-
公开(公告)号：CN115900580B
公开(公告)日：2024-05-28
申请号：CN202211246983.8
申请日：2022-10-12
Applicant: 广东工业大学
Abstract: 本发明涉及结构光三维成像技术领域，更具体地说，它涉及一种结构光三维成像系统及非线性误差抑制方法，其技术方案要点是：包括以下步骤：S1、利用所述结构光三维成像系统拍摄所述目标物的图像；S2、利用非线性误差抑制方法处理所述目标物的图像；S3、采用四步相移法重建目标物的高清三维图像。本发明通过对伽马畸变模型以及在谐波分析的基础上对结构光系统中存在的非线性误差进行了深入的分析研究后，提出了评价非线性畸变程度的标准，算法通过条纹图像中包含的伽马值信息，经过迭代计算即可估计出准确的伽马值，无需引入复杂函数的计算。
-
公开(公告)号：CN117095158B
公开(公告)日：2024-04-26
申请号：CN202311063505.8
申请日：2023-08-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于多尺度分解卷积的太赫兹图像危险品检测方法，包括：利用太赫兹成像设备获取待测目标物图像；将所述待测目标物图像进行处理，构建输入图像数据集；构建目标检测网络模型，将所述待测目标物图像输入所述目标检测网络模型，生成不同尺寸大小的特征层，对所述特征层中的特征进行多尺度特征融合，提取多尺度的特征，识别隐藏危险品，其中所述目标检测网络模型通过所述输入图像数据集进行训练获得；若所述待测目标物图像中存在危险品，则输出包含危险品检测框、危险品类别号及预测概率值的隐藏危险品检测结果图像，若所述待测目标物图像中不存在危险品，则输出与输入一致的所述待测目标物图像。
-
Patent Agency Ranking
公开(公告)号：CN115900580A
公开(公告)日：2023-04-04
申请号：CN202211246983.8
申请日：2022-10-12
Applicant: 广东工业大学
Abstract: 本发明涉及结构光三维成像技术领域，更具体地说，它涉及一种结构光三维成像系统及非线性误差抑制方法，其技术方案要点是：包括以下步骤：S1、利用所述结构光三维成像系统拍摄所述目标物的图像；S2、利用非线性误差抑制方法处理所述目标物的图像；S3、采用四步相移法重建目标物的高清三维图像。本发明通过对伽马畸变模型以及在谐波分析的基础上对结构光系统中存在的非线性误差进行了深入的分析研究后，提出了评价非线性畸变程度的标准，算法通过条纹图像中包含的伽马值信息，经过迭代计算即可估计出准确的伽马值，无需引入复杂函数的计算。
-
公开(公告)号：CN117853732A
公开(公告)日：2024-04-09
申请号：CN202410087737.5
申请日：2024-01-22
Applicant: 广东工业大学
IPC: G06V10/26 , G06V20/70 , G06V20/52 , G06V40/10 , G06V10/764 , G06V10/766 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种自监督可重数化太赫兹图像危险品实例分割方法，包括：对太赫兹人体隐匿危险品安检图像数据集进行数据增强；通过增强后的数据集预训练自监督学习图像掩码建模增强模型，获取自监督学习图像掩码建模增强模型的编码器参数；将自监督学习图像掩码建模增强模型的编码器作为实例分割模型的初始特征提取主干网络；迁移编码器参数，通过未增强的太赫兹人体隐匿危险品安检图像数据集微调实例分割模型的初始特征提取主干网络，获取实例分割模型的特征提取主干网络；将待分割的人体隐匿危险品安检图像输入实例分割模型的特征提取主干网络，提取多尺度特征，将多尺度特征进行集成，并进行动态解耦，获取危险品检测分割结果。
-
公开(公告)号：CN117095158A
公开(公告)日：2023-11-21
申请号：CN202311063505.8
申请日：2023-08-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于多尺度分解卷积的太赫兹图像危险品检测方法，包括：利用太赫兹成像设备获取待测目标物图像；将所述待测目标物图像进行处理，构建输入图像数据集；构建目标检测网络模型，将所述待测目标物图像输入所述目标检测网络模型，生成不同尺寸大小的特征层，对所述特征层中的特征进行多尺度特征融合，提取多尺度的特征，识别隐藏危险品，其中所述目标检测网络模型通过所述输入图像数据集进行训练获得；若所述待测目标物图像中存在危险品，则输出包含危险品检测框、危险品类别号及预测概率值的隐藏危险品检测结果图像，若所述待测目标物图像中不存在危险品，则输出与输入一致的所述待测目标物图像。
-
公开(公告)号：CN115775236B
公开(公告)日：2023-07-14
申请号：CN202211483954.3
申请日：2022-11-24
Applicant: 广东工业大学
Abstract: 本申请公开了基于多尺度特征融合的表面微小缺陷视觉检测方法及系统，其中方法包括以下步骤：采集被测目标物图像集，并基于被测目标物图像集构建工业品微小缺陷的图像训练数据集；基于图像训练数据集，进行多尺度特征融合深度神经网络训练，得到优化后深度神经网络；将待测目标物图像输入至优化后深度神经网络进行处理，得到目标物缺陷图像。本申请通过采用注意力机制以及多尺度特征融合网络结构，可以有效抑制下采样导致的信息丢失，提高工业品微小缺陷检测的识别率，另外，增加小目标检测层，能够更加准确检测出工业品的微小缺陷，有利于机器视觉缺陷检测技术的应用研究。
-
公开(公告)号：CN115775236A
公开(公告)日：2023-03-10
申请号：CN202211483954.3
申请日：2022-11-24
Applicant: 广东工业大学
Abstract: 本申请公开了基于多尺度特征融合的表面微小缺陷视觉检测方法及系统，其中方法包括以下步骤：采集被测目标物图像集，并基于被测目标物图像集构建工业品微小缺陷的图像训练数据集；基于图像训练数据集，进行多尺度特征融合深度神经网络训练，得到优化后深度神经网络；将待测目标物图像输入至优化后深度神经网络进行处理，得到目标物缺陷图像。本申请通过采用注意力机制以及多尺度特征融合网络结构，可以有效抑制下采样导致的信息丢失，提高工业品微小缺陷检测的识别率，另外，增加小目标检测层，能够更加准确检测出工业品的微小缺陷，有利于机器视觉缺陷检测技术的应用研究。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
