-
公开(公告)号：CN111340852A
公开(公告)日：2020-06-26
申请号：CN202010160371.1
申请日：2020-03-10
Applicant: 南昌航空大学
Abstract: 一种基于优化语义分割的图像序列光流计算方法，它包含如下步骤：一、输入连续两帧图片，利用去均值归一化光流模型计算连续两帧间的前景后景光流；二、输入连续两帧图片，利用语义模型分割出连续两帧的标签图；三、将步骤一计算出的光流以及步骤二的标签图作为输入，利用全连接分层算法，得到优化分割图像；四、将步骤一中的连续两帧图片和计算出的光流结果以及步骤三中的优化分割结果作为输入量，利用前景光流模型计算最终光流结果；本发明采用全连接去均值归一化模型上加入了边窗滤波计算光流，然后使用全连接分层模型优化的分割图先验信息，最终利用前景光流模型优化最终光流，克服了针对光照突变场景图像序列光流计算结果精度较低的问题。
-
公开(公告)号：CN112162252A
公开(公告)日：2021-01-01
申请号：CN202011021124.X
申请日：2020-09-25
Applicant: 南昌航空大学
IPC: G01S7/40
Abstract: 本发明公开了一种毫米波雷达与可见光传感器的数据标定方法。所述方法包括：在标定场中放置六块金属面板；将毫米波雷达与可见光传感器同时获取所述标定场中所述金属面板的所述毫米波雷达的数据与所述可见光传感器的图像，获得六组所述毫米波雷达与所述可见光传感器对齐数据集 与 ；将所述六组对齐数据集 与 ，采用线性最小二乘法计算出所述毫米波雷达的扫描平面坐标系与所述可见光传感器图像的平面坐标系之间转换的单应性矩阵H；利用所述单应性矩阵H通过单应性变换将所述毫米波雷达目标投射到所述可见光传感器的图像上；采用最近邻算法将毫米波雷达与可见光传感器目标进行数据关联，最终完成毫米波雷达与可见光传感器的精确数据标定。
-
公开(公告)号：CN105844658B
公开(公告)日：2018-08-17
申请号：CN201610392801.6
申请日：2016-06-06
Applicant: 南昌航空大学
IPC: G06T7/80
Abstract: 本发明公开了一种基于直线自动检测的可见光与激光传感器外部标定方法，该方法设计一个特定的直线特征可见的立体标定靶；提取可见光图像中立体标定靶表面的直线特征，获取立体标定靶表面直线特征的激光点云数据，通过直线拟合和拟合直线相交的方法提取标定靶上直线特征的激光数据；利用提取到的标定靶表面直线特征上的激光点数据求解可见光传感器坐标系与激光器坐标系之间的旋转矩阵和平移向量的值，将激光传感器采集的深度距离数据标定到可激光传感器采集到的可见光图像。本发明的优点是：能够得到准确、稳定的标定结果，算法实现的复杂度较低，标定效率高。
-
公开(公告)号：CN102129711A
公开(公告)日：2011-07-20
申请号：CN201110072376.X
申请日：2011-03-24
Applicant: 南昌航空大学
IPC: G06T17/00
Abstract: 一种基于GPU构架的点线光流场三维重建方法，方法为：首先建立基于像素点和轮廓直线光流场重建三维运动和结构的统一模型，在低分辨率下计算点光流，在高分辨率下计算直线光流，将图像直线表达维数设置成和像素点维数一致，因此能够将像素点和图像直线光流场重建统一到一个三维重建计算模型下，最后采用VC++语言编程实现算法。本发明的技术效果是：能快速完成三维重建；能精确处理物体的细节；能完整实现物体三维重建。
-
公开(公告)号：CN112162252B
公开(公告)日：2023-07-18
申请号：CN202011021124.X
申请日：2020-09-25
Applicant: 南昌航空大学
IPC: G01S7/40
Abstract: 本发明公开了一种毫米波雷达与可见光传感器的数据标定方法。所述方法包括：在标定场中放置六块金属面板；将毫米波雷达与可见光传感器同时获取所述标定场中所述金属面板的所述毫米波雷达的数据与所述可见光传感器的图像，获得六组所述毫米波雷达与所述可见光传感器对齐数据集与；将所述六组对齐数据集与，采用线性最小二乘法计算出所述毫米波雷达的扫描平面坐标系与所述可见光传感器图像的平面坐标系之间转换的单应性矩阵H；利用所述单应性矩阵H通过单应性变换将所述毫米波雷达目标投射到所述可见光传感器的图像上；采用最近邻算法将毫米波雷达与可见光传感器目标进行数据关联，最终完成毫米波雷达与可见光传感器的精确数据标定。
-
Patent Agency Ranking
公开(公告)号：CN111340852B
公开(公告)日：2022-09-27
申请号：CN202010160371.1
申请日：2020-03-10
Applicant: 南昌航空大学
Abstract: 一种基于优化语义分割的图像序列光流计算方法，它包含如下步骤：一、输入连续两帧图片，利用去均值归一化光流模型计算连续两帧间的前景后景光流；二、输入连续两帧图片，利用语义模型分割出连续两帧的标签图；三、将步骤一计算出的光流以及步骤二的标签图作为输入，利用全连接分层算法，得到优化分割图像；四、将步骤一中的连续两帧图片和计算出的光流结果以及步骤三中的优化分割结果作为输入量，利用前景光流模型计算最终光流结果；本发明采用全连接去均值归一化模型上加入了边窗滤波计算光流，然后使用全连接分层模型优化的分割图先验信息，最终利用前景光流模型优化最终光流，克服了针对光照突变场景图像序列光流计算结果精度较低的问题。
-
公开(公告)号：CN108986136B
公开(公告)日：2020-07-24
申请号：CN201810809498.4
申请日：2018-07-23
Applicant: 南昌航空大学
Abstract: 本发明公开了一种基于语义分割的双目场景流确定方法及系统，该方法先对双目图像中的场景进行语义分割，通过添加语义分割的标签信息计算语义光流，通过半全局匹配算法计算视差信息，然后结合语义光流和视差信息拟合计算无数个小平面区域的运动参数并优化。在优化运动过程中，先由超像素分割求得初始场景流，然后在语义分割的标签内部进行优化，使得语义标签内部的超像素块的运动趋于一致，同时很好地保护了运动物体的边缘信息。本发明在光流信息中加入语义信息，使得物体的边缘得到保护，大大简化了遮挡问题的推理过程；此外，语义标签层面的运动推理使得同一个运动物体的表面像素点的场景流近似一致，最终达到了优化场景流的目的。
-
公开(公告)号：CN108986136A
公开(公告)日：2018-12-11
申请号：CN201810809498.4
申请日：2018-07-23
Applicant: 南昌航空大学
Abstract: 本发明公开了一种基于语义分割的双目场景流确定方法及系统，该方法先对双目图像中的场景进行语义分割，通过添加语义分割的标签信息计算语义光流，通过半全局匹配算法计算视差信息，然后结合语义光流和视差信息拟合计算无数个小平面区域的运动参数并优化。在优化运动过程中，先由超像素分割求得初始场景流，然后在语义分割的标签内部进行优化，使得语义标签内部的超像素块的运动趋于一致，同时很好地保护了运动物体的边缘信息。本发明在光流信息中加入语义信息，使得物体的边缘得到保护，大大简化了遮挡问题的推理过程；此外，语义标签层面的运动推理使得同一个运动物体的表面像素点的场景流近似一致，最终达到了优化场景流的目的。
-
公开(公告)号：CN112053392A
公开(公告)日：2020-12-08
申请号：CN202010978976.1
申请日：2020-09-17
Applicant: 南昌航空大学
Abstract: 本发明公开了一种红外与可见光图像的快速配准与融合方法，利用红外传感器与可见光传感器同时采集同一场景的图像，采用奇异值分解，求得红外图像平面坐标系与可见光图像平面坐标系之间转换的单应性矩阵；以可见光图像为基准图像，通过单应性变换得到与之配准的红外图像；将基准图像与已配准红外图像采用自适应权重的像素点叠加方法进行图像融合。本发明针对红外与可见光两种异源传感器图像的融合，实现优势互补，解决了在弱可见光的条件下，可见光图像特征不易提取、配准难的问题；同时在保证一定的融合精度的基础上，大大提高图像融合的速度，解决了在实际应用中实时性问题。
-
公开(公告)号：CN106157243B
公开(公告)日：2019-01-15
申请号：CN201610394908.4
申请日：2016-06-06
Applicant: 南昌航空大学
Abstract: 本发明公开了一种基于压缩感知的淡水藻类全息图像增强与重建方法，该方法先利用S‑G滤波器对图像进行滤波和增强对比度处理；之后利用基于压缩感知的超分辨率重建方法提高处理后图像的分辨率；再利用角谱全息再现方法结合自动对焦测距的方法对全息图进行全息再现获得包含实际物象的全息再现图；利用孪生像迭代消除方法消除再现图像中残留的孪生像形成的噪声。本发明能够良好地改善无透镜全息成像装置获得的全息图的像质，不仅去除了噪声，还提高了图像的分辨率；同时实现的复杂度较低，图像处理时间短。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
