-
公开(公告)号：CN105608737B
公开(公告)日：2019-01-08
申请号：CN201610069095.1
申请日：2016-02-01
Applicant: 成都通甲优博科技有限责任公司
IPC: G06T17/00
Abstract: 本发明涉及三维建模技术，具体涉及一种基于机器学习的人体足部三维重建方法，属于计算机视觉技术应用领域。本发明公开了一种基于机器学习的人体足部三维重建方法，解决传统技术中接触式测量方案测量速度慢、精度低、操作麻烦，而非接触式测量方案虽然测量精度高，却依然操作繁琐、成本高的问题。该方法利用图像获取装置随机获取几个位置的足部图片，然后采用机器学习的方法，利用事先训练好的足部模型，获取足部的关键点，然后利用关键点驱动标准的足部三维模型进行逼近，最后通过迭代得到足部的三维模型，并可根据重建的三维模型计算得到足部的参数。
-
公开(公告)号：CN109147028A
公开(公告)日：2019-01-04
申请号：CN201810567215.X
申请日：2018-06-04
Applicant: 成都通甲优博科技有限责任公司
IPC: G06T17/00
CPC classification number: G06T17/00
Abstract: 本发明涉及计算机视觉技术领域，实施例具体公开一种包含尺度信息的人脸三维重建方法及系统。本发明提供的人脸三维重建方法及系统，通过获取目标人脸的N个三维特征点；获取目标人脸的目标人脸三维点云，从目标人脸三维点云中提取出目标人脸三维点云的N个三维特征点；再将目标人脸三维点云的N个三维特征点与目标人脸的N个三维特征点进行匹配，并调整目标人脸三维点云，获得最终目标人脸三维点云。解决了现有的三维重建方法不能重建具有尺度信息和表面信息的人脸三维模型的问题，获得了一个没有变形且拥有表面细节的人脸三维重建结果，实现了人脸三维模型更广阔的应用。
-
公开(公告)号：CN109146941A
公开(公告)日：2019-01-04
申请号：CN201810567481.2
申请日：2018-06-04
Applicant: 成都通甲优博科技有限责任公司
CPC classification number: G06T7/50 , G06T5/00 , G06T2207/10028 , G06T2207/20021
Abstract: 本发明涉及计算机视觉技术领域，实施例具体公开一种基于网格区域划分的深度图像优化方法及系统，通过获取目标物体的初始深度图像，将初始深度图像划分为若干个网格区域，对各个网格区域进行深度值优化获得优化后的深度图像，判断优化后的深度图像是否达到预设图像标准，若否，则将初始深度图像的各个网格区域再划分为若干个网格区域，再对各个网格区域进行深度值优化，通过反复的划分和优化直到优化后的深度图像达到预设图像标准，即获得目标物体的最终深度图像。解决了目前深度优化方法计算量大效率低的问题，实现了将目标物体的深度图像经过网格划分，由粗到精的进行优化计算，在计算时间与优化精度上都达到一种较好的平衡关系。
-
公开(公告)号：CN108986197A
公开(公告)日：2018-12-11
申请号：CN201711244255.2
申请日：2017-11-30
Applicant: 成都通甲优博科技有限责任公司
Abstract: 本发明涉及计算机视觉技术领域，提供一种3D骨架线构建方法及装置，首先，将摄像装置采集的原始图像输入预先训练好的卷积神经网络，得到2D骨架线；然后，利用标定数据对原始图像进行校正以去除畸变，并对校正后的第一图像和第二图像进行双目立体匹配，得到深度图；最后，将2D骨架线和深度图进行结合，渲染出3D骨架线，从而将骨架线的应用拓展到3D，从而进行体感交互游戏。与现有技术相比，本发明实施例利用的双目匹配方法，对设备的要求较低，成本低，具有良好的实用性。
-
公开(公告)号：CN108985148A
公开(公告)日：2018-12-11
申请号：CN201810553717.7
申请日：2018-05-31
Applicant: 成都通甲优博科技有限责任公司
Abstract: 本发明实施例提出一种手部关键点检测方法及装置，涉及计算机视觉技术领域。该方法及装置首先对一原始图像依次向下采样以获取图像金字塔，接着基于多个预建立的第一卷积神经网络以及图像金字塔获取手部位置区域，然后基于预建立的深度学习模型以及手部位置区域提取手部特征，以获取多通道特征图，接着基于预建立的第二卷积神经网络以及多通道特征图预测关键点以及防射场，最后对关键点以及防射场进行偶匹配以确定手部关键点位置；因此仅通过RGB图像便能确定手部关键点位置从而实现对手部姿态的估计；同时在通过第一卷积神经网络对图像金字塔进行多重筛选，从而在提高了对手部的检测精度的同时，还提高了检测效率。
-
Patent Agency Ranking
公开(公告)号：CN108981563A
公开(公告)日：2018-12-11
申请号：CN201711240628.9
申请日：2017-11-30
Applicant: 成都通甲优博科技有限责任公司
IPC: G01B11/00
Abstract: 本发明提供了一种体积测量方法、装置及系统，涉及测量技术领域。该方法包括：控制第一相机获得第一测量区内的货物表面的第一三维点云以及第二测量区内的货物表面的第二三维点云，控制第二相机获得第一测量区内的货物表面的第三三维点云以及第二测量区内的货物表面的第四三维点云，依据第一三维点云得到第一测量区内货物的第一体积，依据第二三维点云得到第二测量区内货物的第二体积，依据第三三维点云得到第一测量区内货物的第三体积，依据第四三维点云得到第二测量区内货物的第四体积；依据第一体积、第二体积、第三体积以及第四体积得到厢体内的货物的体积。本发明提供的体积测量方法、装置及系统能够快速、精确地测量厢体内的货物体积。
-
公开(公告)号：CN105739512B
公开(公告)日：2018-11-02
申请号：CN201610069220.9
申请日：2016-02-01
Applicant: 成都通甲优博科技有限责任公司
IPC: G05D1/08
Abstract: 本发明涉及无人机自动巡检系统及方法，属于计算机视觉、自动控制技术领域。其公开了一种无人机自动巡检系统及方法，解决传统技术中人工控制无人机巡检方案效率低下且易受操作员的主观影响，无法精确获得目标图像的问题。在本发明中巡检指挥控制中心在接收到自动巡检命令后，自动载入任务清单及巡检辅助信息生成自动巡检任务；无人机根据指控中心发送的待巡检位置的GPS坐标自动移动到待巡检位置并悬停；然后拍摄待检测目标图像并传送给指控中心，指控中心对图像里的目标进行检测识别，当识别到待检部件后输出到巡检数据管理模块进行分类存储。相对传统人工控制无人机巡检的方案，巡检效率更高，不受人为主观因素影响，可以获得精确的巡检目标图像。
-
公开(公告)号：CN107146292A
公开(公告)日：2017-09-08
申请号：CN201710290493.0
申请日：2017-04-28
Applicant: 成都通甲优博科技有限责任公司
CPC classification number: G07B15/06 , G06K9/6202
Abstract: 本申请公开了一种高速公路收费站车辆管理服务器，包括：第一信息获取模块，用于将通过入口收费站的车辆的特征信息保存至预设数据库；第二信息获取模块，用于当目标车辆到达出口收费站，则获取相应的目标特征信息；信息提取模块，用于从预设数据库中提取出与目标特征信息的匹配程度满足第一预设要求的特征信息；信息处理中心，用于确定提取出的特征信息与目标特征信息之间的匹配结果，然后将匹配结果发送至相应的出口收费站管理员终端。本申请提高了收费站过往车辆核对结果的准确率、核对效率并降低了人力成本。另外，本申请还相应公开了一种高速公路收费站车辆管理系统及方法。
-
公开(公告)号：CN106887023A
公开(公告)日：2017-06-23
申请号：CN201710092438.0
申请日：2017-02-21
Applicant: 成都通甲优博科技有限责任公司
IPC: G06T7/80
Abstract: 本发明公开了用于双目摄像机标定的标定板及双目摄像机标定方法，解决现有摄像机标定方法技术中存在的高精度标定参照物制作困难成本高、操作复杂繁琐、标定精度不够高等不足问题。用于双目摄像机标定的标定板，包括用于接收分辨率信息、并根据分辨率输出平面棋盘格图像驱动信息的电子设备终端机，还包括用于接收平面棋盘格图像驱动信息并显示平面棋盘格图像的显示器。
-
公开(公告)号：CN106781498A
公开(公告)日：2017-05-31
申请号：CN201710017391.1
申请日：2017-01-10
Applicant: 成都通甲优博科技有限责任公司
CPC classification number: G08G1/0125 , G08G1/0175 , G08G1/065
Abstract: 本发明涉及计算机视觉技术，其公开了一种高速公路的车流量统计方法，解决传统技术车流量统计方案对运动车辆提取不完整，影响车辆检测准确率的问题。该方法包括以下步骤：a.在公路监控区域车道两旁固定位置设置矩形检测带；b.采集公路监控区域的视频数据并进行预处理；c.利用高斯混合模型进行背景建模，从原始图像分离出背景像素；d.从图像中提取运动目标；e.从提取的运动目标中识别出车辆，并进行标记；f.对标记的车辆进行跟踪和统计，从而计算车流量。
-
-
-
-
-
-
-
-
-
Search Results
144
records
(took 0.065 seconds)
