-
公开(公告)号：CN115375874A
公开(公告)日：2022-11-22
申请号：CN202210634992.8
申请日：2022-06-07
Applicant: 华北电力大学
Abstract: 本发明公开了一种工件点云的尖锐特征表面重建方法，其包括：步骤1：在点云平滑区域选择三个满足条件的点构成种子三角面片；步骤2：根据点云中点的法线方向分布的不同来实现平滑区域和尖锐特征区域的识别；步骤3：以种子三角形为基础，在不同的区域采取不同的策略步骤进行三角面片的扩张；步骤4：遍历步骤3过程中标记的边界边，在相邻的边界边之间重建三角面片以完成孔洞修补。
-
公开(公告)号：CN115035269A
公开(公告)日：2022-09-09
申请号：CN202210630263.5
申请日：2022-06-06
Applicant: 华北电力大学
Abstract: 本发明公开了属于服装动画技术领域的基于变分自编码器的三维服装变形预测方法。包括：步骤1：通过物理模拟方式将不同种类的服装样板穿着到不同体型不同姿态的人体模型上，构造多体型多姿态下的服装变形实例；步骤2：借助变分自编码器网络提取人体姿态在隐空间上的特征表示并学习该特征在隐空间上的概率分布，进而回归人体姿态特征与服装形变特征间的数学映射关系，求解出服装形变；步骤3：在步骤2的基础上引入约束条件对生成服装变形效果进一步约束，使得编码器网络学习到的隐空间概率分布变为条件概率分布，最终利用解码器网络学习条件约束下的人体姿态特征与服装形变特征间的数学映射关系，求解出服装形变；步骤4：基于步骤2和步骤3构建的服装变形预测模型，改变输入数据的种类，可生成满足姿态、体型、时序等多种约束的服装变形效果；步骤5：对步骤4的变形预测结果进行穿透修正后处理，消除穿透区域。
-
公开(公告)号：CN114898070A
公开(公告)日：2022-08-12
申请号：CN202210630688.6
申请日：2022-06-06
Applicant: 华北电力大学
Abstract: 本发明公开了一种三维鱼体姿态建模方法，所述方法，包括：步骤1：获取真实三维鱼体姿态数据；步骤2：基于真实鱼体姿态数据定义鱼体模板和鱼体骨架模型，并将鱼体模板进行按照鱼体骨架关节划分成几个分块，同时对扫描实例做预处理；步骤3：使用鱼体姿态建模方法对鱼体姿态数据集进行参数化建模，训练实例数据，优化得到姿态变形所需要的参数；步骤4：输入高层语义参数，能够对鱼体姿态进行预测生成不同姿态的网格数据，为三维鱼体姿态数据集的构建提供了一种可行的方法。
-
公开(公告)号：CN112906797A
公开(公告)日：2021-06-04
申请号：CN202110207871.0
申请日：2021-02-25
Applicant: 华北电力大学
Abstract: 本发明属于公开了机械臂抓取计算领域的一种基于计算机视觉和深度学习的平面抓取检测方法，其步骤包括：收集或自制抓取数据集，并进行特定的数据增强；利用深度补全算法补全深度图信息，并对数据集进行深度信息融合、统一裁剪以及训练验证划分；根据训练得到的抓取检测模型，利用真实图像数据作为网络输入，抓取质量分数及抓取框五维表示作为输出，采用反向传播算法和基于标准梯度的优化算法，通过排序优化转换为抓取框四个顶点信息，实现可视化，最终映射到真实世界坐标。使得检测得到的抓取框与真实值差异最小化；本发明解决了经验抓取检测方法为实现泛化性而很难满足精准性的问题；解决了抓取检测方法在真实场景中难以保证实时性的问题。
-
公开(公告)号：CN110361778B
公开(公告)日：2020-10-13
申请号：CN201910599289.6
申请日：2019-07-04
Applicant: 华北电力大学
Abstract: 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于生成对抗网络的地震数据重建方法，包括：使用被裁减成统一大小的地震切片数据作为训练集；采用深度卷积生成对抗网络对训练集进行训练，并采用Wasserstein距离来作为地震数据生成模型的训练评判指标；采用地震数据生成模型对地震数据进行重建，采用反向传播算法和基于标准梯度的优化算法来优化目标函数的梯度，使得重建数据与缺失数据的差值最小化。本发明的有益效果：解决了传统地震数据重建算法需要满足Nyquist采样定理限制的问题；解决了使用压缩感知算法重建地震数据稀疏基难以选择的问题；解决了压缩感知算法以及传统重建算法在极低采样率情况下重建效果不好的问题。
-
Patent Agency Ranking
公开(公告)号：CN110361778A
公开(公告)日：2019-10-22
申请号：CN201910599289.6
申请日：2019-07-04
Applicant: 华北电力大学
Abstract: 本发明属于油田地震大数据重建技术领域，尤其涉及一种基于生成对抗网络的地震数据重建方法，包括：使用被裁减成统一大小的地震切片数据作为训练集；采用深度卷积生成对抗网络对训练集进行训练，并采用Wasserstein距离来作为地震数据生成模型的训练评判指标；采用地震数据生成模型对地震数据进行重建，采用反向传播算法和基于标准梯度的优化算法来优化目标函数的梯度，使得重建数据与缺失数据的差值最小化。本发明的有益效果：解决了传统地震数据重建算法需要满足Nyquist采样定理限制的问题；解决了使用压缩感知算法重建地震数据稀疏基难以选择的问题；解决了压缩感知算法以及传统重建算法在极低采样率情况下重建效果不好的问题。
-
公开(公告)号：CN112906797B
公开(公告)日：2024-01-12
申请号：CN202110207871.0
申请日：2021-02-25
Applicant: 华北电力大学
IPC: G06F30/27
Abstract: 本发明属于公开了机械臂抓取计算领域的一种基于计算机视觉和深度学习的平面抓取检测方法，其步骤包括：收集或自制抓取数据集，并进行特定的数据增强；利用深度补全算法补全深度图信息，并对数据集进行深度信息融合、统一裁剪以及训练验证划分；根据训练得到的抓取检测模型，利用真实图像数据作为网络输入，抓取质量分数及抓取框五维表示作为输出，采用反向传播算法和基于标准梯度的优化算法，通过排序优化转换为抓取框四个顶点信息，实现可视化，最终映射到真实世界坐标。使得检测得到的抓取框与真实值差异最小化；本发明解决了经验抓取检测方法为实现泛化性而很难满足精准性的问题；解决了抓取检测方法在真实场景中难以保证实时性的问题。
-
公开(公告)号：CN116912173A
公开(公告)日：2023-10-20
申请号：CN202310703954.8
申请日：2023-06-14
Applicant: 华北电力大学
IPC: G06T7/00 , G06T3/40 , G06T3/00 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/774 , G06N3/088 , G06N3/0464
Abstract: 本发明公开了一种基于无监督异常检测的产品表观缺陷检测方法，所述方法，包括：步骤1：收集整理正常样本集并对其进行预处理和对齐，通过预训练的卷积神经网络获取正常样本图像特征信息，从而构建起源特征空间；步骤2：从所述源特征空间中提取图像特征，经由自适应存储库压缩存储数据表征，使得图像背景复杂性的影响降低；步骤3：通过特征映射网络将样本特征从所述源特征空间重新映射到新的目标特征空间，其中映射过程受存储库中的压缩后特征影响；步骤4：将所述目标特征空间中的样本特征与存储库中的压缩特征进行高维判别，得到待测样本图像中可能出现的异常区域的异常位置和异常程度，从而实现无监督环境下对工业产品图像的缺陷检测，同时能够滤除复杂产品图像的背景干扰。
-
公开(公告)号：CN116777992A
公开(公告)日：2023-09-19
申请号：CN202310689334.3
申请日：2023-06-12
Applicant: 华北电力大学
IPC: G06T7/73 , G06T5/00 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了属于计算机视觉点云处理领域一种未知噪音环境无序堆叠工件位姿估计方法，该方法包括如下步骤：步骤1：对IPA数据集进行扩展，加入泊松、高斯和高斯混合噪声，构建带噪声点云数据集(noise‑IPA‑binpicking)；步骤2：搭建噪声去除网络模型；步骤3：搭建位姿估计网络模型；步骤4：对噪声去除网络和位姿估计网络进行训练，获得训练后的噪声去除网络和位姿估计网络；步骤5：利用测试集进行模型验证，得到未知噪声位姿估计结果。
-
公开(公告)号：CN116740250A
公开(公告)日：2023-09-12
申请号：CN202310689408.3
申请日：2023-06-12
Applicant: 华北电力大学
Abstract: 本发明公开了一种带高光处理的纹理映射方法，该方法包括如下步骤：步骤1：输入网格与图像序列，对输入图像进行筛选，提取出一个子序列作为映射候选图；步骤2：为每个模型面选择合适的纹理图，避免模糊和重影；步骤3：对映射使用的相机位姿进行调整；步骤4：对高光纹理区域进行处理，改善其影响；步骤5：调整纹理图颜色，获取到最终的带纹理模型。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
