一种矿井增强现实无人开采工作面深度估计方法

    公开(公告)号:CN116664649A

    公开(公告)日:2023-08-29

    申请号:CN202310247388.4

    申请日:2023-03-15

    Abstract: 本发明公开了一种矿井增强现实无人开采工作面深度估计方法,属于图像处理技术领域,构建卷积层、池化层、残差层、下采样模块组成的深度编码器,在编码器网络浅层提取图像浅层高分辨率特征信息,在编码器网络深层通过卷积操作的堆叠,提取图像低分率特征信息,将浅层的高分辨率特征图通过层级特征调整模块融合到深层的低分率特征图中;构建由反卷积层、上采样模块以及跳跃连接组成的深度解码器网络,估计图像的深度;构建相机位姿预测网络,通过相机邻帧间运动位姿的估计重投影到目标图像的光度损失作为自监督信号约束;构建改进的颜色‑几何差异信息来预测共平面深度图模块,用向量梯度渐变作为约束信号,约束预测初始深度图和预测共平面深度图。

    煤矿单轨吊无人驾驶中自监督单目深度估计方法及系统

    公开(公告)号:CN118397063B

    公开(公告)日:2024-10-18

    申请号:CN202410481590.8

    申请日:2024-04-22

    Abstract: 本发明公开了煤矿单轨吊无人驾驶中自监督单目深度估计方法及系统,涉及图像深度估计领域。首先提出了自适应特征聚合算法,用于在深度估计网络中聚合高低尺度特征的同时自适应地保持其上下文一致性;然后提出一个旋转量优化算法,用于在位姿网络中加权融合原始主路径与其他路径的前3维向量来细化旋转分量;最后提出图像边缘相似性损失函数,为深度估计提供形状先验,作为额外的自监督信号来约束网络。本发明能够有效提高预测深度的精度,使得煤矿单轨吊对作业人员和障碍物的位置距离远近能够更准确地估计,增强去精准判断与预防碰撞障碍物与作业人员的能力,提高煤矿单轨吊无人驾驶安全通过性,并具有良好的泛化性能。

    一种用于可穿戴头盔的单目图像深度估计方法

    公开(公告)号:CN115423857A

    公开(公告)日:2022-12-02

    申请号:CN202211242648.0

    申请日:2022-10-11

    Abstract: 本发明公开了一种用于可穿戴头盔的单目图像深度估计方法,涉及图像处理技术领域,包括如下步骤:以矿井图像序列作为训练数据,建立进行单目深度估计的深度卷积神经网络模型的训练模型,并从卷积神经网络的平面系数解码器中计算出能预测井下图像深度图的平面系数;基于所述平面系数预测出初始井下图像深度图,根据曼哈顿结构法向检测得到预测法向量,从而与对齐法线相似性约束;通过共平面法向深度约束估计,提取初始预测深度和平面差异求得的深度图,利用两者风格矩阵进行余弦相似度约束。本发明基于能预测井下图像深度图的平面系数间接再预测出深度图,打破了传统的生成初始深度图的方法,且使训练约束的起点高,有效提升了后期深度估计效果。

    煤矿单轨吊无人驾驶中自监督单目深度估计方法及系统

    公开(公告)号:CN118397063A

    公开(公告)日:2024-07-26

    申请号:CN202410481590.8

    申请日:2024-04-22

    Abstract: 本发明公开了煤矿单轨吊无人驾驶中自监督单目深度估计方法及系统,涉及图像深度估计领域。首先提出了自适应特征聚合算法,用于在深度估计网络中聚合高低尺度特征的同时自适应地保持其上下文一致性;然后提出一个旋转量优化算法,用于在位姿网络中加权融合原始主路径与其他路径的前3维向量来细化旋转分量;最后提出图像边缘相似性损失函数,为深度估计提供形状先验,作为额外的自监督信号来约束网络。本发明能够有效提高预测深度的精度,使得煤矿单轨吊对作业人员和障碍物的位置距离远近能够更准确地估计,增强去精准判断与预防碰撞障碍物与作业人员的能力,提高煤矿单轨吊无人驾驶安全通过性,并具有良好的泛化性能。

    一种矿井安全隐患场景三维重建中自监督深度估计方法

    公开(公告)号:CN116468770A

    公开(公告)日:2023-07-21

    申请号:CN202310247390.1

    申请日:2023-03-15

    Abstract: 本发明公开了一种矿井安全隐患场景三维重建中自监督深度估计方法,首先分别构建正常光照图像和低光照图像的深度估计网络和姿态估计网络模型,在编码器解码器中间采用自注意力机制的位置感知模块,用以获取场景结构的上下文信息和更好的特征表示;在对网络训练的过程中,使用正常光照图像和通过CycleGAN处理得到的低光照图像进行训练,再采用映射图像增强(MIE)算法处理由CycleGAN输出的图像,以满足保持亮度一致性的需要,解决低光照和光照不均匀带来的影响。增强了细节处的特征表示,加强了对复杂背景处的深度估计效果。加入的映射图像增强模块使得低光照图像的亮度和对比度明显提高,从而为其带来更高的可见性,保留更多的细节。

Patent Agency Ranking