一种针对多视图海量点云的重合区域消除方法

    公开(公告)号:CN115880467A

    公开(公告)日:2023-03-31

    申请号:CN202211484092.6

    申请日:2022-11-24

    Abstract: 本发明属于设计光学三维测量相关技术领域,并公开了一种针对多视图海量点云的重合区域消除方法。该方法包括下列步骤:S1对于采集的多视图的点云数据,计算所有点云数据的点云分布主方向;沿着点云分布主方向按照预设切片厚度对所有点云数据进行切片获得多个切片层S2对于单个切片层中的点云数据,对不同视图的点云数据构建三维包围盒,判断不同三维包围盒之间是否重合,寻找重合部分中不同视角点云数据之间的对应点对;S3将对应点对连接形成无向图,以此形成多个无向图,查找并确定所有的无向图,将无向图中的所有点合并为一个点,以此消除重合区域。通过本发明,提高多视图海量点云重合区域消除的效率,消除后的点云光顺。

    一种考虑提示学习的零样本点云异常检测方法及系统

    公开(公告)号:CN118052809A

    公开(公告)日:2024-05-17

    申请号:CN202410359413.2

    申请日:2024-03-27

    Abstract: 本发明属于点云异常检测领域,并具体公开了一种考虑提示学习的零样本点云异常检测方法及系统,其包括步骤:获取待检测物体的三维点云,通过多视图投影将三维点云投影到二维平面上,得到多个深度图像;通过图像编码器提取深度图像的特征,并根据投影关系将深度图像的特征聚合到点云的点中,得到点云中各点的特征;设置两个文本提示分别描述正常或异常状态,并在文本提示中加入可学习参数;根据文本提示,通过文本编码器提取得到文本特征;根据点云中点的特征与文本特征的余弦相似度,得到点云中点的异常分数,根据异常分数判断点云中各点的异常情况。本发明克服了点云视觉语言模型的空缺,将图像视觉语言模型拓展到了零样本点云异常检测任务中。

    一种最小化约束的多视角点云配准方法

    公开(公告)号:CN115797420B

    公开(公告)日:2025-02-11

    申请号:CN202211484469.8

    申请日:2022-11-24

    Abstract: 本发明属于光学三位测量相关技术领域,并公开了一种最小化约束的多视角点云配准方法。该方法包括下列步骤:S1采集点云数据,并将采集的所有点云数据转化至同一坐标系中,计算点云的三维包围盒,根据三维包围盒之间的位置关系判断点云数据之间的重合关系;S2根据点云的重合关系确定重合点云中对应的点对,构建点对的距离和方差加权最小化目标函数,并求解该目标函数,以此获得位姿变换矩阵;S3利用该位姿变换矩阵对点云数据进行校正,以此获得配准后的点云数据。通过本发明,解决点云匹配精度低以及只能实现两个视角点云匹配的问题。

    一种针对多视图海量点云的重合区域消除方法

    公开(公告)号:CN115880467B

    公开(公告)日:2024-12-10

    申请号:CN202211484092.6

    申请日:2022-11-24

    Abstract: 本发明属于设计光学三维测量相关技术领域,并公开了一种针对多视图海量点云的重合区域消除方法。该方法包括下列步骤:S1对于采集的多视图的点云数据,计算所有点云数据的点云分布主方向;沿着点云分布主方向按照预设切片厚度对所有点云数据进行切片获得多个切片层S2对于单个切片层中的点云数据,对不同视图的点云数据构建三维包围盒,判断不同三维包围盒之间是否重合,寻找重合部分中不同视角点云数据之间的对应点对;S3将对应点对连接形成无向图,以此形成多个无向图,查找并确定所有的无向图,将无向图中的所有点合并为一个点,以此消除重合区域。通过本发明,提高多视图海量点云重合区域消除的效率,消除后的点云光顺。

    一种考虑提示学习的零样本点云异常检测方法及系统

    公开(公告)号:CN118052809B

    公开(公告)日:2024-11-05

    申请号:CN202410359413.2

    申请日:2024-03-27

    Abstract: 本发明属于点云异常检测领域,并具体公开了一种考虑提示学习的零样本点云异常检测方法及系统,其包括步骤:获取待检测物体的三维点云,通过多视图投影将三维点云投影到二维平面上,得到多个深度图像;通过图像编码器提取深度图像的特征,并根据投影关系将深度图像的特征聚合到点云的点中,得到点云中各点的特征;设置两个文本提示分别描述正常或异常状态,并在文本提示中加入可学习参数;根据文本提示,通过文本编码器提取得到文本特征;根据点云中点的特征与文本特征的余弦相似度,得到点云中点的异常分数,根据异常分数判断点云中各点的异常情况。本发明克服了点云视觉语言模型的空缺,将图像视觉语言模型拓展到了零样本点云异常检测任务中。

    一种考虑多视图投影的零样本点云异常检测方法及系统

    公开(公告)号:CN118608447A

    公开(公告)日:2024-09-06

    申请号:CN202410359756.9

    申请日:2024-03-27

    Abstract: 本发明属于点云异常检测领域,并具体公开了一种考虑多视图投影的零样本点云异常检测方法及系统,其包括如下步骤:获取待检测物体的三维点云,通过多视图投影将三维点云投影到二维平面上,得到多个深度图像;通过图像的零样本异常检测模型分别对各深度图像进行处理,得到深度图像的异常分数;根据投影关系将深度图像的异常分数聚合到点云的点中,得到点云中点的聚合异常分数,根据聚合异常分数判断点云中各点的异常情况。本发明克服了点云视觉语言模型的空缺,将零样本图像异常检测模型拓展到了零样本点云异常检测任务中。

    一种基于Unity的数字孪生机械臂强化学习训练方法及系统

    公开(公告)号:CN117798928A

    公开(公告)日:2024-04-02

    申请号:CN202410108254.9

    申请日:2024-01-25

    Abstract: 本发明属于机械臂控制相关技术领域,并公开了一种基于Unity的数字孪生机械臂强化学习训练方法及系统。该方法包括:S1构建机械臂和目标物体的数字孪生模型;建立数字孪生模型和真实机械臂的双向通信;S2构建强化学习神经网络,机械臂的位姿和目标物的位置作为输入,机械臂运动的动作向量为输出,设定奖惩函数,以此训练所述强化学习神经网络;S3采集真实机械臂的位姿和实际目标物的位置输入训练后的强化学习神经网络中,输出动作向量,数字孪生模型中的机械臂按照动作向量运动并将每一帧的关节角度实时发送给真实机械臂,真实机械臂跟随运动。通过本发明,提高机械臂控制建模准确性和实时性,为数字孪生技术在机械臂领域的应用提供可行方案。

    一种针对发电站水下异物的目标检测方法

    公开(公告)号:CN116310768A

    公开(公告)日:2023-06-23

    申请号:CN202211534965.X

    申请日:2022-11-30

    Abstract: 本发明属于机器视觉相关技术领域,并公开了一种针对发电站水下异物的目标检测方法。该方法包括下列步骤:S1构建发电站水水下异物的二维和三维数据集;S2构建二维预测模型和三维预测模型,分别利用所述二维数据集和三维数据集训练所述二维预测模型和三维预测模型;S3采集实际异物的图像,将该实际异物图像输入至所述二维预测模型中,以此获得实际异物的大致位置和异物类型,根据预测的结果到实际异物所在位置采集三维点云数据,将采集的三维点云数据输入所述三维预测模型中,以此获得实际异物的准确位置和准确类型。通过本发明,解决发电站水下异物检测无法检测以及检测精度低的问题。

    一种基于双目立体测量的航发叶片气膜孔质量检测方法

    公开(公告)号:CN111724341A

    公开(公告)日:2020-09-29

    申请号:CN202010396991.5

    申请日:2020-05-12

    Abstract: 本发明属于机器视觉技术领域,并具体公开了一种基于双目立体测量的航发叶片气膜孔质量检测方法,其包括如下步骤:S1将光导入航发叶片型腔内部,使光从航发叶片气模孔中透出,然后采用双目相机标定并获取气膜孔两个角度的图像;S2分别对两张图像进行处理,以分别获取两张图像的特征点;S3根据特征点对两张图像进行立体校正,用极线扫略校正后的图像,并获取极线与椭圆轮廓的交点;S4将交点作为匹配点进行三角重建,进而对三角重建后的点进行空间圆拟合,得到的空间圆拟合直径即为气膜孔直径,完成对航发叶片气膜孔的质量检测。本发明大大提高了气膜孔检测的效率和准确度,并且适用范围广。

Patent Agency Ranking