-
公开(公告)号：CN111462128A
公开(公告)日：2020-07-28
申请号：CN202010466697.7
申请日：2020-05-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于多模态光谱图像的像素级图像分割系统，多个可见光相机和热成像传感器构成相机阵列，可见光相机搭建为多模态相机阵列组，构成多模态的信息源；图形采集卡连接多模态的信息源与采集工作站，将采集的图像数据存储在采集工作站中；服务器对采集工作站中的图形数据进行配准、后处理。本发明还公开了一种基于多模态光谱图像的像素级图像分割方法，通过将单模态的图像分割算法扩展成多模态输入，并在网络中间层将多模态特征图融合，提高了Mask-RCNN图像分割算法的精度。同时构建一套多模态光谱图像采集系统，可用于构建多模态数据集，应用于目标检测、图像分割、语义分割等相关机器视觉任务，具有现实的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN106952304B
公开(公告)日：2019-09-20
申请号：CN201710172103.X
申请日：2017-03-22
Applicant: 南京大学
IPC: G06T7/55
Abstract: 本发明公开一种利用视频序列帧间相关性的深度图像计算方法，包括：步骤1、对左右视点相机拍摄的图片进行校正；步骤2、对于第一帧的左右图片的点p，在最大视差搜索范围计算匹配代价，进行视差优化、视差细化，得到初始视差值d1；第一帧的视差梯度为g1；步骤3、对于下一帧的p点的计算，当p点不是异常点或边缘点，以上一帧p点的视差值为基准设定视差搜索范围，否则以最大视差搜索范围计算匹配代价，进行视差优化、视差细化，并得到当前帧的视差值及视差梯度，实现实时的立体匹配。本发明利用视频序列中上一帧的视差，大幅缩小了当前帧算法的计算量，能够在保证原有算法匹配精度的条件下，减小耗时，提高在实际应用场景中的效率。
-
公开(公告)号：CN110148168B
公开(公告)日：2023-03-24
申请号：CN201910432950.4
申请日：2019-05-23
Applicant: 南京大学
IPC: G06T7/593
Abstract: 本发明公开了基于大小双基线的三目相机深度图像处理方法，通过引入小基线相机组减少计算量，提高计算速度，同时通过大基线相机组进行小范围的立体匹配提高视差图精度，从而达到在提高精度的同时减少立体匹配的计算量的目的。本发明对于现有的双目相机系统，额外添加一个小基线相机，在相同的算法下，通过先计算小基线相机组的视差图，以其为基准扩展一个视差搜索窗口用于大基线相机组的立体匹配，这样不仅可以提高精度同时还减小了计算量，加快了计算速度，提高了整个系统在实际应用场景中的精度与效率，而且还降低了计算量。因此本发明的整个过程能大幅减少立体匹配的计算时间，同时还提高了算法的精度，在实时平台上具有极大应用前景。
-
公开(公告)号：CN110148168A
公开(公告)日：2019-08-20
申请号：CN201910432950.4
申请日：2019-05-23
Applicant: 南京大学
IPC: G06T7/593
Abstract: 本发明公开了基于大小双基线的三目相机深度图像处理方法，通过引入小基线相机组减少计算量，提高计算速度，同时通过大基线相机组进行小范围的立体匹配提高视差图精度，从而达到在提高精度的同时减少立体匹配的计算量的目的。本发明对于现有的双目相机系统，额外添加一个小基线相机，在相同的算法下，通过先计算小基线相机组的视差图，以其为基准扩展一个视差搜索窗口用于大基线相机组的立体匹配，这样不仅可以提高精度同时还减小了计算量，加快了计算速度，提高了整个系统在实际应用场景中的精度与效率，而且还降低了计算量。因此本发明的整个过程能大幅减少立体匹配的计算时间，同时还提高了算法的精度，在实时平台上具有极大应用前景。
-
公开(公告)号：CN111462128B
公开(公告)日：2023-12-12
申请号：CN202010466697.7
申请日：2020-05-28
Applicant: 南京大学
Abstract: 本发明公开了一种基于多模态光谱图像的像素级图像分割系统，多个可见光相机和热成像传感器构成相机阵列，可见光相机搭建为多模态相机阵列组，构成多模态的信息源；图形采集卡连接多模态的信息源与采集工作站，将采集的图像数据存储在采集工作站中；服务器对采集工作站中的图形数据进行配准、后处理。本发明还公开了一种基于多模态光谱图像的像素级图像分割方法，通过将单模态的图像分割算法扩展成多模态输入，并在网络中间层将多模态特征图融合，提高了Mask‑RCNN图像分割算法的精度。同时构建一套多模态光谱图像采集系统，可用于构建多模态数据集，应用于目标检测、图像分割、语义分割等相关机器视觉任务，具有现实的应用前景。
-
公开(公告)号：CN106952304A
公开(公告)日：2017-07-14
申请号：CN201710172103.X
申请日：2017-03-22
Applicant: 南京大学
IPC: G06T7/55
Abstract: 本发明公开一种利用视频序列帧间相关性的深度图像计算方法，包括：步骤1、对左右视点相机拍摄的图片进行校正；步骤2、对于第一帧的左右图片的点p，在最大视差搜索范围计算匹配代价，进行视差优化、视差细化，得到初始视差值d1；第一帧的视差梯度为g1；步骤3、对于下一帧的p点的计算，当p点不是异常点或边缘点，以上一帧p点的视差值为基准设定视差搜索范围，否则以最大视差搜索范围计算匹配代价，进行视差优化、视差细化，并得到当前帧的视差值及视差梯度，实现实时的立体匹配。本发明利用视频序列中上一帧的视差，大幅缩小了当前帧算法的计算量，能够在保证原有算法匹配精度的条件下，减小耗时，提高在实际应用场景中的效率。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
