-
公开(公告)号：CN112488210B
公开(公告)日：2025-01-10
申请号：CN202011398492.6
申请日：2020-12-02
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06V20/64 , G06V20/56 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 一种基于图卷积神经网络的三维点云分类方法，用于服务型机器人抓取三维物体过程中对复杂的物体实现自动分类识别，便于根据类别信息确定抓取位置进行抓取。属于计算机视觉的三维感知和机器人导航技术领域。包括以下步骤：(1)对三维点云进行预处理；(2)构建点云分类网络；(3)训练所构建的网络；(4)利用训练完成的网络进行分类测试。本发明的优点在于：(1)采用图卷积神经网络进行局部特征学习，增强网络对局部拓扑结构信息的学习能力；(2)对输入的点云进行全局特征学习，增强网络对上下文语义的理解。将局部特征和全局特征相聚合，再利用全连接层输出每个点云的分类得分，相较于现有网络具有更高的分类精度。
-
公开(公告)号：CN114323038B
公开(公告)日：2024-06-21
申请号：CN202111646017.0
申请日：2021-12-29
Applicant: 北京工业大学
Abstract: 融合双目视觉和2D激光雷达的室外定位方法，属于基于先验地图的机器人或自动驾驶汽车精确定位领域。本发明(1)将双目视觉作为里程计提供帧间的相对位姿，将一个局部时间窗口内的2D激光雷达数据融合成一幅局部子图；(2)利用DS证据理论对局部子图中的时态信息进行融合以消除局部子图中的动态噪音；(3)利用基于反向组合算法的地图匹配方式，将局部子图与预先构建的先验地图进行匹配，从而得到先验地图与局部子图之间的相对位姿；(4)根据匹配结果对局部子图的位姿进行校正，将校正后的位姿用于更新轨迹以消除双目里程计所产生的累积误差。
-
公开(公告)号：CN113191982B
公开(公告)日：2024-05-28
申请号：CN202110524714.2
申请日：2021-05-14
Applicant: 北京工业大学
Abstract: 一种基于形态学重建和饱和度补偿的单幅图像去雾方法，属于图像去雾领域。本发明(1)采用自适应局部邻域窗口形态学重建检测出容易被误认为大气光候选区域的环境中高亮区域；并从暗通道中移除该高亮区域，以避免该高亮区域导致的大气光值估计误差，提高了全局大气光值的估计精度，并减少了复原图像天空区域过饱和现象；(2)将图像从现有的RGB色彩空间描述变换到HSV色彩空间描述后，对透射率公式推导分析，通过适当提高有雾图像的饱和度分量图来补偿被过低估计的透射率，减少复原图像中的块效应和光晕现象；(3)通过将初始复原图像进行强度线性映射拉伸，进一步提高前景与背景的对比度、增加亮度动态范围，显示更多的细节信息。
-
公开(公告)号：CN109147038B
公开(公告)日：2023-02-07
申请号：CN201810957920.0
申请日：2018-08-21
Applicant: 北京工业大学
Abstract: 本发明公开了基于三维点云处理的管道三维建模方法，其包括，对输入点云进行数据预处理：去除离群点噪声，估计每个点的法向量；使用随机采样一致性算法通过拟合圆柱面方程的方法得到候选管道的圆柱参数模型集；利用图模型描述点云，并构造利用候选模型集标注点云所对应的能量函数，使用改进的图割算法最小化能量函数，得到点云中所有管道对应的圆柱面参数及其各自内点集；利用视点的邻接关系，使用ICP算法将不同视点下的点云中检测的管道进行配准，最终重建整个工厂管道的三维模型。所提出的方法可以应用于多种设备采集的三维点云，具有灵活易用的特点；模型参数估计准确，可以实现工厂管道的完整三维模型。
-
公开(公告)号：CN114463676A
公开(公告)日：2022-05-10
申请号：CN202210062828.4
申请日：2022-01-19
Applicant: 北京工业大学
Abstract: 一种基于隐式表达的安全帽配戴检测方法，属于安全帽配戴检测系统领域。包括以下步骤：(1)采用Mosaic数据增强与自适应图片缩放将数据集随机拼接以及随机打散的方法对数据集进行预处理，(2)构建隐式与显示信息结合的目标框类别分类和预测框位置回归任务的神经网络，(3)训练隐式与显示信息结合的目标框类别分类和预测框位置回归任务的神经网络，(4)进行安全帽配戴检测。本发明针对施工现场的视角畸变、尺度变化、内遮挡和场景复杂，现有安全头盔佩戴检测精度低的问题，提出了一种基于特征图金字塔网络与路径聚合网络框架，将隐式和显式信息相结合，以增强上下文特征信息的能力；在保证高准确率的同时仍然能够实时检测。
-
Patent Agency Ranking
公开(公告)号：CN112184731A
公开(公告)日：2021-01-05
申请号：CN202011037998.4
申请日：2020-09-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于对抗性训练的多视图立体深度估计方法。在对抗性训练网络中，生成网络学习图像与其对应深度图之间的映射，判别网络将学习区分深度图是来自生成模块还是基准深度。训练时，结合生成损失函数和交叉熵对抗损失函数，训练整个网络。本发明通过对抗性训练来提高多视图立体深度估计的深度学习能力，通过生成对抗网络GAN在图像深度方向收集空间和时间上的上下文信息，从而允许网络结合更多的全局信息。本发明的对抗性训练网络利用生成模块和判别模块的对抗性训练，采用梯度惩罚作为一种软约束的对抗损失函数，改进了原始生成对抗网络训练过程，显著减少了网络训练和测试期间的内存占用和运行时间，提高了多视图立体深度预测精度。
-
公开(公告)号：CN105603350B
公开(公告)日：2018-08-14
申请号：CN201610024343.0
申请日：2016-01-14
Applicant: 北京工业大学
Abstract: 一种用于隔热防护的铁基涂层材料及其涂层制备方法，属于表面涂层技术领域。选用原材料包含合金块材与纯金属块材，具体为：硼铁，铌铁，硅铁，纯铬以及纯铁等，采用高压氮气气体雾化法制备合金粉末，最终获得具有较好球形度且粒度均在20～45μm的合金粉末。采用超音速火焰喷涂方法制备铁基非晶/纳米晶涂层，本发明所制备的涂层具有相对较低的热导率，可用于汽车发动机热端部件的隔热防护。
-
公开(公告)号：CN106228539A
公开(公告)日：2016-12-14
申请号：CN201610546455.2
申请日：2016-07-12
Applicant: 北京工业大学
CPC classification number: G06T7/0002 , G06T2207/10028
Abstract: 本发明公开一种三维点云中多种几何基元自动识别方法，其包括，对输入的三维点云进行预处理，即体素滤波，基于Kd树建立邻域结构并估计点的法向量；对点云进行邻域关系的确定，再对点云进行抽样；计算样本点邻域的协方差矩阵，分析三个特征值的大小关系，根据共面规则生成相应的初始几何基元模型；根据初始几何基元的模型分别构建相应的能量方程，按照能量优化框架进行平面、球面和柱面能量计算；循环迭代以上步骤，对多种几何基元的能量进行最小化，利用最优化算法求解得到最优意义下的几何基元参数，从而实现几何基元模型参数的精化，最终输出多种几何基元的参数和内点。采用本发明的技术方案，不仅具有应用范围广、参数估计准确、抗干扰能力强等特点，而且大大提高了对三维点云的识别与分析能力。
-
公开(公告)号：CN119169195A
公开(公告)日：2024-12-20
申请号：CN202411322366.0
申请日：2024-09-23
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于归一化全局误差损失函数的神经辐射场三维重建方法。所述方法如下：Instant‑NGP是一种快速的NeRF算法，要实现高质量重建，仍需经过大量迭代步数来训练神经网络。S3im在仅考虑逐点误差的损失函数中加入图块对之间的整体误差。受S3im的启发，我们将图块概念引申到线程块，设置固定线程数量的自定义线程块，计算线程块的归一化全局误差，然后将其引入到原逐点误差的损失函数中。经过大量实验，在较少的迭代步数时，得到了比原版Instant‑NGP更好的视觉效果，对于线条和连续性结构等部分的重建有着令人惊叹的效果，PSNR和UQI的值均有提升。
-
公开(公告)号：CN112184731B
公开(公告)日：2024-05-28
申请号：CN202011037998.4
申请日：2020-09-28
Applicant: 北京工业大学
IPC: G06T7/11 , G06T7/50 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于对抗性训练的多视图立体深度估计方法。在对抗性训练网络中，生成网络学习图像与其对应深度图之间的映射，判别网络将学习区分深度图是来自生成模块还是基准深度。训练时，结合生成损失函数和交叉熵对抗损失函数，训练整个网络。本发明通过对抗性训练来提高多视图立体深度估计的深度学习能力，通过生成对抗网络GAN在图像深度方向收集空间和时间上的上下文信息，从而允许网络结合更多的全局信息。本发明的对抗性训练网络利用生成模块和判别模块的对抗性训练，采用梯度惩罚作为一种软约束的对抗损失函数，改进了原始生成对抗网络训练过程，显著减少了网络训练和测试期间的内存占用和运行时间，提高了多视图立体深度预测精度。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.044 seconds)
