025100159660
📂 G06T7_55
👤 广东工业大学
📅 2025-01-06
本发明公开了一种基于U‑V视差图的障碍物测距方法,通过双目相机采集待测图片,将待测图片输入到训练好的YOLO‑V3模型中,得到待测图片中障碍物的类别及位置坐标信息;将待测图片通过SSD算法处理后得到整图视差图;计算得到障碍物粗略距离,并将障碍物粗略距离由小到大排序,得到障碍物粗略距离排序表;构造障碍物粗略距离排序表中数值最小的障碍物的U视差图和V视差图;根据障碍物的U视差图和V视差图得到障碍物三维场景位置信息,通过迭代整图视差图最终得到待测图片中所有障碍物的三维场景位置信息。本发明能够准确提取障碍物视差信息,可以有效避免将背景视差作为障碍物视差的情况,从而降低障碍物距离的误差,提高距离信息的精确度。
📄 202111423802X
📂 G06T7_55
👤 山东科技大学
📅 2021-11-26
一种融合连续性特征的单目深度估计方法,包括如下步骤:对原图进行预处理,使图像间存在隐性关系;同时输入三种图像,经过包含四个阶段以及四个尺度不同的并行子网的编码器与解码器,获得深度图输出。其损失函数包含最小光度误差损失、平滑损失、跨尺度一致性损失以及连续性损失。本发明在保持轻量化的基础上,通过结合尺度不变性与连续性特征,有效提高了深度测量的精度;并且由于其自监督的特性,对数据集的要求低,使得训练门槛低。
📄 2023103709409
📂 G06T7_55
👤 浙江工业大学
📅 2023-04-10
本发明公开了一种基于单目相机的目标深度与高度测量方法及装置,调整单目相机使得目标成像在单目相机成像平面竖直中垂线的两侧并且目标成像在成像平面横向中垂线下方,拍摄目标获得目标图像,在目标图像中标记处目标底点C和对应的顶点D,获取底点C和顶点D的像素坐标,将所述底点C和顶点D的像素坐标转换为图像坐标,通过图像坐标系计算出测量所需要的参数,然后保持单目相机状态不变,旋转单目相机镜头,得到不同的目标图像,测量得到目标距离和目标高度。本发明技术方案不仅对测量设备和测量环境要求低,而且操作简单,测量成本低,计算速率快,结果较准确,可以广泛运用于人工智能或是工程测量中,发展前景好。
📄 2021107273688
📂 G06T7_55
👤 浙江工业大学
📅 2021-06-29
本发明公开了一种基于全卷积神经网络FCN的单目图像深度估计方法,包括步骤:获取训练图像数据;将训练图像数据输入全卷积神经网络FCN,池化层依次输出得到特征图像;及从最后一个池化层开始将其输出特征图像进行放大处理,获得与其前一池化层输出特征图像尺寸一致的特征图像并将二者的特征图像融合;从后向前依次对每个池化层的输出特征图像融合以获得最终预测深度图像;且训练中利用随机梯度下降法SGD对全卷积神经网络FCN中的参数训练;获取需要预测深度的RGB图像输入训练后的全卷积神经网络FCN,获得对应的预测深度图像。本发明可以改善卷积过程中输出图像分辨率较低的问题,且采用全卷积网络的形式,去除了全连接层,有效减少了网络的参数量。
📄 2017106499341
📂 G06T7_55
👤 南京邮电大学
📅 2017-08-02
本发明公开了一种基于相机阵列合成孔径成像的遮挡背景估计方法,用于解决现有背景估计方法精度差的技术问题。技术方案是充分利用多视角信息,通过相机阵列合成孔径成像聚焦任意不同深度的能力,将聚焦平面移置背景平面,解决利用SIFT方法匹配时不同深度像素点对匹配结果的影响问题,最后利用Graph cuts结合像素标记方法,实现前景与遮挡像素点标记,进而去除遮挡。本发明通过相机阵列合成孔径成像聚焦任意不同深度,将聚焦平面移置背景平面;充分利用相机阵列多视角信息的优势,从不同视角的图像片段选取适当的像素值进行计算,实现了前景与遮挡像素点标记,能够去除遮挡,同时提高了背景估计的精度。
📄 2016100438674
📂 G06T7_55
👤 陕西师范大学
📅 2016-01-22
本发明公开了一种基于级联遮挡滤除滤波器的光场相机深度估计方法。本发明根据遮挡信息在光线级、像素级和图像级中的不同表现形式,通过从光线级到像素级再到图像级的三层级联遮挡滤除滤波,滤除或保持原始光场图像数据中可能的遮挡信息,减少光场相机深度估计中的歧义性判断,实现精确的深度估计。本发明的主要特点在于通过光线级遮挡滤除滤波器滤除可能被遮挡的光线,通过像素级遮挡滤除滤波器保持处于深度不连续边缘处像素的遮挡特性,通过图像级遮挡滤除滤波器提取像素间的图像级遮挡信息,从而在深度估计中排除具有歧义性的遮挡信息,提高估计精度。
📄 2016108282109
📂 G06T7_55
👤 杭州电子科技大学
📅 2016-09-18