-
公开(公告)号：CN113160285B
公开(公告)日：2024-04-16
申请号：CN202110501063.5
申请日：2021-05-08
Applicant: 中国科学院自动化研究所苏州研究院
IPC: G06T7/30 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于局部深度图像关键性的点云匹配方法，涉及点云匹配技术领域，包括用相机采集模型的二维图片和点云数据；标注二维图片的关键区域并获取点云的关键区域；选取关键点并获取关键点处的切平面，将关键点的邻域向切平面投影，投影位置为像素坐标，点到投影位置距离为灰度值，生成局部深度图；将关键点和非关键点的局部深度图设为训练样本，用算法对其训练一个神经网络，基于神经网络判断出的关键性数值，采用点云几何特征算法进行点云匹配。本发明利用深度学习技术，对各点在匹配任务中的关键性判断，降低了非关键性点在匹配中的干扰，提高了匹配准确度和速度。
-
公开(公告)号：CN111951197B
公开(公告)日：2023-10-20
申请号：CN202010818380.5
申请日：2020-08-14
Applicant: 中国科学院自动化研究所苏州研究院
Abstract: 本发明提供了一种基于结构光的点云分割方法，属于点云分割技术领域。本发明利用由结构光相机生成的点云数据，具有像素与空间点云一一对应的特性，建立起物体的空间坐标与像素坐标之间的对应，将三维点云数据映射到二维图像上，从而快速获取空间无序点云间的拓扑关系，通过对像素坐标的处理，来实现对相应空间坐标的处理，再借助图像处理中的形态学技术，例如图像腐蚀和图像膨胀，将有小部分连接的物体与背景点云完全分割开来。本发明达到了完整分割目标物体与背景点云的目的。
-
公开(公告)号：CN113313200A
公开(公告)日：2021-08-27
申请号：CN202110685466.X
申请日：2021-06-21
Applicant: 中国科学院自动化研究所苏州研究院 , 苏州中科全象智能科技有限公司
IPC: G06K9/62
Abstract: 本发明公开了基于法向约束的点云精匹配方法，涉及机器视觉领域，步骤包括：S1：获取点云粗匹配下的位姿，将模型点云位姿作为初值；S2：取一模型点，搜索距离近的多个场景点，将模型点与场景点配对；S3：计算配对后点距序列和法向夹角序列；S4：根据点距序列和夹角序列计算配对点的概率；S5：将点距匹配概率和对应夹角匹配概率相乘再除以全体概率乘积之和作为联合概率；S6：将ICP和联合概率结合获得模型到场景的坐标变换；S7：若最后获得的模型点云坐标与前一次获得的模型点云坐标变化小于给定的阈值，则结束迭代；否则重复S2至S7。本申请提高了场景相似区域位姿变换的准确度。
-
Patent Agency Ranking
公开(公告)号：CN108683877A
公开(公告)日：2018-10-19
申请号：CN201810296322.3
申请日：2018-03-30
Applicant: 中国科学院自动化研究所
IPC: H04N7/18 , H04N21/218 , G06K9/00 , G06F17/30
Abstract: 本发明涉及视频数据的处理领域，提出一种基于Spark的分布式海量视频解析系统，旨在解决海量视频数据追踪、识别行人的问题。该系统中：分布式文件子系统，配置为提供非结构化数据的交互接口；资源管理模块，为上层应用提供统一的资源管理和调度服务；分布式订阅子系统，作为系统的消息中间件，进行消息和数据的传递；数据处理模块，包括多个相互协作视觉处理算法子模块，将获取的视频数据解压缩为多帧图片，并对多帧图片进行行人检测、跟踪、行人属性识别、行人身份再识别等处理任务；前台展示模块，显示视频数据的处理结果并与用户进行交互。本发明实现了在海量的视频数据中高效准确的追踪行人踪迹，识别行人身份信息。
-
公开(公告)号：CN113160285A
公开(公告)日：2021-07-23
申请号：CN202110501063.5
申请日：2021-05-08
Applicant: 中国科学院自动化研究所苏州研究院
Abstract: 本发明公开了一种基于局部深度图像关键性的点云匹配方法，涉及点云匹配技术领域，包括用相机采集模型的二维图片和点云数据；标注二维图片的关键区域并获取点云的关键区域；选取关键点并获取关键点处的切平面，将关键点的邻域向切平面投影，投影位置为像素坐标，点到投影位置距离为灰度值，生成局部深度图；将关键点和非关键点的局部深度图设为训练样本，用算法对其训练一个神经网络，基于神经网络判断出的关键性数值，采用点云几何特征算法进行点云匹配。本发明利用深度学习技术，对各点在匹配任务中的关键性判断，降低了非关键性点在匹配中的干扰，提高了匹配准确度和速度。
-
公开(公告)号：CN111951197A
公开(公告)日：2020-11-17
申请号：CN202010818380.5
申请日：2020-08-14
Applicant: 中国科学院自动化研究所苏州研究院
Abstract: 本发明提供了一种基于结构光的点云分割方法，属于点云分割技术领域。本发明利用由结构光相机生成的点云数据，具有像素与空间点云一一对应的特性，建立起物体的空间坐标与像素坐标之间的对应，将三维点云数据映射到二维图像上，从而快速获取空间无序点云间的拓扑关系，通过对像素坐标的处理，来实现对相应空间坐标的处理，再借助图像处理中的形态学技术，例如图像腐蚀和图像膨胀，将有小部分连接的物体与背景点云完全分割开来。本发明达到了完整分割目标物体与背景点云的目的。
-
公开(公告)号：CN113313200B
公开(公告)日：2024-04-16
申请号：CN202110685466.X
申请日：2021-06-21
Applicant: 中国科学院自动化研究所苏州研究院 , 苏州中科全象智能科技有限公司
IPC: G06V10/75
Abstract: 本发明公开了基于法向约束的点云精匹配方法，涉及机器视觉领域，步骤包括：S1：获取点云粗匹配下的位姿，将模型点云位姿作为初值；S2：取一模型点，搜索距离近的多个场景点，将模型点与场景点配对；S3：计算配对后点距序列和法向夹角序列；S4：根据点距序列和夹角序列计算配对点的概率；S5：将点距匹配概率和对应夹角匹配概率相乘再除以全体概率乘积之和作为联合概率；S6：将ICP和联合概率结合获得模型到场景的坐标变换；S7：若最后获得的模型点云坐标与前一次获得的模型点云坐标变化小于给定的阈值，则结束迭代；否则重复S2至S7。本申请提高了场景相似区域位姿变换的准确度。
-
公开(公告)号：CN108683877B
公开(公告)日：2020-04-28
申请号：CN201810296322.3
申请日：2018-03-30
Applicant: 中国科学院自动化研究所
IPC: H04N7/18 , H04N21/218 , G06K9/00
Abstract: 本发明涉及视频数据的处理领域，提出一种基于Spark的分布式海量视频解析系统，旨在解决海量视频数据追踪、识别行人的问题。该系统中：分布式文件子系统，配置为提供非结构化数据的交互接口；资源管理模块，为上层应用提供统一的资源管理和调度服务；分布式订阅子系统，作为系统的消息中间件，进行消息和数据的传递；数据处理模块，包括多个相互协作视觉处理算法子模块，将获取的视频数据解压缩为多帧图片，并对多帧图片进行行人检测、跟踪、行人属性识别、行人身份再识别等处理任务；前台展示模块，显示视频数据的处理结果并与用户进行交互。本发明实现了在海量的视频数据中高效准确的追踪行人踪迹，识别行人身份信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.047 seconds)
