-
公开(公告)号：CN119784947A
公开(公告)日：2025-04-08
申请号：CN202411874617.6
申请日：2024-12-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于稀疏深度的高精度三维重建方法，输入稀疏深度的RGB‑D图像序列，通过在公开数据集上训练的深度补全网络有效填补每一帧稀疏深度图中的缺失深度信息，并利用预训练的视觉大模型Dinov2推理每帧的语义信息；对于每一帧RGB图像，采用基于特征点采样与均匀采样的联合采样方法提取光线的采样点，并通过重要性采样和随机采样策略生成空间三维点；对三维空间采样点进行位置编码以编码低频特征，同时使用哈希编码处理高频特征，并将两者融合后输入神经网络，预测颜色值、SDF值和语义值；根据当前的场景表征信息渲染优化当前帧的位姿，通过全局关键帧作为滑动窗口，将预测值与当前帧的真实颜色、深度和语义信息进行对比，优化隐式场景表征，实现从稀疏深度RGB‑D图像序列中重建高保真的三维模型。本发明有效解决了传统三维重建技术在稀疏深度数据条件下重建精度不足的问题，并具有广泛的应用前景，特别适用于基于RGB‑D数据的三维重建相关领域。
-
Patent Agency Ranking
公开(公告)号：CN118840490A
公开(公告)日：2024-10-25
申请号：CN202411001005.6
申请日：2024-07-25
Applicant: 桂林电子科技大学
IPC: G06T17/00 , G06N3/0464 , G06N3/082 , G06T15/00
Abstract: 本发明公开了一种基于无参影像的三维重建与渲染方法，输入多视角RGBD影像数据流，通过在公开数据集上训练光流估计网络得到的预训练模型对每一帧影像进行光流估计，根据光流阈值选择关键帧并使用关键帧集来构建关键帧图；通过共视关系在关键帧之间建立共视矩阵，在共视矩阵中的关键帧对建立边，对关键帧图中形成边的关键帧使用阻尼高斯‑牛顿法迭代优化关键帧的位姿；在关键帧图中动态选择K个共视关键帧作为动态滑动窗口，通过滑动窗口的关键帧信息进行高斯的动态插入与剪枝，使用高斯泼溅渲染关键帧的颜色、深度、可见性轮廓信息，将其与关键帧的真实颜色和深度信息求损失以优化3D高斯的场景表征。本发明解决了传统三维重建技术重建场景的质量差，训练和渲染时间长的问题，可以广泛应用于三维重建的相关应用之中。
-
公开(公告)号：CN118329185A
公开(公告)日：2024-07-12
申请号：CN202410472678.3
申请日：2024-04-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于NLMS自适应滤波的光纤振动检测方法。所述方法包括：使用φ‑OTDR系统获取传感光纤的背向瑞利散射原始信号；对原始信号进行IQ正交解调；获得瑞丽散射信号的幅度曲线及幅度信号的时空域矩阵；设置期望参考信号；将输入信号与期望参考信号比较得到误差信号；采用NLMS自适应滤波算法调节滤波器权系数，使得误差信号的均方差达到最小值；确定入侵扰动的位置。传统算法中的步长是给定的常数，本发明通过设置随时间变化的步长，克服了传统算法导致的梯度噪声放大的缺陷。NLMS算法具有收敛速度快，稳定性好以及自适应强等优势，提高了φ‑OTDR系统的定位准确性。
-
公开(公告)号：CN119762546A
公开(公告)日：2025-04-04
申请号：CN202411874902.8
申请日：2024-12-19
Applicant: 桂林电子科技大学
IPC: G06T7/32 , G06N3/0455 , G06V10/80 , G06V10/82
Abstract: 本发明提供的是一种基于低重叠三维点云地图的无监督配准方法。针对获取的待配准三维点云地图的源点云和目标点云数据，采用特征提取模块进行两组点云全局特征提取；基于所述得到的全局特征，使用残差迭代Transformer模块捕捉全局信息联系，得到两组点云全局融合特征；基于所述全局融合特征，生成两组点云各点预测重叠权重；采用关键点筛选法，根据所述各点预测重叠权重，分别生成两组点云重叠区域点云集；通过对所述两组点云重叠区域点云集进行k近邻簇局部特征融合，并生成重叠匹配矩阵；基于所述重叠匹配矩阵，得到待配准重叠点对权重，根据所述重叠点对求解旋转变化矩阵，最终生成点云地图配准结果；基于网络损失函数，迭代训练网络模型直至损失收敛，得到低重叠三维点云地图的无监督配准模型。本发明可用于大场景低重叠三维点云地图的高精度配准工作，解决了模型对标注数据依赖、全局信息关联捕捉能力弱、应对低重叠三维点云地图场景泛化性差等问题。
-
公开(公告)号：CN119206130A
公开(公告)日：2024-12-27
申请号：CN202411248028.7
申请日：2024-09-06
Applicant: 桂林电子科技大学
IPC: G06T17/20 , G06T15/00 , G06V10/26 , G06V10/44 , G06N3/0464
Abstract: 本发明公开了一种基于室外无约束影像集的三维重建与渲染方法，输入互联网随机收集的照片集，以随机网格采样简化采样，基于卷积神经网络获取外观特征，使用占用网格引导采样，通过哈希编码插值获取采样点特征，基于隐式函数和分割模型联合获取光线可见性。在真实世界的数据集上的实验表明，本发明不仅可以实现外观渲染，还能去除动态物体，同时训练和渲染速度都提升数十倍，评价指标也获得更好。本发明解决了NeRF数据要求严格和速度缓慢的问题，可以广泛应用于三维重建的相关应用之中。
-
公开(公告)号：CN118823258A
公开(公告)日：2024-10-22
申请号：CN202410898969.9
申请日：2024-07-05
Applicant: 桂林电子科技大学
IPC: G06T17/05 , G06T17/20 , G06T17/00 , G06V10/764
Abstract: 本发明公开了一种三维点云地图的高质量快速孔洞补全方法，对获取待补全孔洞的三维点云地图数据，在最佳拟合平面方向上进行Delaunay三角构网，反向投影生成对应的3Dmesh网格；基于3Dmesh网格面积大小，筛选超出阈值的三角网格，并计算得到该类网格的质心m；基于得到的网格质心m，对其近邻点云数据两次二分类，并将质心归属类点云数据二阶曲面拟合，得到拟合质心#imgabs0#作为插值点；基于得到拟合质心#imgabs1#采用多层动态质心拟合生成方法，循环对较大孔洞进行插点补全，得到无大孔洞的密集三维点云。提出的插点补全法和拟合补全法相结合的方案，使得在应用大孔洞场景三维点云地图中，能快速实现三维点云地图孔洞补全。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
