-
Patent Agency Ranking
公开(公告)号：CN115719424B
公开(公告)日：2025-05-02
申请号：CN202110970402.4
申请日：2021-08-23
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种双目立体匹配方法，包括以下步骤：输入左图像和右图像，通过加入集中极线方向注意力机制的两个共享权重的堆叠孪生卷积神经网络进行下采样，得到低于左图像的分辨率的左特征图和低于右图像分辨率的右特征图；利用左特征图和右特征图构建代价体，将代价体输入到三维卷积中进行特征提取，得到双目立体系统的初始图像的视差图；根据构建的学习权重的引导网路，对初始图像的视差图进行引导优化，上采样回原始分辨率的视差图，得到双目立体系统的初始图像的深度图像。通过对GA‑Net的改进，在保证精度损失较小的前提下，提升计算速度；采用低分辨率图像输入卷积神经网络，节省了计算成本，提升匹配速度。
-
公开(公告)号：CN115719310A
公开(公告)日：2023-02-28
申请号：CN202110970396.2
申请日：2021-08-23
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明提供了一种眼底图像数据集的预处理方法及眼底图像训练模型，包括S1、对眼底图像进行自适应性增强，优化得到眼底图像的初始数据集；S2、对初始数据集进行选择性数据扩充；S3、利用生成对抗网络对初始数据集再次进行数据扩充。本发明在只存在数据量少且质量差的眼底图像条件下，对小型数据集进行自适应增强和选择性扩充，使之可以通过训练神经网络识别模型，可以得到高精度的眼底图像筛查结果。
-
公开(公告)号：CN114612572A
公开(公告)日：2022-06-10
申请号：CN202210242489.8
申请日：2022-03-11
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06T7/80
Abstract: 本发明实施例中提供的一种基于深度学习的激光雷达与相机外参标定方法、装置、计算机设备，利用沙漏网络使用跳层来保留每个分辨率的空间信息，有效地处理和整合不同规模的特征，通过堆叠多个沙漏网络能有效利用各层次特征再次发掘新特征。引入了选核网络将两者提取到的深层特征进行通道上的级联，然后从级联好的深度图与图像特征中提取多尺度信息，自适应地进行特征聚合。将聚合好的特征通过两个全连接分支回归出激光雷达与相机之间外参的平移分量和旋转分量，提升了标定速度，减少了人力成本和实验成本，克服了对特定标定实验场景、特定实验目标的依赖。从实验结果看，较好的实现了标定功能，取得了较好的实验结果。
-
公开(公告)号：CN114612572B
公开(公告)日：2025-01-14
申请号：CN202210242489.8
申请日：2022-03-11
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06T7/80
Abstract: 本发明实施例中提供的一种基于深度学习的激光雷达与相机外参标定方法、装置、计算机设备，利用沙漏网络使用跳层来保留每个分辨率的空间信息，有效地处理和整合不同规模的特征，通过堆叠多个沙漏网络能有效利用各层次特征再次发掘新特征。引入了选核网络将两者提取到的深层特征进行通道上的级联，然后从级联好的深度图与图像特征中提取多尺度信息，自适应地进行特征聚合。将聚合好的特征通过两个全连接分支回归出激光雷达与相机之间外参的平移分量和旋转分量，提升了标定速度，减少了人力成本和实验成本，克服了对特定标定实验场景、特定实验目标的依赖。从实验结果看，较好的实现了标定功能，取得了较好的实验结果。
-
公开(公告)号：CN115719424A
公开(公告)日：2023-02-28
申请号：CN202110970402.4
申请日：2021-08-23
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种双目立体匹配方法，包括以下步骤：输入左图像和右图像，通过加入集中极线方向注意力机制的两个共享权重的堆叠孪生卷积神经网络进行下采样，得到低于左图像的分辨率的左特征图和低于右图像分辨率的右特征图；利用左特征图和右特征图构建代价体，将代价体输入到三维卷积中进行特征提取，得到双目立体系统的初始图像的视差图；根据构建的学习权重的引导网路，对初始图像的视差图进行引导优化，上采样回原始分辨率的视差图，得到双目立体系统的初始图像的深度图像。通过对GA‑Net的改进，在保证精度损失较小的前提下，提升计算速度；采用低分辨率图像输入卷积神经网络，节省了计算成本，提升匹配速度。
-
-
-
-
Search Results
5
records
(took 0.036 seconds)
