-
公开(公告)号：CN114998410B
公开(公告)日：2024-11-12
申请号：CN202210392984.7
申请日：2022-04-15
Applicant: 北京大学深圳研究生院
IPC: G06T7/55
Abstract: 本发明的基于空间频率的提升自监督单目深度估计模型性能的方法，包括步骤：S1.提取图像中物体边界模棱两可的像素并掩膜；S2.用自适应模糊模块处理步骤S1掩膜后得到的输入图像；以及S3.将步骤S1、S2处理后的图像代替原始图片参与已有单目深度估计模型的训练过程。本发明方法能普适到几乎所有基于自监督学习的单目深度估计算法，其审视了图像的不同空间频率的区域对自监督深度估计模型学习过程的影响，使得损失函数更加鲁棒；本方法在保持推理时间完全不变的前提下，提高了社区内大量已有的开源自监督单目深度估计模型的精确度。
-
公开(公告)号：CN111951196B
公开(公告)日：2024-06-18
申请号：CN202010816477.2
申请日：2020-08-14
Applicant: 北京大学深圳研究生院
Abstract: 基于图的渐进式点云下采样方法与装置，包括如下步骤:参数计算、层级判断、图拓扑表达、图滤波处理、重要性衡量和下采样操作；本发明通过使用图表达及渐进式点云下采样，能够捕获点云的重要信息及轮廓细节部分，不仅可针对点云几何信息，也可以同时处理带有属性的点云信息，例如颜色、法向量等信息。所提出的点云下采样方式为非均匀采样，与现实场景当中或人眼感知更加契合，较基于网格的点云下采样而言，更具备细节描绘和强调性。同时该方法亦也可以作为关键点提取，实现稀疏点云的输出，为后续点云的快速高效处理带来了极大的便利。
-
公开(公告)号：CN111783798B
公开(公告)日：2023-09-15
申请号：CN202010620484.5
申请日：2020-07-01
Applicant: 北京大学深圳研究生院
IPC: G06V10/46 , G06V10/774 , G06T7/66 , G06T17/00
Abstract: 一种基于显著性特征的模拟残缺点云的遮罩生成方法，包括步骤一、获得当前点云点个数，损失函数衡量方式，以及丢弃率及循环次数；步骤二、在循环次数外，则跳出循环，输出点云遮罩M；步骤三、循环次数内，计算点云球心位置坐标xc，可使用所有坐标的中值或平均值来进行粗略衡量其球心位置；步骤四、根据损失函数，计算当前每个点云的梯度g；步骤五、计算当前点云中每个点相对于球心位置的变化率δ；步骤六、计算当前点云中每个点的显著性得分s＝‑w*δ；步骤七、将所有点得分从高到低进行排序，删除排序前[pN/T]个点。本发明能够生成多区域缺失的点云情况，较为简单随机下采样方式，更为多样化，而且更加产生更加灵活多变复杂的遮罩。
-
公开(公告)号：CN114998410A
公开(公告)日：2022-09-02
申请号：CN202210392984.7
申请日：2022-04-15
Applicant: 北京大学深圳研究生院
IPC: G06T7/55
Abstract: 本发明的基于空间频率的提升自监督单目深度估计模型性能的方法，包括步骤：S1.提取图像中物体边界模棱两可的像素并掩膜；S2.用自适应模糊模块处理步骤S1掩膜后得到的输入图像；以及S3.将步骤S1、S2处理后的图像代替原始图片参与已有单目深度估计模型的训练过程。本发明方法能普适到几乎所有基于自监督学习的单目深度估计算法，其审视了图像的不同空间频率的区域对自监督深度估计模型学习过程的影响，使得损失函数更加鲁棒；本方法在保持推理时间完全不变的前提下，提高了社区内大量已有的开源自监督单目深度估计模型的精确度。
-
公开(公告)号：CN113313834A
公开(公告)日：2021-08-27
申请号：CN202110731635.9
申请日：2021-06-30
Applicant: 北京大学深圳研究生院
IPC: G06T17/20
Abstract: 一种基于几何可解释性的点云生成方法，包括以下步骤：S1.点云隐表达学习训练：用基础的点云自编码器网络来进行学习，得到点云隐表达；S2.点云隐表达的概率分布学习：用最优传输理论在几何视角下的方法进行建模学习训练得到随机概率分布到隐表达概率分布的传输映射图；以及S3.新的点云实例生成：使用S2中学习到的传输映射图构建新的点云生成。本发明方法其所生成的点云符合真实场景，且避免了模式混淆或生成模式过少的情况，为后续生成多样式点云提供了基础保障。
-
Patent Agency Ranking
公开(公告)号：CN105678778B
公开(公告)日：2019-02-26
申请号：CN201610022261.2
申请日：2016-01-13
Applicant: 北京大学深圳研究生院
IPC: G06T7/33
Abstract: 本发明公开了一种图像匹配方法和装置。该方法包括：获取模板图像和目标图像；根据模板图像获取一组模板特征；根据目标图像提取一组目标特征；根据模板特征和目标特征，计算模板图像与每帧目标图像的图像相似度，并以图像相似度最大的目标图像为与模板图像匹配的图像。上述实施例的图像匹配方法和装置中，通过模板特征与目标特征之间的相似度分别计算模板图像与每个目标图像之间的图像相似度来进行图像匹配，可以保证图像匹配过程中特征的不冗余性，保证图像的正确匹配，提高图像匹配的准确度。
-
公开(公告)号：CN114266279A
公开(公告)日：2022-04-01
申请号：CN202111637276.7
申请日：2021-12-29
Applicant: 北京大学深圳研究生院
IPC: G06K9/00
Abstract: 一种基于复数网络表达的点云特征提取方法及装置，该方法包括：第一步、使用希尔伯特变换，获取到点云复数表达当中的实数与虚数部分的处理；第二步、使用第一步的结果，对实数域虚数部分分别进行卷积，然后通过复数卷积公式来计算最终实数部分与虚数部分的特征表达，可以迭代多层来实现更复杂确定数目输出的特征的提取；第三步、则可通过第二步当中的结果计算出结合了点云实数与虚数特征表达的复数表达，通过模值计算来获得；第四步、进一步对第三步的结果进行归一化、或特征编码降维等操作，获得紧实且具有代表性的全局特征，为后续三维点云处理与分析任务提供了基础保障。
-
公开(公告)号：CN111951196A
公开(公告)日：2020-11-17
申请号：CN202010816477.2
申请日：2020-08-14
Applicant: 北京大学深圳研究生院
Abstract: 基于图的渐进式点云下采样方法与装置，包括如下步骤:参数计算、层级判断、图拓扑表达、图滤波处理、重要性衡量和下采样操作；本发明通过使用图表达及渐进式点云下采样，能够捕获点云的重要信息及轮廓细节部分，不仅可针对点云几何信息，也可以同时处理带有属性的点云信息，例如颜色、法向量等信息。所提出的点云下采样方式为非均匀采样，与现实场景当中或人眼感知更加契合，较基于网格的点云下采样而言，更具备细节描绘和强调性。同时该方法亦也可以作为关键点提取，实现稀疏点云的输出，为后续点云的快速高效处理带来了极大的便利。
-
公开(公告)号：CN111783798A
公开(公告)日：2020-10-16
申请号：CN202010620484.5
申请日：2020-07-01
Applicant: 北京大学深圳研究生院
Abstract: 一种基于显著性特征的模拟残缺点云的遮罩生成方法，包括步骤一、获得当前点云点个数，损失函数衡量方式，以及丢弃率及循环次数；步骤二、在循环次数外，则跳出循环，输出点云遮罩M；步骤三、循环次数内，计算点云球心位置坐标xc，可使用所有坐标的中值或平均值来进行粗略衡量其球心位置；步骤四、根据损失函数，计算当前每个点云的梯度g；步骤五、计算当前点云中每个点相对于球心位置的变化率δ；步骤六、计算当前点云中每个点的显著性得分s＝-w*δ；步骤七、将所有点得分从高到低进行排序，删除排序前[pN/T]个点。本发明能够生成多区域缺失的点云情况，较为简单随机下采样方式，更为多样化，而且更加产生更加灵活多变复杂的遮罩。
-
公开(公告)号：CN105678778A
公开(公告)日：2016-06-15
申请号：CN201610022261.2
申请日：2016-01-13
Applicant: 北京大学深圳研究生院
IPC: G06T7/00
CPC classification number: G06T2207/30248
Abstract: 本发明公开了一种图像匹配方法和装置。该方法包括：获取模板图像和目标图像；根据模板图像获取一组模板特征；根据目标图像提取一组目标特征；根据模板特征和目标特征，计算模板图像与每帧目标图像的图像相似度，并以图像相似度最大的目标图像为与模板图像匹配的图像。上述实施例的图像匹配方法和装置中，通过模板特征与目标特征之间的相似度分别计算模板图像与每个目标图像之间的图像相似度来进行图像匹配，可以保证图像匹配过程中特征的不冗余性，保证图像的正确匹配，提高图像匹配的准确度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.031 seconds)
