-
公开(公告)号：CN111612731A
公开(公告)日：2020-09-01
申请号：CN202010249788.5
申请日：2020-04-01
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本申请公开了一种基于双目显微视觉的测量方法、装置、系统及介质，该方法包括获取双目显微视觉系统中经相机标定后的左右相机对应的初始左右图像；基于对极几何约束关系，进行图像校正得到左右图像；对左右图像进行下采样，对所得的左采样图像集中最小分辨率对应层的采样图像中的像素点进行立体匹配以及匹配点传播，并进行逐层采样和立体匹配更新以及插值处理，得到稠密视差结果；之后根据相机参数和稠密视差结果对待测对象进行测量。本申请实施例解决现有技术中宏观尺度下的测量方法等对微观尺度的不适用性和准确性低的问题，所提供的测量方法非常适用于显微场景下的双目测量，能够获得良好的准确性和显微测量精度。
-
公开(公告)号：CN111402309A
公开(公告)日：2020-07-10
申请号：CN202010149137.9
申请日：2020-03-05
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种多目立体相机的校准及深度图像处理方法，包括：在多目相机设备中选取基准相机和待修正相机，并获取相应的基准相机图像和对待修正相机图像；根据所述基准相机图像和对待修正相机图像对所述待修正相机的内参量和外参量进行优化；得到最终的深度图像。本发明的方法利用匹配特征的深度计算结果实现对相机参量的优化，使多个深度图像的交界部分过渡平滑，可以根据优化的参量对未重合部分的深度图像进行进一步的精化调整，并且通过不同双目间的相互约束，保证最终深度结果一致性与稳定性。
-
公开(公告)号：CN111161314A
公开(公告)日：2020-05-15
申请号：CN201911298738.X
申请日：2019-12-17
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本申请涉及目标对象的位置区域确定方法、装置、电子设备及存储介质，该方法通过获取图像序列；获取目标对象在图像序列的当前帧图像中的当前位置区域，并基于当前位置区域确定搜索区域；从当前位置区域确定第一特征信息；第一特征信息包括当前位置区域的语义信息；从搜索区域确定第二特征信息；第二特征信息包括搜索区域的语义信息；基于第一特征信息和第二特征信息确定相似程度值集合；从相似程度值集合确定目标相似程度值；基于目标相似程度值和当前位置区域的尺寸确定目标对象在下一帧图像中的位置区域。如此，通过学习到更高级的语义信息，可以提高对目标对象位置区域跟踪确定的准确度，可以提高目标对象的跟踪精度和鲁棒性。
-
公开(公告)号：CN106651836B
公开(公告)日：2019-10-22
申请号：CN201610964432.3
申请日：2016-11-04
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于双目视觉的地平面检测方法，包括以下步骤：获取双目图像采集设备采集的左右目原始图像；对左右目原始图像进行预处理，利用立体匹配技术获得稠密视差图；利用特征算子在稠密视差图上进行运算，得到特征图；对特征图进行分割，将其分割成多个区域块；对每个区域块进行二类分类，判断此区域是否属于地平面区域；对地平面区域进行后处理，剔除不符合条件的连通域，确定最终地平面区域。本发明适用于不同地平面环境下的地平面检测，能有效应对不平坦路面的检测问题，且可以精准处理地平面与障碍物边界。
-
公开(公告)号：CN109579840A
公开(公告)日：2019-04-05
申请号：CN201811250049.7
申请日：2018-10-25
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种点线特征融合的紧耦合双目视觉惯性SLAM方法，包括以下步骤：确定相机坐标系与惯性传感器坐标系的变换关系；建立点线特征加IMU跟踪线程，求解初始的立体点线三维坐标，在IMU初始化后，使用IMU预测特征点线的位置，建立正确特征数据关联，结合IMU和点线特征重投影误差项，求解连续帧的位姿变换；建立点线特征加IMU局部光束法平差线程，在局部关键帧窗口中优化点线三维坐标，关键帧位姿以及IMU的状态量；建立点线特征回环检测线程，使用点线特征加权计算词袋模型的得分来检测回环，并进行全局状态量的优化。本发明能够在特征点数目较少以及相机快速运动情况下保证稳定和高精度。
-
Patent Agency Ranking
公开(公告)号：CN116309698B
公开(公告)日：2024-06-11
申请号：CN202310038906.1
申请日：2023-01-11
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06T7/246 , G06T5/00 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于运动特征弥补引导的多帧光流估计方法，包括以下步骤：提取至少连续两帧的输入图像的图像特征；基于相邻两帧的输入图像的图像特征，采用运动编码器得到初始运动特征；将初始运动特征和历史集成特征输入至MFC单元，所述MFC单元通过交叉注意力得到增强运动特征，并与初始运动特征合并得到集成特征；将所述集成特征输入至迭代模块进行迭代计算，得到最终光流。本发明可以大大改进光流估计在遮挡区域的性能。
-
公开(公告)号：CN112966584B
公开(公告)日：2024-04-19
申请号：CN202110223264.3
申请日：2021-02-26
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06V10/82 , G06V10/44 , G06V10/774 , G06V40/20 , G06T7/269 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及一种运动感知模型的训练方法、装置、电子设备及存储介质，包括获取训练图像组集合和每一训练图像组对应的标签光流信息，对每一训练图像组进行特征提取处理，确定多个目标特征图集，从每一目标特征图集中，确定每一训练图像组对应的预测光流信息，根据标签光流信息和预测光流信息，确定每一目标特征图集对应的损失信息，基于每一目标特征图集对应的损失信息对当前机器学习模型的参数进行调整，当对当前机器学习模型的参数进行调整的次数大于预设阈值时，将当前机器学习模型确定为运动感知模型，将损失信息对应的模型参数确定为运动感知模型的参数。本申请可以监督中间的特征层的采样所得到感知信息，提高模型输出的运动状态的精确性。
-
公开(公告)号：CN116681759B
公开(公告)日：2024-02-23
申请号：CN202310419746.5
申请日：2023-04-19
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于自监督视觉惯性里程计的相机位姿估计方法，包括：获取多帧图像以及每两帧图像之间的IMU数据；将所述多帧图像和IMU数据输入至网络模型中，得到位姿变换信息和深度信息；其中，所述网络模型基于视惯融合里程计网络构建，在所述视惯融合里程计网络的IMU网络模块前增加基于自注意力机制尺度恢复模块；所述自注意力机制尺度恢复模块用于估计尺度信息。本发明能够提高里程计的准确性。
-
公开(公告)号：CN114882091B
公开(公告)日：2024-02-13
申请号：CN202210476348.2
申请日：2022-04-29
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 分类模块用于进行深度边缘语义分类预测；所述本发明涉及一种结合语义边缘的深度估计 语义边缘检测模块用于输出图像的语义边缘分方法，包括：获取待深度估计的图像；将所述图像 类预测。本发明能够提高准确度。输入至训练好的深度学习网络中得到深度预测图和语义边缘预测图；所述深度学习网络包括：共享特征提取模块、深度估计模块、边缘增强权重模块、深度边缘语义分类模块和语义边缘检测模块；所述共享特征提取模块用于提取所述图像中的特征信息，并传输给所述深度估计模块和语义边缘检测模块；所述深度估计模块通过所述语义边缘检测模块输出的语义边缘引导视差平滑，并通过图像双重构的方式进行深度估计；所述边缘增强权重模块基于所述深度估计模块输出的(56)对比文件Jing Liu 等.CollaborativeDeconvolutional Neural Networks for JointDepth Estimation and SemanticSegmentation《.IEEE TRANSACTIONS ON NEURALNETWORKS AND LEARNING SYSTEMS》.2018,第第29卷卷(第第11期期),5655-5666.
-
公开(公告)号：CN117523249A
公开(公告)日：2024-02-06
申请号：CN202210903222.9
申请日：2022-07-28
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/084 , G06N3/0464
Abstract: 本申请涉及计算机技术领域，提供了一种目标检测方法、装置、电子设备及存储介质，将待处理图像输入至目标检测模型的目标基础特征提取网络得到目标基础特征图；将目标基础特征图输入至目标检测模型的目标定位分支网络得到目标位置信息；将目标基础特征图输入至目标检测模型的目标层级分类分支网络得到每个分类层级对应的目标分类特征图；针对每个分类层级对应的目标分类分支网络，将分类层级对应的目标分类特征图与下级分类层级对应的目标分类特征图进行融合处理，基于融合后的融合目标分类特征图预测分类层级对应的目标分类信息。本申请可以同时满足不同粒度要求的目标检测，可以提高粗粒度的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.061 seconds)
