-
公开(公告)号：CN117876562A
公开(公告)日：2024-04-12
申请号：CN202410086085.3
申请日：2024-01-22
Applicant: 东北大学
Abstract: 传感器技术的最新进展已经引入了低成本的RGB视频加深度传感器，可以同时以视频速率获取颜色和深度图像。很多研究人员提出了使用消费级RGBD相机，例如Kinect，对三维重建的模型进行纹理映射的方法。但是现有的纹理映射算法大多针对郎伯模型。本发明是一种针对非郎伯表面的纹理优化框架，充分利用深度信息，并使用合成图像重建模型的表面纹理。具体的贡献有：1)利用深度信息扩展了现有的相机位姿优化策略，提高了在无纹理区域的准确性；2)使用联合颜色直方图来协调关键帧之间的颜色不一致，避免了高光像素对重建纹理的负面影响；3)提出了基于双向相似度函数的BDS‑G纹理合成方法，结合深度数据使纹理边缘对齐。这种方法允许任意视角的输入，并且为输入RGB图像中的高光区域重新合成真实纹理。我们在多个多视图立体数据集上进行了大量的实验，实验结果表明了本发明方法的有效性。
-
公开(公告)号：CN118735995A
公开(公告)日：2024-10-01
申请号：CN202310322589.6
申请日：2023-03-29
Applicant: 东北大学
Abstract: 本发明的一种基于深度ISS‑PPF算法的工业零部件姿态评估方法是将改进的深度本征形状签名和点对特征算法相结合的一种新的位姿估计方法，进行不同遮挡的工业零部件实际位姿的评估。结合深度本征形状签名在初始点云中检测筛选具有区分能力的若干稀疏关键点，并根据参数半径和阈值的不同设置相应关键点的关键值，然后写入最后建立的全局模特描述中。对基于点对特征的PPF算法进行改进，加入了欧式聚类分割的方法保证场景点云所筛选的参考点一定有足够数量是来自于目标物体表面的，改进后续的位姿投票方案，保证不同距离的匹配点对和不同特征度的匹配点对的投票权重应该是有梯度的，这样在区分细长曲面物体时会有更好的匹配能力，优化查找模型点云的最优局部坐标的步骤。本发明方法解决了其他传统位姿估计方法对于遮挡工业零部件位姿评估不够准确的问题。
-
公开(公告)号：CN119540351A
公开(公告)日：2025-02-28
申请号：CN202411597485.7
申请日：2024-11-08
Applicant: 东北大学
IPC: G06T7/73 , G06V10/82 , G06V10/25 , G06V10/762
Abstract: 本发明的一种真实环境下基于消费级深度相机的目标位姿估计方法与其他依赖高精度数据集的位姿估计方法不同，其可以应用于低成本的RGB‑D传感器。该方法由两个阶段组成：第一阶段，我们使用YOLO网络得到的最小包围框从场景中提取目标点云，然后使用欧式聚类分割方法得到纯净的目标点云，以及使用MLS平滑以获得优化的表面点云。在第二阶段，我们从表面点云均匀采样，模型点云中提取ISS特征点，并选择3DSC描述符作为特征描述符，然后引入异构空间向量的RANSAC算法进行粗对准，并使用ICP算法优化精对准以实现精确快速的位姿估计。本发明方法解决了传统的方法在特征点丢失以及深度学习方法上数据集难制作以及算力要求高等问题。
-
公开(公告)号：CN119963794A
公开(公告)日：2025-05-09
申请号：CN202510053694.3
申请日：2025-01-13
Applicant: 东北大学
IPC: G06V10/22 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明的一种基于轻量化Yolov8的6‑Dof姿态估计方法，为使6‑Dof姿态估计任务更加准确快速，首先提出了基于Yolov8的6‑Dof姿态估计方法Yolov8‑6D达到了较好的准确率。在Yolov8‑6D的基础上提出了轻量化模型Yolov8‑lite‑6D‑v1，在保留原始网络大部分性能的同时，大幅减少了计算参数，实现了更快的姿态估计。为了最大程度地保持轻量化地特性并提高轻量化网络的准确率，采用基于内容引导的注意力机制进行特征融合设计了模型Yolov8‑lite‑6D‑v2。本发明具有较好的现实意义，轻量化的特性使得模型易于部署到各种平台，包括云服务、边缘设备和移动设备等。
-
-
-
Search Results
4
records
(took 0.012 seconds)
