-
公开(公告)号：CN110363710B
公开(公告)日：2023-04-28
申请号：CN201910468566.X
申请日：2019-05-31
Applicant: 广东工业大学
Abstract: 本发明公开了基于Bresenham直线表示的旋转图像定义域快速光栅化方法，采用Bresenham扫描线表示旋转后的图像I＇的边界，旋转后图像I＇的定义域Ω＇通过扫描线复制来获得，使能够在画线的同时填补空洞；采用增量法对每个像素赋值，在提高旋转图像的质量的同时，显著提高图像旋转的处理速度。
-
公开(公告)号：CN112099636B
公开(公告)日：2023-02-10
申请号：CN202011010380.9
申请日：2020-09-23
Applicant: 广东工业大学
IPC: G06F3/01
Abstract: 本申请公开了一种虚拟现实运动捕捉系统的精度检测方法和相关装置，方法包括：建立运动捕捉传感器的三维坐标，通过获取运动捕捉传感器处于静止时的旋转角度数据以及位置数据，进行均方根误差计算，得到位置抖动误差和旋转角度抖动误差，并进行艾伦方差分析，得到随机误差项；同时获取运动捕捉传感器处于动态时的旋转角度数据和平移数据，进行均方根误差计算，得到旋转误差和平移误差；最后将位置抖动误差、旋转角度抖动误差、随机误差项、旋转误差和平移误差，作为运动捕捉系统的精度值，实现了对虚拟现实运动捕捉系统的精度进行检测。
-
公开(公告)号：CN112634192A
公开(公告)日：2021-04-09
申请号：CN202011001309.4
申请日：2020-09-22
Applicant: 广东工业大学
Abstract: 本发明公开了一种结合小波变换的级联U‑N Net脑肿瘤分割方法，包括以下步骤：S1、对输入的图像序列进行预处理；图像序列包括四种模态数据FLAIR、T2、T1、T1C以及标注数据；S2、利用Pytorch深度学习框架建立级联型网络的第一层，对结合小波变换的U‑Net模型进行训练，然后将模型的训练结果与模态数据T1和T1C进行相乘处理，生成粗分割图像；S3、利用Pytorch深度学习框架建立级联型网络的第二层，对结合小波变换的N‑Net模型进行训练，生成精分割图像，即最终的脑肿瘤分割结果。本发明既能提高分割效率，又能解决脑肿瘤MRI分割中肿瘤边界模糊、分割精度低等问题。
-
公开(公告)号：CN110363710A
公开(公告)日：2019-10-22
申请号：CN201910468566.X
申请日：2019-05-31
Applicant: 广东工业大学
Abstract: 本发明公开了基于Bresenham直线表示的旋转图像定义域快速光栅化方法，采用Bresenham扫描线表示旋转后的图像I＇的边界，旋转后图像I＇的定义域Ω＇通过扫描线复制来获得，使能够在画线的同时填补空洞；采用增量法对每个像素赋值，在提高旋转图像的质量的同时，显著提高图像旋转的处理速度。
-
公开(公告)号：CN118967893B
公开(公告)日：2025-04-08
申请号：CN202411019450.5
申请日：2024-07-29
Applicant: 广东工业大学
Abstract: 本发明公开的属于计算机图形学技术领域，具体为基于3D高斯的人体重建和实时动画渲染系统，包括一种方法，具体步骤如下：参数提取、可变形高斯人体初始化、设置可学习优化的参数、可变形高斯人体变形、渲染、模型训练、实时人体动画，本发明无需复杂的设备，只需拍摄到人体的全部位置，将数据训练约3分钟，能有效地从单目视频中重建出精确的人体。同时，本发明可以以120fps的速度输出人体的图像序列，实现逼真地人体动画化。本发明在动态人体建模及实时渲染领域的应用更加广泛，特别是在虚拟现实、游戏开发和动画制作等领域，提供了一种效率更高、更逼真的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN113703570A
公开(公告)日：2021-11-26
申请号：CN202110940377.5
申请日：2021-08-16
Applicant: 广东工业大学
IPC: G06F3/01 , G06F3/0484 , G06T17/00
Abstract: 本发明实施例公开了一种基于VR环境的虚拟手模型构建方法及系统，所述方法包括：步骤1：构建虚拟手的手指骨骼模型B；步骤2：构建一个虚拟手的手指骨骼模型T，建立非穿透约束；步骤3：建模得到虚拟手的皮肤模型；步骤4：将用户的手部姿态输入应用到骨骼模型T中；步骤5：判断虚拟手是否处于抓取状态；步骤6：动态调整软体的刚度值；步骤7：动态调整虚拟手的软体的摩擦系数；步骤8：计算抓取过程中的动摩擦力和静摩擦力，调整被抓取物体的姿态，得到更加真实的抓取过程。本发明可以使抓取更加稳定，针对用户抓取时无法收到力反馈而产生的穿透、剧烈碰撞问题，同时可以避免出现软体的过度塌陷和弹出的问题。
-
公开(公告)号：CN112099636A
公开(公告)日：2020-12-18
申请号：CN202011010380.9
申请日：2020-09-23
Applicant: 广东工业大学
IPC: G06F3/01
Abstract: 本申请公开了一种虚拟现实运动捕捉系统的精度检测方法和相关装置，方法包括：建立运动捕捉传感器的三维坐标，通过获取运动捕捉传感器处于静止时的旋转角度数据以及位置数据，进行均方根误差计算，得到位置抖动误差和旋转角度抖动误差，并进行艾伦方差分析，得到随机误差项；同时获取运动捕捉传感器处于动态时的旋转角度数据和平移数据，进行均方根误差计算，得到旋转误差和平移误差；最后将位置抖动误差、旋转角度抖动误差、随机误差项、旋转误差和平移误差，作为运动捕捉系统的精度值，实现了对虚拟现实运动捕捉系统的精度进行检测。
-
公开(公告)号：CN109785418A
公开(公告)日：2019-05-21
申请号：CN201811571742.4
申请日：2018-12-21
Applicant: 广东工业大学
IPC: G06T15/00
Abstract: 本发明公开了一种基于视觉感知模型的注视点渲染优化，算法建立了一个感知模型来计算不同屏幕区域的视觉灵敏度，视觉灵敏度提供了去除不可察觉的三角形面片的提示，并细化了模型的可感知区域，因此在满足视觉感知的情况下，获得了更好的渲染性能，使曲面细分的结果很好地满足视觉感知大小。实验结果表明，该方法综合考虑了视觉感知大小和视网膜上的速度对渲染的影响，显着提高了实时渲染框架的渲染性能。
-
公开(公告)号：CN103544473B
公开(公告)日：2016-09-07
申请号：CN201310426395.7
申请日：2013-09-17
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于机器视觉的电子连接器检测方法，属于计算机程序设计的技术领域，其中包括图像的采集，图像分析与处理等。针对实际的目标图像通过图像平滑、图像分割、图像匹配、边缘提取、颜色识别等多种方法处理，得到电子连接器缺陷完整的几何特征，从而实现自动化检测。实验证明，系统的检测结果与人眼检测结果相符，不仅保证了检测的准确性，而且大大提高了电子连接器检测的效率。
-
公开(公告)号：CN103544473A
公开(公告)日：2014-01-29
申请号：CN201310426395.7
申请日：2013-09-17
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于机器视觉的电子连接器检测方法，属于计算机程序设计的技术领域，其中包括图像的采集，图像分析与处理等。针对实际的目标图像通过图像平滑、图像分割、图像匹配、边缘提取、颜色识别等多种方法处理，得到电子连接器缺陷完整的几何特征，从而实现自动化检测。实验证明，系统的检测结果与人眼检测结果相符，不仅保证了检测的准确性，而且大大提高了电子连接器检测的效率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.03 seconds)
