公开(公告)号：CN112712554A

公开(公告)日：2021-04-27

申请号：CN202011441605.6

申请日：2020-12-08

Applicant: 上海交通大学烟台信息技术研究院 ,  上海交通大学

Inventor： 陶卫 ,  赵辉 ,  吕娜 ,  崔斌 ,  许凌志 ,  付堉家

IPC: G06T7/66 ,  G06T7/73 ,  G06T7/13

Abstract: 本发明公开了一种半透明朗伯体表面激光条纹中心线提取方法，涉及激光轮廓测量技术领域，所述的激光条纹中心线提取方法包括：(1)获取灰度序列、(2)提取包络线、(3)提取基线、(4)获取特征峰、(5)选择直接反射峰、(6)计算直接反射峰坐标、(7)截取直接反射峰数据、(8)计算轮廓点坐标、(9)获得激光条纹中心线。通过本发明的实施，解决了现有的激光轮廓传感器无法直接准确测量半透明朗伯型物体表面轮廓的技术问题，为工业现场半透明朗伯型物体的轮廓测量提供了新的解决方案，具有广泛的实用性和通用性，适用于任何类型的轮廓标定。

公开(公告)号：CN112712554B

公开(公告)日：2022-08-26

申请号：CN202011441605.6

申请日：2020-12-08

Applicant: 上海交通大学烟台信息技术研究院 ,  上海交通大学

Inventor： 陶卫 ,  赵辉 ,  吕娜 ,  崔斌 ,  许凌志 ,  付堉家

IPC: G06T7/66 ,  G06T7/73 ,  G06T7/13

Abstract: 本发明公开了一种半透明朗伯体表面激光条纹中心线提取方法，涉及激光轮廓测量技术领域，所述的激光条纹中心线提取方法包括：(1)获取灰度序列、(2)提取包络线、(3)提取基线、(4)获取特征峰、(5)选择直接反射峰、(6)计算直接反射峰坐标、(7)截取直接反射峰数据、(8)计算轮廓点坐标、(9)获得激光条纹中心线。通过本发明的实施，解决了现有的激光轮廓传感器无法直接准确测量半透明朗伯型物体表面轮廓的技术问题，为工业现场半透明朗伯型物体的轮廓测量提供了新的解决方案，具有广泛的实用性和通用性，适用于任何类型的轮廓标定。

公开(公告)号：CN111579082B

公开(公告)日：2021-07-30

申请号：CN202010384941.5

申请日：2020-05-09

Applicant: 上海交通大学

Inventor： 赵辉 ,  陶卫 ,  吕娜 ,  许凌志 ,  陈启恒 ,  付堉家

IPC: G01J5/00 ,  G01J5/52

Abstract: 本发明提供一种热成像测温系统的距离与角度误差自动补偿方法，根据热像仪获取的红外热成像图像，确定被测目标测温点在图像坐标系系内的横坐标、纵坐标和极坐标；结合热像仪安装高度、焦点距离、热像仪镜头焦距以及人体平均高度值，通过几何关系计算得到被测目标的距离值与偏转角度值；利用预先保存在热像仪中的距离误差校准曲线，将原有测得的温度值与对应的校准值相乘，其乘积为补偿后的温度值。本发明提出的距离与角度误差补偿方法不需要额外增加任何硬件设备，也不需要额外的采集动作，可以自动适应被测目标的距离与偏转角度变化，零投入、零滞后，性价比极高，而且具有更广泛的实用性和通用性。

公开(公告)号：CN109800794A

公开(公告)日：2019-05-24

申请号：CN201811630037.7

申请日：2018-12-27

Applicant: 上海交通大学

Inventor： 赵辉 ,  陶卫 ,  吕娜 ,  何旺贵 ,  许凌志 ,  符钦伟 ,  刘沅秩 ,  郑超 ,  冯宇 ,  冯哲明

IPC: G06K9/62

Abstract: 本发明提供了一种外观相似目标的跨相机重识别融合方法，采用深度卷积神经网络提取图片全局特征图，并根据目标检测结果在全局特征图上提取目标的外观向量；对相机进行编码，生成包含观测视角信息的视角向量；根据目标在图像坐标系下对应的检测框位置生成目标的位置向量。将三个向量融合并经过变换后生成目标表示向量。通过优化三元组损失函数对网络进行训练，学习用于重识别的表示向量，在训练过程中采用离线挖掘和在线挖掘相结合的方法生成和更新三元组数据集。最后采用带约束的层次聚类算法对不同的相机中目标对应的表示向量进行聚类，实现跨相机目标重识别。同时提供了一种外观相似目标的跨相机重识别融合系统。本发明提高了重识别的准确性。

公开(公告)号：CN109800794B

公开(公告)日：2021-10-22

申请号：CN201811630037.7

申请日：2018-12-27

Applicant: 上海交通大学

Inventor： 赵辉 ,  陶卫 ,  吕娜 ,  何旺贵 ,  许凌志 ,  符钦伟 ,  刘沅秩 ,  郑超 ,  冯宇 ,  冯哲明

IPC: G06K9/62

Abstract: 本发明提供了一种外观相似目标的跨相机重识别融合方法，采用深度卷积神经网络提取图片全局特征图，并根据目标检测结果在全局特征图上提取目标的外观向量；对相机进行编码，生成包含观测视角信息的视角向量；根据目标在图像坐标系下对应的检测框位置生成目标的位置向量。将三个向量融合并经过变换后生成目标表示向量。通过优化三元组损失函数对网络进行训练，学习用于重识别的表示向量，在训练过程中采用离线挖掘和在线挖掘相结合的方法生成和更新三元组数据集。最后采用带约束的层次聚类算法对不同的相机中目标对应的表示向量进行聚类，实现跨相机目标重识别。同时提供了一种外观相似目标的跨相机重识别融合系统。本发明提高了重识别的准确性。