-
公开(公告)号：CN112767462A
公开(公告)日：2021-05-07
申请号：CN202110016951.8
申请日：2021-01-07
Applicant: 南京邮电大学
Abstract: 本发明公开了基于脊谷特征与深度特征描述符的点云单点对齐方法，包括：步骤S1、对点云进行特征提取，得到脊谷特征点；步骤S2、构建局部坐标系；步骤S3、在局部坐标系上划分网格，生成规则网格数据；步骤S4、构建轻量化网络PFNet；步骤S5、将规则网格数据PFNet中生成特征描述符，再利用KD树搜索特征描述符，得到匹配点对；步骤S6、利用匹配点对的局部坐标系映射生成候选解；步骤S7、利用RANSAC算法对步骤S6得到的候选解进行过滤。本发明实现了依靠单一特征点的数据对齐，能够在缺乏复杂特征的点云下取得良好的对齐效果，并对噪声、离群点、非均匀采样等具有很强的鲁棒性。
-
公开(公告)号：CN112488127A
公开(公告)日：2021-03-12
申请号：CN202011447817.5
申请日：2020-12-09
Applicant: 南京邮电大学
Abstract: 本发明提出了基于层次B样条的多尺度点云特征点检测与匹配，包括以下步骤：构建一种曲面变化度量指标；根据曲面变化度量指标将点云分为潜在和非潜在特征点两类，并根据非潜在特征点估算点云噪声水平；采用层次B样条算法对潜在特征点进行拟合；在拟合过程中记录曲面变化信息形成曲率尺度空间，构建稳定局部坐标系的显著特征点；根据层次B样条控制点分布信息以及控制点间曲率大小构建二进制特征描述符；根据描述符相似性，依靠特征点的拓扑关系在模型点云中搜索对应特征点，实现特征点匹配。本发明能够在有噪声和非均匀采样条件下，提高特征点采样的准确性和重复性，并且二进制特征描述符相较于已有的特征描述符有更高的区分度和匹配成功率。
-
公开(公告)号：CN105043250A
公开(公告)日：2015-11-11
申请号：CN201510289607.0
申请日：2015-05-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于至少两个公共标记点的双视角数据对齐方法，其步骤包括：重建相邻视角下标记点中心位置和法向量信息，基于重建的公共标记点中心位置和法向量信息计算相邻视角的旋转平移关系。相对于传统的仅依赖标记点中心位置的数据对齐方法，本发明所述方法能够充分利用标记点提供的信息，仅需在相邻视角中看到2个公共标记点即能实现可靠的数据对齐，减少了需要粘贴在物体表面的标记点数量和标记点对被测量物体的遮盖。本发明易于实施、结果可靠，可应用在一切采用标记点辅助对齐不同视角测量数据的领域。
-
公开(公告)号：CN116597158A
公开(公告)日：2023-08-15
申请号：CN202310214440.6
申请日：2023-03-07
Applicant: 南京邮电大学
IPC: G06V10/42 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于自注意力机制的点云特征点提取方法及系统，该方法包括获取点云模型的点云切片；将所述点云切片输入至神经网络中，获得多通道的特征邻域；将所述多通道的特征邻域进行MLP计算，并将计算结果进行自注意力机制计算，获得全局特征；将全局特征依次进行最大池化计算、MLP计算及FNN计算，获取点云切片中心点为特征点的概率。本发明通过点云切片获取多通道的特征邻域，多通道的特征邻域除点云的空间位置信息外，还包括欧氏距离信息及中心点邻域信息，获得了更多的语义信息，结合自注意力机制计算并经过后处理，降低了输出的维度，减少了后续特征映射的计算量；可方便高效的获取特征点。
-
Patent Agency Ranking
公开(公告)号：CN108596947B
公开(公告)日：2021-09-17
申请号：CN201810258190.5
申请日：2018-03-27
Applicant: 南京邮电大学
IPC: G06T7/223 , H04N7/18 , H04N13/204 , H04N13/257
Abstract: 本发明公开了一种适用于RGB‑D相机的快速目标跟踪方法，属于视频分析及三维点云处理领域。该方法是在传统模板匹配的基础上，利用RGB‑D得到的深度信息，将模板匹配得到的二维响应图投影到三维空间，得到三维响应图，通过Parzen窗口方法搜索三维响应图的局部极大值，从而确定物体在三维空间中的位置，而得到的三维位置又能为下一时刻的模板匹配提供精确的尺度信息，从而得到更为准确的跟踪结果。本发明能够用于视频监控、增强现实、机器人视觉导航等领域中，实现对目标实时、准确的追踪。
-
公开(公告)号：CN112561977A
公开(公告)日：2021-03-26
申请号：CN202011471186.0
申请日：2020-12-14
Applicant: 南京邮电大学
Abstract: 本发明提出了基于深度特征分类与邻域优化的点云尖锐特征法向量估算方法，包括：生成锥形点云数据；对锥形点云数据进行随机采样生成样本点；对样本点的邻域数据进行姿态调整；对调整后的邻域数据进行Hough投影生成灰度图像从而构造样本特征；将连续的标准法向量离散化后映射成类别从而构造样本标签；构建轻量化特征映射网络SharpNet；用得到的样本特征和类别标签训练SharpNet；根据网络输出的离散类别计算出初始法向量；通过阈值设置，筛选邻域点，并使用筛选后的邻域点对初始法向量进行修正。本发明能够实现尖锐特征法向量的准确估算，且对噪声和离群点具有很强的鲁棒性，与已有的深度学习方法相比具有明显的效率优势。
-
公开(公告)号：CN108830274A
公开(公告)日：2018-11-16
申请号：CN201810418202.6
申请日：2018-05-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种复杂背景环境下车牌字符自动检测定位及识别方法，包括以下步骤：步骤一：采集车辆正面彩色图像，对所采集的彩色图像进行预处理，并根据车牌国标规定选择筛选条件，判断是否有满足筛选条件的图像区域，如有满足的图像区域，则初步获得车牌初始区域图像的粗位置并将图像单独保存；否则采集下一帧彩色图像重新进行预处理；步骤二：完成车牌区域的精确定位，并进行车牌区域单个字符的准确切分；步骤三：计算目标字符的特征向量与建立的标准字符特征向量库的特征向量之间的相似度，利用相似度判别方法完成车牌字符的识别，并进行目标牌照比对判定。本发明具有运算速度快、识别率高、抗背景环境干扰能力强的优点。
-
公开(公告)号：CN105551015A
公开(公告)日：2016-05-04
申请号：CN201510869611.4
申请日：2015-12-02
Applicant: 南京邮电大学
IPC: G06T7/00
CPC classification number: G06T2200/04
Abstract: 本发明公开一种散乱点云图像配准方法，包括获取图形中点云数据的位置和法向量；通过基于曲面变化度的局部离群系数过滤点云数据；初始化粒子的位置和速度，并将旋转参数和平移参数分别转换为矩阵；构造适应度函数，求出适应度函数值；最后使得参考点集到新的目标点集的最短距离的目标函数值小于阈值τ。通过整体寻优，为ICP找到最佳的初始位置，避免了ICP陷入局部最优，有效的提高了ICP算法的准确性。
-
公开(公告)号：CN105091782A
公开(公告)日：2015-11-25
申请号：CN201510289683.1
申请日：2015-05-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双目视觉的多线激光器光平面标定方法，其步骤包括：将多线激光器投射到具有圆形标记点的平面标靶上，并保证每条激光线分布在不同的标记点列间隔中；处理左右目相机拍摄的标靶图像得到标记点中心像素的立体匹配，然后提取和分离不同条激光线的激光像素点；利用双目视觉原理求取标记圆中心三维坐标进而得到标靶平面方程；以标靶平面方程为约束求取激光像素点的三维坐标；移动标靶位置并重复以上步骤至少1次，得到不同位置下各光平面上的三维点坐标；对每个光平面上多个位置数据点进行拟合得到光平面方程。本发明易于实施、线性求解、结果可靠，可应用在一切采用多线结构光进行三维测量的领域。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
