-
公开(公告)号：CN111369617B
公开(公告)日：2022-06-21
申请号：CN201911424210.2
申请日：2019-12-31
Applicant: 浙江大学
Abstract: 本发明公开了一种基于卷积神经网络的单目视图的3D目标检测方法。在自动驾驶场景中主要检测的3D目标包括但不局限于汽车，行人，以及自行车等类别。本发明主要包括如下步骤：首先利用事先准备好的训练集训练好网络参数；然后在预测阶段，将车载摄像头采集的单目图像经过预处理后，输入至训练好的卷积神经网络当中，预测出目标的2D边框、实际尺寸大小、和深度；最后通过射影几何相机模型求解出3D目标的3D空间中的位置。基于本发明所提出方法的基于单目视图的3D目标检测方法在测试数据集中具有较高的精度，具有良好的准确性和鲁棒性。
-
公开(公告)号：CN107578403B
公开(公告)日：2019-11-08
申请号：CN201710721537.0
申请日：2017-08-22
Applicant: 浙江大学
Abstract: 本发明公开了一种基于梯度信息指导双目视图融合的立体图像质量评价方法。本发明利用Sobel算子和LoG算子构造联合统计梯度图以作为双目视图融合的权重图，得到对应的中间参考图像和中间失真图像。进而，对中间图像进行图像特征信息的提取，包括边缘、纹理、对比度信息，对参考和失真立体图像对视差图提取深度信息。最后，通过对特征相似性的度量和基于SVR的特征综合与质量映射，从而得到最终的图像质量客观评价分数，实现对立体图像质量损失的度量。实验结果表明，基于本发明所提出算法具有良好的准确性和鲁棒性。
-
公开(公告)号：CN111241944B
公开(公告)日：2023-05-26
申请号：CN201911417888.8
申请日：2019-12-31
Applicant: 浙江大学
IPC: G06V20/56 , G06V10/25 , G06V10/764
Abstract: 本发明公开了一种基于背景目标与背景特征匹配的场景识别与回环检测方法。包括1)获取车身摄像机拍摄的室外场景图像；2)构建基于Faster R‑CNN目标检测网络的背景特征提取网络，对输入的室外场景图像进行背景目标的检测，并使用ROI pooling层的输出作为背景目标特征；3)对背景目标特征进行降维；4)计算当前输入图像背景特征与之前输入图像背景特征之间的L2距离；5)根据L2距离计算其场景相似度，使用最近邻搜索找出相匹配的图片对，根据相似度判断是否为同一场景，得到回环检测结果。本发明在性能上接近基于人工特征提取的最新方法并优于传统的词袋匹配方法，且在特征提取的速度上与人工特征提取相比具有明显的优势。
-
公开(公告)号：CN109345502B
公开(公告)日：2021-03-26
申请号：CN201810885954.3
申请日：2018-08-06
Applicant: 浙江大学
Abstract: 本发明公开了一种基于视差图立体结构信息提取的立体图像质量评价方法。本发明具体实施包括如下步骤：首先利用结构相似度算法分别得到被测图像与参考图像的视差图，然后根据人眼对轮廓信息敏感的特性使用梯度信息来指导图像融合，同时结合已得到的视差图得出被测图像与参考图像的左右视差图融合后的图像，接着从得到的融合图中提取轮廓、纹理和对比度特征，并从视差图中提取深度特征，将以上提取到的特征送入支持向量回归模型，最后利用支持向量回归模型在主观评分值与特征之间建立映射，从而得到最终质量评价分数。基于本发明所提出方法的图像质量客观评价分数与数据库提供的主观质量分数具有较高的一致性，具有良好的准确性和鲁棒性。
-
公开(公告)号：CN109255358B
公开(公告)日：2021-03-26
申请号：CN201810891239.0
申请日：2018-08-06
Applicant: 浙江大学
Abstract: 本发明公开了一种基于视觉显著性和深度图的3D图像质量评价方法。运用立体匹配算法得到视差图；利用谱残差算法获得图像的显著性图，利用结构相似性算法得到亮度、对比度、对比度的相似性，同时利用高斯色彩模型得到色度相似性特征等度量指标；最后，对参考图像和失真图像利用Log Gabor滤波器提取多尺度的特征，得到多尺度多方向的左右图像的边缘纹理特征，进行相似度计算，得到图像质量评价的指标特征,利用支持向量机进行回归预测，得到客观质量分数，完成对立体图像质量的映射，得到最终的立体图像质量评价。本发明所提出的全参考图像质量评价方法的客观评价与主观评价具有很好的一致性，且优于传统的立体图像质量评价方法。
-
Patent Agency Ranking
公开(公告)号：CN109523506A
公开(公告)日：2019-03-26
申请号：CN201811109216.6
申请日：2018-09-21
Applicant: 浙江大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于视觉显著图像特征增强的全参考立体图像质量客观评价方法。首先，将立体图像从RGB颜色空间转换成YIQ颜色空间，从Y通道中提取亮度成分，得到视差图以及视觉显著性图，然后对Y通道的左右视图进行图像融合得到中间图像,进而提取视觉显著增强的边缘/纹理以及深度信息特征，进行相似性度量，得到相应的度量指标。其次，从立体图像的I和Q通道提取相应的色彩信息特征，进行双目融合和相似性度量，得到视觉显著增强的色彩信息的度量指标。最后将所有的度量指标进行支持向量回归训练预测，得到客观质量分数。实验表明本发明所提出的立体图像质量客观评价与主观评价具有很好的一致性，且性能优于大部分已有的立体图像质量评价方法。
-
公开(公告)号：CN111241943A
公开(公告)日：2020-06-05
申请号：CN201911417831.8
申请日：2019-12-31
Applicant: 浙江大学
Abstract: 本发明公开了一种自动驾驶场景下基于背景目标检测与三元组损失的场景识别与回环检测方法。1)输入车身采集到的室外场景图像；2)构建基于FasterR-CNN目标检测网络的背景特征提取网络，对输入的室外场景图像进行背景目标的检测，并使用ROI pooling层的输出作为背景特征；3)特征降维；4)计算当前输入图像背景特征与之前输入图像背景特征之间的L2距离；5)根据L2距离计算其场景相似度，使用最近邻搜索找出相匹配的图片对，根据相似度判断是否为同一场景，得到回环检测结果。本发明所提出的方法在性能上能够接近基于人工特征提取的最新方法并优于传统的词袋匹配方法，且特征提取的速度快，与人工特征提取相比具有明显的优势。
-
公开(公告)号：CN109345502A
公开(公告)日：2019-02-15
申请号：CN201810885954.3
申请日：2018-08-06
Applicant: 浙江大学
Abstract: 本发明公开了一种基于视差图立体结构信息提取的立体图像质量评价方法。本发明具体实施包括如下步骤：首先利用结构相似度算法分别得到被测图像与参考图像的视差图，然后根据人眼对轮廓信息敏感的特性使用梯度信息来指导图像融合，同时结合已得到的视差图得出被测图像与参考图像的左右视差图融合后的图像，接着从得到的融合图中提取轮廓、纹理和对比度特征，并从视差图中提取深度特征，将以上提取到的特征送入支持向量回归模型，最后利用支持向量回归模型在主观评分值与特征之间建立映射，从而得到最终质量评价分数。基于本发明所提出方法的图像质量客观评价分数与数据库提供的主观质量分数具有较高的一致性，具有良好的准确性和鲁棒性。
-
公开(公告)号：CN111241943B
公开(公告)日：2022-06-21
申请号：CN201911417831.8
申请日：2019-12-31
Applicant: 浙江大学
Abstract: 本发明公开了一种自动驾驶场景下基于背景目标检测与三元组损失的场景识别与回环检测方法。1)输入车身采集到的室外场景图像；2)构建基于FasterR‑CNN目标检测网络的背景特征提取网络，对输入的室外场景图像进行背景目标的检测，并使用ROI pooling层的输出作为背景特征；3)特征降维；4)计算当前输入图像背景特征与之前输入图像背景特征之间的L2距离；5)根据L2距离计算其场景相似度，使用最近邻搜索找出相匹配的图片对，根据相似度判断是否为同一场景，得到回环检测结果。本发明所提出的方法在性能上能够接近基于人工特征提取的最新方法并优于传统的词袋匹配方法，且特征提取的速度快，与人工特征提取相比具有明显的优势。
-
公开(公告)号：CN109523506B
公开(公告)日：2021-03-26
申请号：CN201811109216.6
申请日：2018-09-21
Applicant: 浙江大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于视觉显著图像特征增强的全参考立体图像质量客观评价方法。首先，将立体图像从RGB颜色空间转换成YIQ颜色空间，从Y通道中提取亮度成分，得到视差图以及视觉显著性图，然后对Y通道的左右视图进行图像融合得到中间图像,进而提取视觉显著增强的边缘/纹理以及深度信息特征，进行相似性度量，得到相应的度量指标。其次，从立体图像的I和Q通道提取相应的色彩信息特征，进行双目融合和相似性度量，得到视觉显著增强的色彩信息的度量指标。最后将所有的度量指标进行支持向量回归训练预测，得到客观质量分数。实验表明本发明所提出的立体图像质量客观评价与主观评价具有很好的一致性，且性能优于大部分已有的立体图像质量评价方法。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
