-
公开(公告)号：CN114529464A
公开(公告)日：2022-05-24
申请号：CN202210040084.6
申请日：2022-01-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的水下图像恢复方法，属于深度学习和图像处理领域。本发明是基于水下物理模型的水下图像复原方法，创新性地通过将水下物理模型与深度学习相结合的方式，实现对水下退化图像的结构恢复和颜色校正。该发明首先使用暗通道先验模型获取水下退化图像的水下散射图和水下透射率图，然后通过结构恢复网络实现对水下退化图像的物理复原，最后使用颜色校正网络完成对水下退化图像的最终复原。本发明所述方法可以实现对水下退化图像的结构恢复和颜色校正，对在低照度条件下拍摄的水下图像具有很好的适应能力，解决了水下退化图像的结构退化、颜色失真等问题。
-
公开(公告)号：CN115546126A
公开(公告)日：2022-12-30
申请号：CN202211153336.2
申请日：2022-09-19
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向水下燃料组件的视觉定位方法，属于深度学习和图像处理领域。本发明是基于深度学习的视觉定位算法，创新性地将深度学习应用到高精度工业定位任务，实现了水下燃料组件装卸操作。该发明首先使用水下图像复原网络模型对水下销钉图像进行复原，然后利用销钉定位方法对复原图像进行分析，提取销钉圆心坐标，给机械臂对水下燃料组件装卸操作提供位置坐标，最后实现了高精度定位操作。本发明所述方法可以实现水下燃料组件高精度定位任务，对在非均匀光照条件下拍摄的水下销钉图像仍有很好的适应能力，解决了水下燃料组件定位困难、定位精度低等问题。
-
公开(公告)号：CN114529713A
公开(公告)日：2022-05-24
申请号：CN202210040116.2
申请日：2022-01-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的水下图像增强方法，属于深度学习和计算机视觉领域。本发明所属方法将输入的水下图像拆分为R、G、B三个颜色通道，再使用多尺度融合注意力模块分别学习不同颜色通道的衰减特征图，然后将不同颜色通道的衰减特征图进行通道堆叠，紧接着使用通道注意力机制提取感兴趣的衰减特征，最后利用1×1的卷积减少特征图输出维度并与输入图像融合，增强输入的水下图像。本发明所属方法可以有效提升水下图像的整体视觉质量，对在衰减光照条件下拍摄的各类场景的水下图像具有很好的鲁棒性，解决了传统水下图像增强方法得到的图像存在颜色校正色差大、图像照度低、噪声高且图像雾化较为严重等图像视觉质量提升不明显问题。
-
公开(公告)号：CN116310176A
公开(公告)日：2023-06-23
申请号：CN202310281505.9
申请日：2023-03-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种融合图像和激光点云的认知地图构建方法，属于无人驾驶领域。本发明所述的方法通过相机‑激光雷达联合标定，获取相机内参、畸变参数以及激光坐标系到相机坐标系的外参矩阵；再由交通标志检测网络识别交通标志，对交通标志图像进行特征描述；然后将激光点云映射到图像，对交通标志进行定位，最后通过激光同步定位与构图(Simultaneous Localization And Mapping，SALM)构建点云地图，将交通标志关联到该点云地图中，生成认知地图。本发明所述方法可以对场景中的交通标志进行检测和定位，在此基础上构建含有交通标志位置信息的认知地图，可用于加强无人驾驶车辆对环境的理解，减少无人驾驶车辆对于全局高精度地图的依赖，降低自动驾驶系统的应用成本。
-
-
-
Search Results
4
records
(took 0.032 seconds)
