-
公开(公告)号：CN116198771B
公开(公告)日：2024-04-09
申请号：CN202310259079.9
申请日：2023-03-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度强化学习的二维矩形条带包装方法，该方法考虑二维情况下，将多个矩形对象逐一包装到一个末端开口的条带中，以最小化矩形对象所达到的高度，结合天际线算法将二维矩形条带包装过程建模为马尔可夫决策过程，再通过强化学习方法训练用于二维矩形条带包装的网络模型，最终得到一种最优的包装方案。本发明利用强化学习技术，能够获取多个不同的较优解，不需要人为设计复杂的启发式规则。本发明可以应用于多种物品的包装和运输，同时还可以适应不同的环境和布局。
-
公开(公告)号：CN111738092B
公开(公告)日：2024-03-29
申请号：CN202010465431.0
申请日：2020-05-28
Applicant: 华南理工大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的恢复被遮挡人体姿态序列方法，包括以下步骤：根据视频数据进行处理，获取人体步行数据集，对人体步行数据集进行数据预处理并划分，得到前序姿态序列、目标姿态序列、后序姿态序列；训练基于RNN的第一预测模型，该模型以前序姿态序列作为输入，被遮挡姿态序列作为输出；训练基于CNN的第二预测模型，该模型使用后序姿势作为输入，被遮挡姿态序列作为输出；将第一预测模型和第二预测模型的输出进行有权重相加，并添加MergeNet网络，构建训练总模型，通过训练总模型得到最终姿态序列；本发明通过解析前序姿态序列和后续姿态序列的信息，便可恢复出人体被障碍物遮挡的运动姿态序列。
-
公开(公告)号：CN113658264B
公开(公告)日：2023-08-18
申请号：CN202110783440.9
申请日：2021-07-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于距离信息的单幅图像相机焦距估计方法，包括：1)从单幅图像当中人工标记距离信息；2)根据简化针孔相机模型，使用距离信息建立非线性方程组，再利用单目标优化问题转化法将非线性方程组转化为基于归一化距离的优化问题；3)使用多随机初始化点的L‑BFGS‑B优化算法求解基于归一化距离的优化问题，得到初步的相机焦距估计值；4)使用深度扰动技术增强初步的相机焦距估计值的稳定性，得到最终的相机焦距估计值。本发明基于距离信息进行单幅图像的相机焦距估计，能够使用图像上普遍存在的距离信息进行相机标定，缓解图像线索难以寻找的问题，同时提高了相机标定的精度，进一步可实现更灵活和精确的下游应用。
-
公开(公告)号：CN111462328B
公开(公告)日：2023-05-23
申请号：CN202010207231.5
申请日：2020-03-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于渐进插值细分曲面的多个三维网格模型插值方法，包括：给定n个拓扑结构相同的三维网格模型作为关键帧，获取所有关键帧的二面角和边长数据矩阵D；使用局部线性嵌入降维方法把矩阵D降到二维，得到n个二维点的集合d；对降到二维后的d做Delaunay三角剖分；对剖分得到的曲面做基于渐进插值的Loop曲面细分；用户通过设计的交互系统的界面在细分完成后的曲面上选取任意数量的点，交互系统根据用户所选择的点生成一条经过这些点的三次B样条曲线；对该三次B样条曲线做采样，得到一组由二面角和边长构成的向量，根据这些向量重构出网格的三维坐标，完成多个三维网格的平滑插值。本发明不仅能构造一个形状曲线，还可以充分利用给定关键帧形成空间。
-
公开(公告)号：CN111583135B
公开(公告)日：2023-04-07
申请号：CN202010332918.1
申请日：2020-04-24
Applicant: 华南理工大学
IPC: G06T5/00 , G06T15/20 , G06N3/0475 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种核预测神经网络蒙特卡罗渲染图像去噪方法，包括步骤：1)利用改进的核预测神经网络进行预测核的生成；2)利用改进的对抗生成网络进行蒙特卡罗渲染图像的初步去噪；3)利用步骤1)、2)当中的两个结果进行蒙特卡罗渲染图像的重建，预测核将会被应用到初步去噪的蒙特卡罗渲染图像当中，并重建出去噪后的蒙特卡罗渲染图像；4)使用一种新的损失函数对核预测神经网络和对抗生成网络进行训练；5)训练完成后，再次重复步骤1)到步骤3)，即可对带噪声的蒙特卡罗渲染图像进行去噪重建，最后获得一张高质量的、细节完好的蒙特卡罗渲染图像。本发明去噪效果更好，场景细节和场景结构保留好，去噪时间短，可适应低采样率和多种渲染器、渲染系统。
-
Patent Agency Ranking
公开(公告)号：CN114693851A
公开(公告)日：2022-07-01
申请号：CN202210294254.3
申请日：2022-03-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于GPU的实时网格轮廓向量化与渲染系统，包括：网格导入模块，用于从本地网格模型文件中提取出网格数据并进行预处理；光栅化模块，利用轮廓定义提取网格轮廓，利用扫描转换将网格轮廓转换为片元，利用深度缓冲和深度测试对片元进行遮挡剔除，并将未被遮挡的片元整合为一组轮廓像素；向量化模块，利用并行化的Potrace算法，围绕轮廓像素得到一组封闭路径；线条提取模块，用于依据网格轮廓的几何信息来分割封闭路径，并提取出一组能反映场景遮挡关系的线条路径；线条渲染模块，用于将一组线条路径渲染为一组具有可控样式的二维线条。本发明将GPU并行计算技术与网格轮廓性质以及图像向量化算法结合，提升了实时轮廓线渲染的视觉效果与性能。
-
公开(公告)号：CN113012268A
公开(公告)日：2021-06-22
申请号：CN202110245019.2
申请日：2021-03-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种静态行人图像的运动动态化方法、系统、装置及介质，其中方法包括：获取两张行人图像，根据所述行人图像提取一对人体的2D姿态；根据动作相似度将一对所述2D姿态映射到3D空间，生成一对3D姿态；根据一对所述3D姿态生成一组3D运动姿态序列；将所述3D运动姿态序列进行2D投影，获得2D运动姿态序列；根据一对所述2D姿态对所述2D运动姿态序列进行优化；根据所述行人图像和优化后的2D运动姿态序列生成行人运动图像序列。本发明通过设计动作相似度对人体姿态进行2D和3D之间的映射，能够避免数据标注的人力和时间耗费，使得人体姿态的生成更加灵活，可广泛应用于图像数据处理领域。
-
公开(公告)号：CN111738092A
公开(公告)日：2020-10-02
申请号：CN202010465431.0
申请日：2020-05-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的恢复被遮挡人体姿态序列方法，包括以下步骤：根据视频数据进行处理，获取人体步行数据集，对人体步行数据集进行数据预处理并划分，得到前序姿态序列、目标姿态序列、后序姿态序列；训练基于RNN的第一预测模型，该模型以前序姿态序列作为输入，被遮挡姿态序列作为输出；训练基于CNN的第二预测模型，该模型使用后序姿势作为输入，被遮挡姿态序列作为输出；将第一预测模型和第二预测模型的输出进行有权重相加，并添加MergeNet网络，构建训练总模型，通过训练总模型得到最终姿态序列；本发明通过解析前序姿态序列和后续姿态序列的信息，便可恢复出人体被障碍物遮挡的运动姿态序列。
-
公开(公告)号：CN111583135A
公开(公告)日：2020-08-25
申请号：CN202010332918.1
申请日：2020-04-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种核预测神经网络蒙特卡罗渲染图像去噪方法，包括步骤：1)利用改进的核预测神经网络进行预测核的生成；2)利用改进的对抗生成网络进行蒙特卡罗渲染图像的初步去噪；3)利用步骤1)、2)当中的两个结果进行蒙特卡罗渲染图像的重建，预测核将会被应用到初步去噪的蒙特卡罗渲染图像当中，并重建出去噪后的蒙特卡罗渲染图像；4)使用一种新的损失函数对核预测神经网络和对抗生成网络进行训练；5)训练完成后，再次重复步骤1)到步骤3)，即可对带噪声的蒙特卡罗渲染图像进行去噪重建，最后获得一张高质量的、细节完好的蒙特卡罗渲染图像。本发明去噪效果更好，场景细节和场景结构保留好，去噪时间短，可适应低采样率和多种渲染器、渲染系统。
-
公开(公告)号：CN110363833A
公开(公告)日：2019-10-22
申请号：CN201910499437.7
申请日：2019-06-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于局部稀疏表示的完全人体运动参数化表示方法，包括步骤：1)获取相对边长和二面角及其重构，即RLA及其重构；2)参数模型训练数据库合成；3)基于人体形状主成分分析PCA基进行形状参数提取；4)使用稀疏局部分解的方法提取出局部基；5)利用局部基表示不同身体部位的运动得到参数模型；6)对参数模型进行回归修正。本发明能够用统一的框架来描述身体姿态，脸部表情和手势的形状和动作变化，不仅可以捕获高质量的全身姿势，而且还能在关节扭转和复杂的手姿态恢复姿势时表现出优于现有技术的参数化人体模型。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.025 seconds)
