-
公开(公告)号：CN112785609B
公开(公告)日：2022-06-03
申请号：CN202110180002.3
申请日：2021-02-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的CBCT牙齿分割方法，属于计算机图形学领域。该方法包括：S1：利用对牙齿图像的先验知识对锥形束CBCT图像进行预处理，提取牙齿部分，得到感兴趣区域；S2：通过ResNet‑FPN网络对图像进行特征提取，得到特征图；S3：使用CBAM模型对特征图先后进行空间和通道维度的压缩，从而对特征图进行重要性编码；S4：使用RPN网络对特征图进行候选区域提取；S5：使用ROI Align根据预选框的位置坐标在特征图中将相应区域池化为固定尺寸的特征图；S6：对候选区域进行分类、分割、包围框回归以及分割评分。本发明简化了分割步骤，提高了CBCT影像中牙齿分割精确性。
-
公开(公告)号：CN114549790A
公开(公告)日：2022-05-27
申请号：CN202210206686.4
申请日：2022-03-03
Applicant: 重庆邮电大学
IPC: G06T17/20
Abstract: 本发明涉及一种基于法向滤波的四边形网格生成方法，属于计算机图形学领域。该方法包括如下步骤：S1：输入一个三角形网格模型；S2：利用贪婪的方法对输入的3D模型进行细分预处理，得到一个分辨率较高的模型并将其作为新的初始模型；S3：在新的初始模型上计算滤波法向场，并归一化；S4：结合滤波法向场构建比较平滑的4‑Rosy方向场；S5：根据得到的方向场移动顶点位置，进行参数化，生成平滑的位置场；S6：对得到的参数化进行四边形网格提取，从而生成四边形网格；S7：将生成的四边形网格进行拓扑优化后处理，得到最终的四边形网格。本发明能够在保留更多源模型信息的情况下，消除掉较多的奇异点，同时降低计算复杂度的方法。
-
公开(公告)号：CN111274909B
公开(公告)日：2022-05-20
申请号：CN202010048599.1
申请日：2020-01-16
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V10/762 , G06V10/778 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于深度学习的人体点云骨架提取方法，属于计算机图形学领域。该方法为：首先使用PointCNN学习人体点云中每个表面点的特征用于判断该点是否为歧义点，并将歧义点剔除，得到感兴趣点云；使用PointCNN学习感兴趣点云中的每个表面点的特征，用于人体部位分割以及预测每点到对应关节点的偏移向量，将部位分割结果与偏移向量预测结果结合，将感兴趣点云转化为关节点预测值集合；剔除关节点预测值集合中的低质量预测，然后对预测点使用DBSCAN聚类方法，得到每个部位关节点坐标预测值，根据关节点的语义信息，将所有关节点连接为3D人体骨架；最后利用人体结构的先验知识，检查并修复骨架中的错误。
-
-
公开(公告)号：CN112860783A
公开(公告)日：2021-05-28
申请号：CN202110187995.7
申请日：2021-02-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种平行坐标图的密度失真与重影簇的反走样方法，属于数据可视化应用技术领域。该方法包括以下步骤：S1：在像素屏幕空间来研究不同的视觉结构，将数据值映射为像素坐标，并定义一维轴直方图和二维轴对直方图；S2：计算像素空间形式化过度绘图的程度以及其他已有度量指标；S3：计算平行坐标图不同轴对的组合矩阵，以及其对应的所有度量指标加权平均后的值形成cost矩阵，以最佳轴对序列对平行坐标图进行维度重排，并基于斜率渲染折线得到改进后的平行坐标图。本发明有利于在基于斜率渲染折线的基础上减少平行坐标图密度失真与重影簇现象的出现，并有效地提高用户对数据中类簇的识别。
-
Patent Agency Ranking
公开(公告)号：CN112785609A
公开(公告)日：2021-05-11
申请号：CN202110180002.3
申请日：2021-02-07
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的CBCT牙齿分割方法，属于计算机图形学领域。该方法包括：S1：利用对牙齿图像的先验知识对锥形束CBCT图像进行预处理，提取牙齿部分，得到感兴趣区域；S2：通过ResNet‑FPN网络对图像进行特征提取，得到特征图；S3：使用CBAM模型对特征图先后进行空间和通道维度的压缩，从而对特征图进行重要性编码；S4：使用RPN网络对特征图进行候选区域提取；S5：使用ROI Align根据预选框的位置坐标在特征图中将相应区域池化为固定尺寸的特征图；S6：对候选区域进行分类、分割、包围框回归以及分割评分。本发明简化了分割步骤，提高了CBCT影像中牙齿分割精确性。
-
公开(公告)号：CN111274909A
公开(公告)日：2020-06-12
申请号：CN202010048599.1
申请日：2020-01-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的人体点云骨架提取方法，属于计算机图形学领域。该方法为：首先使用PointCNN学习人体点云中每个表面点的特征用于判断该点是否为歧义点，并将歧义点剔除，得到感兴趣点云；使用PointCNN学习感兴趣点云中的每个表面点的特征，用于人体部位分割以及预测每点到对应关节点的偏移向量，将部位分割结果与偏移向量预测结果结合，将感兴趣点云转化为关节点预测值集合；剔除关节点预测值集合中的低质量预测，然后对预测点使用DBSCAN聚类方法，得到每个部位关节点坐标预测值，根据关节点的语义信息，将所有关节点连接为3D人体骨架；最后利用人体结构的先验知识，检查并修复骨架中的错误。
-
公开(公告)号：CN108364344A
公开(公告)日：2018-08-03
申请号：CN201810130582.3
申请日：2018-02-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于回环测试的单目实时三维重建方法，属于三维重建技术领域。该方法为：基于图像特征点匹配理论，从指定场景的图像序列中进行两两匹配，得到图像匹配点对，求解本质矩阵，再利用奇异值分解理论获取初始位姿。利用初始位姿或上一帧位姿，通过追踪位姿模型得到估计位姿，判断当前帧是否为关键帧；再利用随机蕨算法计算当前帧与关键帧的相似度，若相似度达到阈值则被视为形成回环；若形成回环，则利用关键帧的位姿优化当前位姿；利用以上获得的位姿得到点云，并融入TSDF全局模型中；采用光线投影算法将表面可视化。本发明使得获取的位姿准确度高，并且消除了三维重建过程中的累积误差问题，实时重建结果具有较高的准确度。
-
公开(公告)号：CN108280858A
公开(公告)日：2018-07-13
申请号：CN201810085740.8
申请日：2018-01-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种多视图重建中的一种线性全局相机运动参数估计方法，属于多视图几何和三维重建技术领域，包含如下步骤：S1：输入多张图像，对固定场景的多张图像进行两两匹配；S2：采用基于多视图几何的理论和全局优化方法将所有相机放在同一坐标系下进行优化；S3：计算出所有相机的绝对旋转；S4：利用相机的绝对旋转和点匹配，根据多视图几何中极线几何约束关系计算出相机的绝对平移向量。本发明方法能够处理大场景的重建应用，同时噪声的影响较小，计算简单，不需要额外的其他信息，极大提高了运动参数的精度。
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.025 seconds)
