-
公开(公告)号：CN112102388A
公开(公告)日：2020-12-18
申请号：CN202010987267.X
申请日：2020-09-18
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于巡检机器人单目图像获取深度图像的方法及装置，属于图像处理技术领域，解决了现有现有的方法获得的深度图像精确度较低的问题。方法包括：构建多尺度卷积神经网络；所述多尺度卷积神经网络包括第一尺度卷积神经网络、第二尺度卷积神经网络和第三尺度卷积神经网络；基于变焦距数据集对所述多尺度卷积神经网络进行训练，得到多尺度卷积神经网络的最优网络结构并保存；将巡检机器人拍摄的单目图像输入所述多尺度卷积神经网络的最优网络结构，得到单目图像对应的深度图像，提高了深度图像的精确度。
-
公开(公告)号：CN110222661A
公开(公告)日：2019-09-10
申请号：CN201910507225.9
申请日：2019-06-12
Applicant: 中国矿业大学
Abstract: 本发明提出一种用于运动目标识别及跟踪的特征提取方法，包括以下步骤：图像输入并对输入的图像进行预处理、采用高斯核卷积函数来生成尺度空间金字塔、采用Hessian矩阵来检测特征点并对其粗定位、精确定位、提取图像几何表面的主方向和主曲率、根据主曲率计算特征点出的梯度和方向以及利用类似于HOG的方法对所得到的梯度幅值和方向信息进行统计和和标签；本发明通过利用高斯卷积函数构建尺度空间，可以提高所提取的特征点具有的尺度不变特性，能够准确获得精确定位的特征点，以及能够保证所得到的特征点的梯度幅值和方向信息不仅能够对光照具有很好的鲁棒性，且对于光照、旋转、尺度、视角和非刚性形变等变化具有很好的鲁棒性。
-
公开(公告)号：CN111814711B
公开(公告)日：2023-08-08
申请号：CN202010681652.1
申请日：2020-07-15
Applicant: 中国矿业大学
Abstract: 本发明涉及一种应用于矿井机器视觉的图像特征快速匹配方法及系统，属于矿井安全技术领域，解决了现有技术对矿井异常情况检测效率低、实时性差且准确率低的问题。该方法包括对待分析图像进行去噪处理；并进行超像素分割，获得多个图像块；计算每一图像块的信息熵，获得信息熵大于第一预设阈值的图像块；利用SURF算法提取图像块的特征点，从而获取待分析图像的特征点集；采用Harr小波法对特征点集中的特征点进行描述，获得待分析图像的特征点描述符集；基于待分析图像的特征点描述符集将待分析图像特征点集中的特征点与目标图像的特征点进行匹配，以确认矿井是否发生异常。该方法能够快速准确的检测矿井是否发生异常，有利于对矿井异常及时处理。
-
Patent Agency Ranking
公开(公告)号：CN110222661B
公开(公告)日：2023-04-07
申请号：CN201910507225.9
申请日：2019-06-12
Applicant: 中国矿业大学
Abstract: 本发明提出一种用于运动目标识别及跟踪的特征提取方法，包括以下步骤：图像输入并对输入的图像进行预处理、采用高斯核卷积函数来生成尺度空间金字塔、采用Hessian矩阵来检测特征点并对其粗定位、精确定位、提取图像几何表面的主方向和主曲率、根据主曲率计算特征点出的梯度和方向以及利用类似于HOG的方法对所得到的梯度幅值和方向信息进行统计和和标签；本发明通过利用高斯卷积函数构建尺度空间，可以提高所提取的特征点具有的尺度不变特性，能够准确获得精确定位的特征点，以及能够保证所得到的特征点的梯度幅值和方向信息不仅能够对光照具有很好的鲁棒性，且对于光照、旋转、尺度、视角和非刚性形变等变化具有很好的鲁棒性。
-
公开(公告)号：CN110516523A
公开(公告)日：2019-11-29
申请号：CN201910539038.9
申请日：2019-06-18
Applicant: 中国矿业大学
IPC: G06K9/00
Abstract: 本发明公开了移动视频巡检中危险区域行人检测方法，包括以下步骤：步骤1：提取HOG特征；步骤2：构建一种(r，P，k)的中值采样方案；步骤3：训练二级级联分类器，第一级的分类器使用线性SVM，去除大部分容易区分的负样本，保留几乎所有正样本送入第二级分类器，第二级分类器是Adaboost分类器，对正样本进行检测。本发明在HOG-LBP的基础上，通过对LBP特征的改进，采用梯度LBP特征，提取四个描述子，并采用一种新的基于训练的特征映射方法，并将多分辨率联合的梯度LBP特征进行串联，提取纹理特征信息更加全面，更加准确，更加有利于提高分类的准确性。
-
公开(公告)号：CN112102388B
公开(公告)日：2024-03-26
申请号：CN202010987267.X
申请日：2020-09-18
Applicant: 中国矿业大学
IPC: G06T3/4046 , G06T3/4053 , G06V10/44 , G06V10/42 , G06V10/46 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于巡检机器人单目图像获取深度图像的方法及装置，属于图像处理技术领域，解决了现有现有的方法获得的深度图像精确度较低的问题。方法包括：构建多尺度卷积神经网络；所述多尺度卷积神经网络包括第一尺度卷积神经网络、第二尺度卷积神经网络和第三尺度卷积神经网络；基于变焦距数据集对所述多尺度卷积神经网络进行训练，得到多尺度卷积神经网络的最优网络结构并保存；将巡检机器人拍摄的单目图像输入所述多尺度卷积神经网络的最优网络结构，得到单目图像对应的深度图像，提高了深度图像的精确度。
-
公开(公告)号：CN110516523B
公开(公告)日：2023-08-25
申请号：CN201910539038.9
申请日：2019-06-18
Applicant: 中国矿业大学
IPC: G06V20/40 , G06V40/10 , G06V10/764 , G06V10/50
Abstract: 本发明公开了移动视频巡检中危险区域行人检测方法，包括以下步骤：步骤1：提取HOG特征；步骤2：构建一种(r，P，k)的中值采样方案；步骤3：训练二级级联分类器，第一级的分类器使用线性SVM，去除大部分容易区分的负样本，保留几乎所有正样本送入第二级分类器，第二级分类器是Adaboost分类器，对正样本进行检测。本发明在HOG‑LBP的基础上，通过对LBP特征的改进，采用梯度LBP特征，提取四个描述子，并采用一种新的基于训练的特征映射方法，并将多分辨率联合的梯度LBP特征进行串联，提取纹理特征信息更加全面，更加准确，更加有利于提高分类的准确性。
-
公开(公告)号：CN111814711A
公开(公告)日：2020-10-23
申请号：CN202010681652.1
申请日：2020-07-15
Applicant: 中国矿业大学
Abstract: 本发明涉及一种应用于矿井机器视觉的图像特征快速匹配方法及系统，属于矿井安全技术领域，解决了现有技术对矿井异常情况检测效率低、实时性差且准确率低的问题。该方法包括对待分析图像进行去噪处理；并进行超像素分割，获得多个图像块；计算每一图像块的信息熵，获得信息熵大于第一预设阈值的图像块；利用SURF算法提取图像块的特征点，从而获取待分析图像的特征点集；采用Harr小波法对特征点集中的特征点进行描述，获得待分析图像的特征点描述符集；基于待分析图像的特征点描述符集将待分析图像特征点集中的特征点与目标图像的特征点进行匹配，以确认矿井是否发生异常。该方法能够快速准确的检测矿井是佛发生异常，有利于对矿井异常技术处理。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
