-
公开(公告)号：CN116543009A
公开(公告)日：2023-08-04
申请号：CN202310248706.9
申请日：2023-03-15
Applicant: 南昌大学
Abstract: 本发明公开了一种基于ViBe的图像语义标签制作方法，包括1）视频采集并进行预处理；2）利用ViBe算法对视频图像进行运动目标检测；3）使用滑动窗口Sliding Window思想对视频图像运动目标进行关键帧提取；4）对3）提取的关键帧进行二值化区分前景与背景并使用中值滤波去除离群点，得到二值图像；5）对4）中的二值图像进行标签分类并对其前景所表示的区域进行像素填充；6）通过程序终端与人为判断将标签放入对应文件夹。本发明方法通过对关键帧的提取，结合滑动窗口思想提取目标关键帧前景并填充像素、给定标签，无需人为分割图像，降低了语义标签制作的复杂性，提高了标签制作的精度与效率。
-
公开(公告)号：CN118447091A
公开(公告)日：2024-08-06
申请号：CN202410602589.6
申请日：2024-05-15
Applicant: 南昌大学
Abstract: 本发明公开了一种视觉SLAM的动态特征剔除方法，包括：1）采用配准后的热像仪和RGB相机采集热图像和RGB图像；2）将采集的三通道RGB图像与热图像进行通道叠加，得到带RGBT四通道信息的图像；3）改进传统DeepLabv3+网络模型并对其进行训练；4）将改进后的DeepLabv3+网络模型用于语义分割，得到相应的静态和动态分割掩码；5）提取图像中的特征点，结合分割掩码将特征分为静态特征与动态特征；6）剔除动态特征，保留静态特征并将其用于进行后续的位姿估计与建图。本发明方法利用改进的四通道DeepLabv3+语义分割模型获取环境中所有物体的语义先验信息，准确分割场景中静态、潜在动态以及动态特征，并剔除场景中所有的动态特征点，从而提高VSLAM系统在复杂环境中的稳定性和鲁棒性。
-
公开(公告)号：CN116934790A
公开(公告)日：2023-10-24
申请号：CN202310563548.6
申请日：2023-05-18
Applicant: 南昌大学
Abstract: 本发明提供了一种基于ViBe多级级联的低动态前景提取方法，包括1）视频素材像素点的数学建模和初始化，建立原始图像样本库；2）设立阈值系数，对关键帧图像进行前景与背景的数值更新；3）重新维护阈值等参数，以一级级联的背景结果作为输入进行二级级联；4）进一步更新阈值等参数，以二级级联的背景结果作为输入进行三级级联，取三级级联下的前景结果作为终值模板输出。本发明方法能够分离出三种运动状态的物体，其中一级模型用于提取高动态运动目标，二级提取中速运动目标，三级提取低动态目标，以此加强对低动态目标在背景下的区分度，降低目标被背景吸收的风险，大大提升了前景提取效果。
-
公开(公告)号：CN116740711A
公开(公告)日：2023-09-12
申请号：CN202310597797.7
申请日：2023-05-25
Applicant: 南昌大学
Abstract: 本发明涉及一种结合ViBe与RGBD图像信息的图像语义标签制作方法，包括：1）视频采集和预处理；2）图像序列的空间配准，得到对应的变换矩阵；3）对灰度图像序列进行运动目标检测和二值化；4）提取二值化图像的关键帧及Id；5）提取深度图像关键帧边缘，根据深度信息，结合最大连通滤波算法和边缘区域遍历算法，对前景分割图像中的前景区域，进行边缘修正并去除阴影噪声；6）标签分类并对其前景区域进行像素填充；7）所得标签保存至对应文件夹。本发明方法通过关键帧的提取、使用深度信息去除图像阴影、结合滑动窗口思想提取目标关键帧前景并填充像素、给定标签，无需人为分割图像，降低了语义标签制作的复杂性，提高标签制作的精度与效率。
-
-
-
Search Results
4
records
(took 0.013 seconds)
