-
公开(公告)号：CN113689380A
公开(公告)日：2021-11-23
申请号：CN202110817763.5
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于深度学习的桁架桥梁铆钉锈蚀病害智能识别方法，解决铆钉锈蚀病害传统检测方法成本高、检测结果主观性强、效率低的问题，方法如下：对桥梁全景图像进行分割，筛选发生锈蚀病害的铆钉图像和状态正常的铆钉图像，对原始图像进行数据增广，划分训练集和测试集，采用单阶段检测网络进行铆钉病害类型和位置的精确判定，训练过程中采用类别置信度和位置的加权损失函数监督网络预测误差，判断模型的收敛状态。基于桁架桥梁铆钉空间分布特征，将网络置信度阈值参数设置为0.6，在网络所有类别预测框中找到类别置信度大于0.6的预测框作为网络最终预测结果。本方法能够对桥梁铆钉锈蚀病害实现精准判别和定位。
-
公开(公告)号：CN113689380B
公开(公告)日：2023-05-16
申请号：CN202110817763.5
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于深度学习的桁架桥梁铆钉锈蚀病害智能识别方法，解决铆钉锈蚀病害传统检测方法成本高、检测结果主观性强、效率低的问题，方法如下：对桥梁全景图像进行分割，筛选发生锈蚀病害的铆钉图像和状态正常的铆钉图像，对原始图像进行数据增广，划分训练集和测试集，采用单阶段检测网络进行铆钉病害类型和位置的精确判定，训练过程中采用类别置信度和位置的加权损失函数监督网络预测误差，判断模型的收敛状态。基于桁架桥梁铆钉空间分布特征，将网络置信度阈值参数设置为0.6，在网络所有类别预测框中找到类别置信度大于0.6的预测框作为网络最终预测结果。本方法能够对桥梁铆钉锈蚀病害实现精准判别和定位。
-
公开(公告)号：CN113689331B
公开(公告)日：2023-06-23
申请号：CN202110817433.6
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明提出了一种复杂背景下的全景图像拼接方法，如下：在RGB颜色空间用高斯混合模型对原始图像进行建模，去除图像背景像素；对完成背景去除的图像构建多尺度空间，检测图像的局部特征点；采用快速最近邻搜索匹配算法对相邻图像之间的局部特征点进行初步匹配；采用随机采样一致性算法对误匹配的特征点进行筛选，以特征点经过单应性变换与匹配特征点之间距离的平方等于4.0为筛选阈值，获取准确匹配结果；根据单应性矩阵对相邻图像进行位置变换拼接图像；采用直接平均融合法处理图像间的重叠区域，生成全景图像。本方法能够实现复杂背景下的全景图像拼接，消除了大视差图像中背景区域对全景图像拼接的干扰，极大地降低了全景图像获取成本。
-
公开(公告)号：CN113689331A
公开(公告)日：2021-11-23
申请号：CN202110817433.6
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明提出了一种复杂背景下的全景图像拼接方法，如下：在RGB颜色空间用高斯混合模型对原始图像进行建模，去除图像背景像素；对完成背景去除的图像构建多尺度空间，检测图像的局部特征点；采用快速最近邻搜索匹配算法对相邻图像之间的局部特征点进行初步匹配；采用随机采样一致性算法对误匹配的特征点进行筛选，以特征点经过单应性变换与匹配特征点之间距离的平方等于4.0为筛选阈值，获取准确匹配结果；根据单应性矩阵对相邻图像进行位置变换拼接图像；采用直接平均融合法处理图像间的重叠区域，生成全景图像。本方法能够实现复杂背景下的全景图像拼接，消除了大视差图像中背景区域对全景图像拼接的干扰，极大地降低了全景图像获取成本。
-
-
-
Search Results
4
records
(took 0.033 seconds)
