-
-
公开(公告)号：CN108320280A
公开(公告)日：2018-07-24
申请号：CN201810040219.2
申请日：2018-01-16
Applicant: 南京理工大学
Abstract: 本发明提出了一种根据视觉清晰度的值与轮廓的宽度的变化从而判别该熔池图像所属异常类别的检测方法；本发明从图像视觉角度出发，结合清晰度以及轮廓提取的运算特性，先用清晰度算子进行初分类，再结合轮廓宽度对焊速进行再分类，在一定程度上减小了运算时间。且本发明所采用双光路视觉感知装置，有效的提高视觉轮廓和清晰度提取精度。
-
公开(公告)号：CN103714543A
公开(公告)日：2014-04-09
申请号：CN201310731236.8
申请日：2013-12-26
Applicant: 南京理工大学
IPC: G06T7/00
Abstract: 本发明提出一种基于不变矩空间信息的简单树动态规划的双目立体匹配方法。采用二阶矩构成的一阶不变矩将摄像机拍摄的双目灰度图像转换为不变矩空间图像；将每个视差的匹配差值矩阵构成的三维矩阵做为简单树动态规划算法中的初始视差矩阵；用简单树代价能量函数迭代计算水平树代价能量函数矩阵和垂直树的代价能量函数矩阵；代价能量函数值最小时所对应的视差即为精确视差，从而获得视差图。本发明有效改善了因光照不均或受其他噪声干扰的区域的视差图质量，使同一深度区域更加平滑，同时提高算法运算速度。
-
公开(公告)号：CN118096729B
公开(公告)日：2024-09-03
申请号：CN202410471587.8
申请日：2024-04-19
Applicant: 南京理工大学
IPC: G06T7/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于二维—深度信息融合的焊缝识别方法，包括步骤：利用焊缝识别系统对测量工件进行三维扫描，得到测量工件的三维点云；将点云图像转化为深度图像；对深度图像进行标注获得训练数据集；用训练数据集训练多模态分割模型，多模态分割模型包括深度图像处理模块、跨界整合模块CFM和可跨领域融合感知模块CISM；利用所述多模态分割模型对工件焊缝进行识别。本发明可以规避单一模态下焊缝识别带来的不稳定性，将图像中多模态的信息特征嵌入到端到端的RGB和深度图训练中提高焊缝识别准确率。
-
公开(公告)号：CN118247443A
公开(公告)日：2024-06-25
申请号：CN202410670474.0
申请日：2024-05-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于物面编码的高光谱三维协同成像方法，采用高光谱三维协同成像系统，高光谱三维协同成像系统包括投影器件、色散器件和图像采集器件，包括如下步骤：基于高光谱三维协同成像系统获取不同位置下标定器件的编码压缩数据；对编码压缩数据进行解码，得到系统的色散斜率K以及真实深度在像素空间中的线性映射；基于高光谱三维协同成像系统获取物体的4D编码压缩数据，解码过程中根据色散斜率K进行逆色散操作便可以得到物体的4D数据；通过剥离算法将4D数据进行数据剥离，得到物体的光谱三维数据。本发明基于物面编码光谱成像系统可以实现在无数据融合无相位求解下的高精度高分辨率的高光谱三维协同成像。
-
Patent Agency Ranking
公开(公告)号：CN117368208A
公开(公告)日：2024-01-09
申请号：CN202311344975.1
申请日：2023-10-18
Applicant: 南京理工大学
IPC: G01N21/88 , G01N21/95 , G06T7/00 , G06V10/40 , G06V10/766 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种二维三维协同的焊缝缺陷检测方法，包括如下步骤：一、利用线扫系统对焊缝进行扫描，得到焊缝的线激光二维图像并对二维图像进行编号，所述线扫系统包括单目相机和线激光器；二、对步骤一得到的二维图像进行二维预处理，利用二维图像的编号标记缺陷位置，得到有缺陷的二维图像；三、针对步骤二得到的有缺陷的二维图像进行三维重建，得到三维模型；四、采用基于曲率变化的区域生长与曲面拟合结合方法对步骤三得到三维模型进行三维缺陷检测。本发明的二维三维协同的焊缝缺陷检测方法在三维重建之前利用二维信息做二维预处理，极大地减少了三维检测模型大小，节省了大量时间，提高了检测效率，可以大大减少焊缝缺陷检测时间。采用基于曲率变化的区域生长与曲面拟合结合的方式，保证了提取到缺陷的完整性。
-
公开(公告)号：CN115609110B
公开(公告)日：2023-12-15
申请号：CN202211466237.X
申请日：2022-11-22
Applicant: 南京理工大学
Abstract: 本发明涉及一种基于多模融合的电弧复合增材熔深预测方法，属于图像处理技术领域。包括如下步骤：使用复合增材制造监测系统采集实验熔池正方可见光图像和侧方红外光图像，根据红外‑温度算法，将侧方红外光图像转换为温度场图像，和所述实验熔池正方可见光图像共同作为熔深预测模型的输入数据。获取熔覆层高度数据和不同材料分界线的高度数据，通过取两者差得到焊缝熔深数据。再构建基于深度学习与多模态的焊缝熔深回归模型。将实时采集的可见光图像和侧方熔池图像代入焊缝熔深回归模型得到熔深的高精度预测值。实现了复合增材制造中焊缝熔深的高精度预测。为复合增材制造过程中焊缝形态的在线监测提供了必要的策略。
-
公开(公告)号：CN116468764A
公开(公告)日：2023-07-21
申请号：CN202310732592.5
申请日：2023-06-20
Applicant: 南京理工大学
Abstract: 本发明涉及一种基于超点空间引导的多视图工业点云高精度配准系统，属于高精度点云数据处理技术领域。包括如下步骤：使用投影仪投射一组正弦条纹至目标物体上，触发单目相机捕获对应图像；对得到的图像利用相位算法分析，得到获取目标深度信息的绝对相位；结合得到的绝对相位和单目相机与投影仪的标定信息计算出目标点云。有效提升配准成功率并且提升配准精度，成功解决了现有的点云重建方法无法测量大工件点云的问题。此外，相比于激光跟踪仪等昂贵的扫描设备，本发明的系统以低成本实现高精度的多视图点云配准。这可以为其他3D工业视觉任务提供可靠的数据源并且拓展应用场景。
-
公开(公告)号：CN113962866B
公开(公告)日：2023-04-07
申请号：CN202111575701.4
申请日：2021-12-22
Applicant: 南京理工大学
IPC: G06T3/40 , G06T7/49 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于物理感知学习的散射成像目标重建方法，包括：基于散斑相关的物理先验信息，利用已知目标透过相同散射介质在固定目标和相机位置下的散斑数据进行数据增广和模型训练，而后通过训练好的学习网络对未知散射场景下未知目标位置和相机位置的散斑数据进行目标重建。本发明利用散斑相关在大景深范围下的比例关系进行数据增广，仅通过利用透过一块散射介质下固定目标位置和相机位置的散斑数据进行模型的训练，便可实现对未知散射场景下未知目标位置和相机位置下的复杂目标进行高保真准确重建，同时具有良好的鲁棒性。
-
公开(公告)号：CN115609110A
公开(公告)日：2023-01-17
申请号：CN202211466237.X
申请日：2022-11-22
Applicant: 南京理工大学
Abstract: 本发明涉及一种基于多模融合的电弧复合增材熔深预测方法，属于图像处理技术领域。包括如下步骤：使用复合增材制造监测系统采集实验熔池正方可见光图像和侧方红外光图像，根据红外‑温度算法，将侧方红外光图像转换为温度场图像，和所述实验熔池正方可见光图像共同作为熔深预测模型的输入数据。获取熔覆层高度数据和不同材料分界线的高度数据，通过取两者差得到焊缝熔深数据。再构建基于深度学习与多模态的焊缝熔深回归模型。将实时采集的可见光图像和侧方熔池图像代入焊缝熔深回归模型得到熔深的高精度预测值。实现了复合增材制造中焊缝熔深的高精度预测。为复合增材制造过程中焊缝形态的在线监测提供了必要的策略。
-
-
-
-
-
-
-
-
-
Search Results
127
records
(took 0.024 seconds)
