-
公开(公告)号：CN115628701A
公开(公告)日：2023-01-20
申请号：CN202211326297.1
申请日：2022-10-27
Applicant: 华中科技大学 , 深圳华中科技大学研究院
Abstract: 本发明公开了一种基于虚拟图像渲染的自适应投影三维测量方法及系统，建立了耦合投影成像特性与尺度自适应体素多维度特征的图像渲染模型，基于卷积神经网络实现对相机反射率的预测，然后根据相机反射率图计算最优的投影强度，这种全新的尝试有望摆脱对实际图像的依赖，实现仿真环境下视点自动规划；其中，使用数据驱动的神经网络进行学习训练，并根据不同的反射情况计算最佳的投影强度，极大地提升了测量的鲁棒性；本发明提供的方法根据当前体素表面的反射特性自动计算自适应投影参数，以最少视点获取高质三维数据，能够克服传统方法投影强度参数选择难的问题，为视点规划提供必需的基础数据和评估参数。
-
公开(公告)号：CN115950377A
公开(公告)日：2023-04-11
申请号：CN202211313300.6
申请日：2022-10-25
Applicant: 华中科技大学 , 深圳华中科技大学研究院
IPC: G01B11/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于辐照度融合的自动化多反射表面三维测量方法，使用曝光时间选择网络生成一组最优的曝光次数及对应的曝光时间，无需人为手动设置曝光时间导致捕获的图像冗余，提高三维测量过程的自动化和智能化；通过多重辐照度融合网络将所有灰度图像生成的辐照度图序列融合生成一张辐照度图，一方面避免直接使用灰度图进行相位计算，另一方面降低了使用辐照度图计算的误差，同时多重辐照度融合网络可以将辐照度图误差值反馈给曝光时间选择网络进行学习，从图像上提高了相位计算的准确性。
-
公开(公告)号：CN116309765A
公开(公告)日：2023-06-23
申请号：CN202211091678.6
申请日：2022-09-07
Applicant: 华中科技大学 , 深圳华中科技大学研究院
IPC: G06T7/521 , G01B11/24 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于强化学习的自动化高反光物体三维测量方法，基于辐照度图构建基于强化学习的多重曝光时间序列预测模型，实现多重曝光时间序列的快速自动化生成，相较于传统方法，基于强化学习综合权衡曝光时间、曝光次数、图像可测区域三者之间的关系，实现多重曝光时间序列的稳定快速预测，并达到曝光时间、曝光次数、图像可测区域三者的全局最优，提升了高反光零件的测量效果。进一步地，通过构建辐照度预测网络基于单张图像实现辐照度的快速稳定预测，相比较于传统方法减少了多重曝光时间序列需要的图片数量，提升了测量速度。
-
公开(公告)号：CN110335297B
公开(公告)日：2021-10-08
申请号：CN201910543944.6
申请日：2019-06-21
Applicant: 华中科技大学
IPC: G06T7/33
Abstract: 本发明属于三维测量领域，并具体公开了一种基于特征提取的点云配准方法，其先通过基准点云和目标点云中每个点的最大主曲率和最小主曲率计算每个点特征指数；然后按预设的邻域点个数确定每个点的邻域点，进而根据该点的特征指数与其邻域点特征指数的关系，得到基准点云和目标点云中的特征点；再对每个特征点构建其局部参考坐标系，进一步得到各特征点的三维局部特征，并根据三维局部特征对基准点云和目标点云中的特征点进行匹配，得到多对对应特征点，根据对应特征点间关系得到基准点云到目标点云的三维刚性变换矩阵，完成点云配准。本发明可减少点云中的噪声、孤立点及局部点云密度不均等问题对点云配准的影响，使点云配准结果准确。
-
公开(公告)号：CN110177262B
公开(公告)日：2020-08-04
申请号：CN201910437733.4
申请日：2019-05-24
Applicant: 华中科技大学
IPC: H04N9/31
Abstract: 本发明提供了一种基于位深度分割的投影加速方法、系统及装置，属于计算机图像学领域，该方法将2n阶n位深度图像的单个通道亮度值分为高n‑i位和低i位两部分之和，用2(n‑i)单位的光源亮度照射微镜生成高n‑i位，用1单位的光源亮度照射微镜生成低i位，从而在不降低图像质量的前提下，减少单个通道高n‑i位所需的翻转周期数，进而减少整个图像的投影周期，提升投影速度。本发明的投影加速方法、系统及装置不需要降低图像位深度即可实现投影加速，即实现加速投影的同时不会降低图像质量，且适用于不同通道数量的各种位深度图像序列，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110177262A
公开(公告)日：2019-08-27
申请号：CN201910437733.4
申请日：2019-05-24
Applicant: 华中科技大学
IPC: H04N9/31
Abstract: 本发明提供了一种基于位深度分割的投影加速方法、系统及装置，属于计算机图像学领域，该方法将2n阶n位深度图像的单个通道亮度值分为高n-i位和低i位两部分之和，用2(n-i)单位的光源亮度照射微镜生成高n-i位，用1单位的光源亮度照射微镜生成低i位，从而在不降低图像质量的前提下，减少单个通道高n-i位所需的翻转周期数，进而减少整个图像的投影周期，提升投影速度。本发明的投影加速方法、系统及装置不需要降低图像位深度即可实现投影加速，即实现加速投影的同时不会降低图像质量，且适用于不同通道数量的各种位深度图像序列，具有广阔的应用前景。
-
公开(公告)号：CN115509224A
公开(公告)日：2022-12-23
申请号：CN202211099925.7
申请日：2022-09-07
Applicant: 华中科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于强化学习的测量视点与测量路径同步优化方法，基于DQN构建用于同步优化测量视点与测量路径的双重卷积神经网络，智能体通过状态，动作和奖励与环境交互进行学习，将机器人姿态集合和覆盖信息作为状态集合输入，以机器人移动到任意视点位置作为动作集合，根据满足覆盖率要求和总运动代价最小的目标设计奖励函数，通过训练基于DQN的神经网络完成测量视点和测量路径同步优化的策略性学习，将初始状态输入到训练好的神经网络进行视点选择和路径优化，输出一组达到覆盖率要求的视点集以及访问所述视点集成本最小的路径，从而获得最佳的测量视点和最优的运动路径，避免陷入局部最优，规划效果更佳。
-
公开(公告)号：CN115509224B
公开(公告)日：2024-12-10
申请号：CN202211099925.7
申请日：2022-09-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于强化学习的测量视点与测量路径同步优化方法，基于DQN构建用于同步优化测量视点与测量路径的双重卷积神经网络，智能体通过状态，动作和奖励与环境交互进行学习，将机器人姿态集合和覆盖信息作为状态集合输入，以机器人移动到任意视点位置作为动作集合，根据满足覆盖率要求和总运动代价最小的目标设计奖励函数，通过训练基于DQN的神经网络完成测量视点和测量路径同步优化的策略性学习，将初始状态输入到训练好的神经网络进行视点选择和路径优化，输出一组达到覆盖率要求的视点集以及访问所述视点集成本最小的路径，从而获得最佳的测量视点和最优的运动路径，避免陷入局部最优，规划效果更佳。
-
公开(公告)号：CN110335297A
公开(公告)日：2019-10-15
申请号：CN201910543944.6
申请日：2019-06-21
Applicant: 华中科技大学
IPC: G06T7/33
Abstract: 本发明属于三维测量领域，并具体公开了一种基于特征提取的点云配准方法，其先通过基准点云和目标点云中每个点的最大主曲率和最小主曲率计算每个点特征指数；然后按预设的邻域点个数确定每个点的邻域点，进而根据该点的特征指数与其邻域点特征指数的关系，得到基准点云和目标点云中的特征点；再对每个特征点构建其局部参考坐标系，进一步得到各特征点的三维局部特征，并根据三维局部特征对基准点云和目标点云中的特征点进行匹配，得到多对对应特征点，根据对应特征点间关系得到基准点云到目标点云的三维刚性变换矩阵，完成点云配准。本发明可减少点云中的噪声、孤立点及局部点云密度不均等问题对点云配准的影响，使点云配准结果准确。
-
公开(公告)号：CN110335296A
公开(公告)日：2019-10-15
申请号：CN201910544860.4
申请日：2019-06-21
Applicant: 华中科技大学
Abstract: 本发明属于三维测量领域，并具体公开了一种基于手眼标定的点云配准方法，其通过机器人末端带动测量装置进行两次移动，并分别得到两次移动时机器人末端坐标系的变换矩阵和测量装置坐标系的变换矩阵，然后根据手眼标定方程，求得机器人末端坐标系到测量装置坐标系的变换矩阵，进而得到机器人基座坐标系到测量装置坐标系的变换矩阵，再根据此变换矩阵，将测量装置获取的待测物体测量点云转换到机器人基座坐标系中，完成测量点云与模型点云间的点云粗配准，最后通过同在机器人基座坐标系下的测量点云和模型点云中匹配点对间的关系完成点云精配准。整个过程不需在被测物体表面贴标志点，简化了点云配准过程，且可以实现测量高温物体时的点云配准。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.026 seconds)
