-
公开(公告)号：CN113888618B
公开(公告)日：2024-05-10
申请号：CN202111166822.3
申请日：2021-09-30
Applicant: 北京工业大学
IPC: G06T7/60 , G06T7/70 , G06V20/64 , G06Q10/083 , B07C5/342
Abstract: 本发明公开了一种物体单件分离方法，包括：以一定的高度差并且以对单件物体能够在整个视野尺寸覆盖的规则架设多台2D相机；获取多台2D相机分别采集的多幅图像，对采集后的多幅图像利用物体的特征信息将有高度差的两相机间的物体关联匹配；对不同高度相机中对同一物体成像大小利用相机成像原理计算物体的实际空间尺寸，并输出准确的物体位置信息。本发明还公开了相应的物体单件分离系统，实现全自动化多并排物体的单件分离，提升物体分拣或识别效率，降低在单件分离系统中视觉装置的架设成本，解决目前单件分离系统的视觉系统硬件成本昂贵，对物体定位不准确和实用性不高的问题。
-
公开(公告)号：CN113936051A
公开(公告)日：2022-01-14
申请号：CN202111166830.8
申请日：2021-09-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于2D相机的物体分离机，包括：布置在下部的物体传送带，布置在物体传送带上方的多个不同高度和/或角度的2D相机，与多个2D相机相连的数据处理器以及传送带控制系统。本发明还公开了一种基于2D相机的物体分离方法，包括：预处理部分以及线上处理部分，其中预处理部分包括相机架设步骤以及相机标定步骤，线上处理部分包括物体的角点检测步骤、跨相机相同物体识别步骤以及物体尺寸位置计算步骤，实现全自动化多并排物体的单件分离，提升物体分拣效率，降低在单件分离系统中视觉装置的架设成本，解决目前单件分离系统的视觉系统硬件成本昂贵，对物体定位不准确和实用性不高的问题。
-
公开(公告)号：CN113902903B
公开(公告)日：2024-08-02
申请号：CN202111166829.5
申请日：2021-09-30
Applicant: 北京工业大学
IPC: G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/68 , G06N3/0464 , G06Q50/02
Abstract: 本发明公开了一种基于下采样的双注意力多尺度融合方法，包括：采集图像并获取图像的训练数据；将图像的训练数据进行训练并采用基于特征图大小变化的下采样方法提取图像的特征；下采样方法包括：根据下采样倍数的不同而自动切换下采样方式；将提取的图像的特征通过深浅层特征融合模型获得多尺度特征图，使用基于多尺度融合的双注意力算法进行多尺度特征融合，获得多个不同深层小尺度检测分支和多个不同浅层大尺度检测分支；对每一个检测分支分别构建一个预测分支来检测不同尺度下的图像。还公开了对应的系统、电子设备以及计算机可读存储介质，加强特征表达能力，大幅提高检测和分离的准确性、速度以及不同大小物体的检测精度。
-
公开(公告)号：CN116681921A
公开(公告)日：2023-09-01
申请号：CN202310504776.6
申请日：2023-05-06
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/084 , G06V10/56 , G06V10/54 , G06V10/20 , G06N3/0464 , G06N3/088 , G06N3/094 , G06N3/0475 , G06V10/74
Abstract: 本发明公开了一种基于多特征损失函数融合的目标标注方法，多特征损失函数为基于熵权法的多维损失函数，分别用于约束目标转换模型训练过程中多个类别目标的颜色、形状及纹理的生成方向。包括：获取单一类别最佳源域无背景目标图像；将单一类别最佳源域无背景目标图像进行特征图可视化，从而提取基于潜在空间的特征图；将基于潜在空间的特征图输入由基于熵权法的多维损失函数监督的目标转换模型中获得多类别目标域无背景目标图像的子集；将单一类别最佳源域无背景目标图像与基于潜在空间的特征图融合形成多模态输入信号，将多模态输入信号输入到目标转换网络中，并基于目标转换网络进行目标标注。本发明还公开系统、电子设备及计算机可读存储介质。
-
公开(公告)号：CN113902904A
公开(公告)日：2022-01-07
申请号：CN202111166836.5
申请日：2021-09-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种轻量化网络架构系统，包括：多个轻量化的网络卷积块，将CSPNet的部分块中堆叠的多个Res block或Dense block替换为微型跨阶段网络结构轻量化部分块，并且减少了一个部分过渡层，同时将双融合操作替换为单融合操作；以及基于特征图大小变化的下采样模块。轻量化的网络卷积块作为主干网络，将传统CSPNet中不同尺度下使用的block的内部结构进行了轻量化处理，替换为用轻量化的网络卷积块提取特征，避免了检测耗时长的问题；计算效率高的轻量级CSP目标检测网络，用于轻量化检测和物体分离，是一种计算效率高的轻量级CSP目标检测网络，提升了检测和分离的准确性和速度。
-
Patent Agency Ranking
公开(公告)号：CN113888617A
公开(公告)日：2022-01-04
申请号：CN202111163838.9
申请日：2021-09-30
Applicant: 北京工业大学
Abstract: 本发明公开一种关联区域多相机物体匹配方法，包括：根据预先设置的相机架设策略和相机标定策略进行相机架设和相机标定，相机包括高位架设2D相机及低位架设2D相机，低位架设2D相机的高度低于高位架设2D相机；高位架设2D相机采用俯视或斜视方式获取视野内的第一物体图像；低位架设2D相机采用俯视或斜视方式获取视野内的第二物体图像；设置关联匹配区域，并根据重识别算法模型对每个物体在高位架设2D相机的第一物体图像在低位架设2D相机中的关联匹配区域进行关联匹配，实现跨高位架设和低位架设2D相机的同一物体的识别。还公开了相应的物体匹配系统，建立多个相机之间的坐标关联，从而准确地确定物体的位置和尺寸。
-
公开(公告)号：CN113887425A
公开(公告)日：2022-01-04
申请号：CN202111163858.6
申请日：2021-09-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向低算力运算装置的轻量化物体检测方法和系统，方法包括：利用低算力运算装置中的相机采集真实场景下待检测物体的图像；低算力运算装置读取图像；对读取图像进行预处理获得训练集；将训练集输入到轻量化主干网络中进行训练并基于下采样机制提取特征，其中下采样机制为根据下采样倍数的不同采用不同的下采样策略进行运算；特征提取采用轻量化的特征提取方法；将提取的特征通过深浅层特征融合模块，基于多尺度融合的双注意力算法进行多尺度特征融合；输出三个不同检测尺度的深浅层检测分支，通过检测分支模块对输出的三个不同检测尺度的深浅层检测分支分别进行预测并获得检测结果；将物体的检测结果通过低算力运算装置实时显示。
-
公开(公告)号：CN113888617B
公开(公告)日：2024-08-02
申请号：CN202111163838.9
申请日：2021-09-30
Applicant: 北京工业大学
Abstract: 本发明公开一种关联区域多相机物体匹配方法，包括：根据预先设置的相机架设策略和相机标定策略进行相机架设和相机标定，相机包括高位架设2D相机及低位架设2D相机，低位架设2D相机的高度低于高位架设2D相机；高位架设2D相机采用俯视或斜视方式获取视野内的第一物体图像；低位架设2D相机采用俯视或斜视方式获取视野内的第二物体图像；设置关联匹配区域，并根据重识别算法模型对每个物体在高位架设2D相机的第一物体图像在低位架设2D相机中的关联匹配区域进行关联匹配，实现跨高位架设和低位架设2D相机的同一物体的识别。还公开了相应的物体匹配系统，建立多个相机之间的坐标关联，从而准确地确定物体的位置和尺寸。
-
公开(公告)号：CN113888618A
公开(公告)日：2022-01-04
申请号：CN202111166822.3
申请日：2021-09-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种物体单件分离方法，包括：以一定的高度差并且以对单件物体能够在整个视野尺寸覆盖的规则架设多台2D相机；获取多台2D相机分别采集的多幅图像，对采集后的多幅图像利用物体的特征信息将有高度差的两相机间的物体关联匹配；对不同高度相机中对同一物体成像大小利用相机成像原理计算物体的实际空间尺寸，并输出准确的物体位置信息。本发明还公开了相应的物体单件分离系统，实现全自动化多并排物体的单件分离，提升物体分拣或识别效率，降低在单件分离系统中视觉装置的架设成本，解决目前单件分离系统的视觉系统硬件成本昂贵，对物体定位不准确和实用性不高的问题。
-
公开(公告)号：CN113902901B
公开(公告)日：2024-04-26
申请号：CN202111163840.6
申请日：2021-09-30
Applicant: 北京工业大学
IPC: G06V10/25 , G06V10/774 , G06V10/80 , G06N3/0464 , G06Q50/02
Abstract: 一种基于轻量化检测的物体分离方法，包括：采集物体图像；将图像输入到轻量化的主干网络中提取特征获得相等尺度的特征图；将相等尺度的特征图通过深浅层特征融合模型获得多尺度特征图；基于多尺度特征图使用基于多尺度融合的双注意力算法进行多尺度特征融合，获得多个不同深层小尺度检测分支和多个不同浅层大尺度检测分支；对每一个检测分支分别构建一个预测分支来检测该尺度下的物体，将多个预测分支的输出特征向量进行合并和后处理，得到物体的检测结果；根据检测结果进行物体分离。还公开了对应的系统、电子设备以及计算机可读存储介质，加强特征表达能力，大幅提高检测和分离的准确性、速度以及不同大小物体的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.024 seconds)
