-
公开(公告)号：CN116540261B
公开(公告)日：2024-11-12
申请号：CN202310511886.5
申请日：2023-05-08
Applicant: 南京邮电大学
Abstract: 本发明属于激光雷达技术领域，具体提出了一种改进的时间关联单光子三维成像方法。本发明方法相较于传统的单光子三维成像方法，在深度估计方面同时使用上升沿估计方法，从而使成像结果表现出更强的稳定性和鲁棒性，主要包括以下步骤：步骤1，使用时间相关单光子计数激光雷达系统对待测物体在X‑Y两维平面内进行扫描，获取扫描平面内每个像素的光子计数的直方图；步骤2，根据获取的光子计数直方图拟合出仪器响应函数的曲线；步骤3，根据拟合出仪器响应函数的曲线，计算出每个像素的最佳深度估计位置，并据此计算每个像素的以距离为单位的深度，恢复出深度图。
-
公开(公告)号：CN116843548B
公开(公告)日：2024-12-20
申请号：CN202310661648.2
申请日：2023-06-06
Applicant: 南京邮电大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/082 , G06N3/048 , G06V10/44 , G06V10/80 , G06V10/774
Abstract: 本发明属于三维点云超分辨率领域，具体涉及基于机器学习的触觉辅助三维点云超分辨率方法。克服了高倍点云超分辨率时输入低分辨率点云信息过少导致重建出的高分辨率点云边缘效果不佳的问题，利用局部触觉信息改善点云超分辨率效果。主要包括以下步骤：步骤1、构建含有局部触觉信息的点云超分辨率数据集；步骤2、使用构建出的点云特征提取模块将输入到神经网络的低分辨率点云和局部触觉点云做特征提取并融合；步骤3、以监督学习的方式使用数据集训练神经网络；步骤4、将低分辨率点云和局部触觉点云输入到训练好的网络中，生成高分辨率点云。
-
公开(公告)号：CN116843548A
公开(公告)日：2023-10-03
申请号：CN202310661648.2
申请日：2023-06-06
Applicant: 南京邮电大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/082 , G06N3/048 , G06V10/44 , G06V10/80 , G06V10/774
Abstract: 本发明属于三维点云超分辨率领域，具体涉及基于机器学习的触觉辅助三维点云超分辨率方法。克服了高倍点云超分辨率时输入低分辨率点云信息过少导致重建出的高分辨率点云边缘效果不佳的问题，利用局部触觉信息改善点云超分辨率效果。主要包括以下步骤：步骤1、构建含有局部触觉信息的点云超分辨率数据集；步骤2、使用构建出的点云特征提取模块将输入到神经网络的低分辨率点云和局部触觉点云做特征提取并融合；步骤3、以监督学习的方式使用数据集训练神经网络；步骤4、将低分辨率点云和局部触觉点云输入到训练好的网络中，生成高分辨率点云。
-
公开(公告)号：CN116540261A
公开(公告)日：2023-08-04
申请号：CN202310511886.5
申请日：2023-05-08
Applicant: 南京邮电大学
Abstract: 本发明属于激光雷达技术领域，具体提出了一种改进的时间关联单光子三维成像方法。本发明方法相较于传统的单光子三维成像方法，在深度估计方面同时使用上升沿估计方法，从而使成像结果表现出更强的稳定性和鲁棒性，主要包括以下步骤：步骤1，使用时间相关单光子计数激光雷达系统对待测物体在X‑Y两维平面内进行扫描，获取扫描平面内每个像素的光子计数的直方图；步骤2，根据获取的光子计数直方图拟合出仪器响应函数的曲线；步骤3，根据拟合出仪器响应函数的曲线，计算出每个像素的最佳深度估计位置，并据此计算每个像素的以距离为单位的深度，恢复出深度图。
-
-
-
Search Results
4
records
(took 0.017 seconds)
