公开(公告)号：CN114792334A

公开(公告)日：2022-07-26

申请号：CN202210512097.9

申请日：2022-05-12

Applicant: 广东工业大学 ,  珠海一微半导体股份有限公司

Inventor： 黄子杰 ,  黄楠 ,  符传毓 ,  蔡述庭 ,  赵伟兵 ,  张启航 ,  许泽曦 ,  廖永健 ,  曹启库 ,  詹瑞典 ,  肖刚军

IPC: G06T7/593 ,  G06K9/62

Abstract: 本发明公开一种基于视觉重建的深度信息处理方法，该深度信息处理方法包括步骤1、机器人通过设置深度信息调整量来调节像素点的光度一致性代价值，再根据调节后的光度一致性代价值来识别像素点所处的纹理区域的类型；步骤2、当机器人识别到第一纹理区域内的像素点时，机器人利用光度一致性约束准则来处理第一纹理区域内的像素点的深度信息；当机器人识别到第二纹理区域内的像素点时，机器人利用光度一致性的代价信息和几何投影一致性约束准则来处理第二纹理区域内的像素点的深度信息；步骤3、机器人使用步骤2最新处理出的深度信息进行帧间法向量一致性约束，获得相应像素点的帧间法向量一致性代价值。

公开(公告)号：CN114842145A

公开(公告)日：2022-08-02

申请号：CN202210497213.4

申请日：2022-05-09

Applicant: 广东工业大学

Inventor： 黄楠 ,  符传毓 ,  黄子杰 ,  张启航 ,  许泽曦 ,  廖永健 ,  曹启库 ,  蔡述庭

IPC: G06T17/00

Abstract: 本发明提供一种针对高分辨率图像的三维重建方法，包括：对高分辨率图像进行降采样处理；对降采样处理后的图像进行聚类，将保留占当前图像的10％的类别逐次投影到三维空间中，对每个类别进行平面拟合并将其反投影至对应的类别赋予深度值得到mean‑shift先验深度图；对未处理的图像区域进行超像素分割，将保留的超像素块逐次投影到三维空间中，并对每个超像素块进行平面拟合，得到拟合平面反投影至当前图像对应的超像素块赋予深度值得到超像素先验深度图；将上述得到的mean‑shift先验深度图和超像素先验深度图合成最终的先验深度图；对最终的先验深度图中的先验深度值计算，得到最终的深度图，对高分辨率图像进行三维重建。

公开(公告)号：CN114972638B

公开(公告)日：2025-05-06

申请号：CN202210538242.0

申请日：2022-05-18

Applicant: 广东工业大学

Inventor： 符传毓 ,  黄楠 ,  黄子杰 ,  张启航 ,  许泽曦 ,  廖永健 ,  曹启库 ,  刘远 ,  熊晓明 ,  蔡述庭

IPC: G06T17/00 ,  G06T7/50 ,  G06T3/4007

Abstract: 本发明提供了一种基于梯度一致性的高分辨率场景多视图立体方法，包括：计算原始图像集合的深度图和法向量图，同时处理原始图像集合，得到图像梯度图；计算深度图和法向量图中所有像素点的几何一致性匹配代价，并通过图像梯度图计算控制几何一致性的带有截断的权重大小，计算匹配代价函数，得到初级的深度图和初级的法向量图；使用两种算法计算图像深度梯度并归一化处理两者之间的差值得到梯度一致性部分的匹配代价，计算总匹配代价函数，得到中级的深度图和中级的法向量图；对中级的深度图和中级的法向量图做滤波处理；通过三角插值补全的方式在没有深度值或法向量的像素点插入新的深度值或法向量，得到准确的深度图和准确的法向量图。

公开(公告)号：CN114708293A

公开(公告)日：2022-07-05

申请号：CN202210283858.8

申请日：2022-03-22

Applicant: 广东工业大学

Inventor： 许泽曦 ,  蔡述庭 ,  熊晓明 ,  刘远 ,  黄楠 ,  张启航

IPC: G06T7/207 ,  G06T7/70 ,  G06V10/40 ,  G06V10/25 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习点线特征和IMU紧耦合的机器人运动估计方法，包括：对当前帧图像进行实例分割处理得到动态像素和静态像素；对于静态像素部分，提取预测的重复性单元和稠密描述子并进行线特征提取；获取像素级可重复性图和分块级可重复性图，采用基于可重复性的残差，构造点特征重投影误差函数，从而估计机器人位姿；利用线特征构建线特征重投影误差函数，约束位姿估计；对连续两帧图像之间的IMU数据进行预积分，构造IMU误差函数对位姿的迭代优化；最小化点特征重投影误差函数、线特征重投影误差函数以及IMU误差函数之和来优化所有状态变量，求得准确的机器人位姿信息。本发明解决了现有技术在动态环境中定位精度不高、鲁棒性差等问题。

公开(公告)号：CN114972638A

公开(公告)日：2022-08-30

申请号：CN202210538242.0

申请日：2022-05-18

Applicant: 广东工业大学

Inventor： 符传毓 ,  黄楠 ,  黄子杰 ,  张启航 ,  许泽曦 ,  廖永健 ,  曹启库 ,  刘远 ,  熊晓明 ,  蔡述庭

IPC: G06T17/00 ,  G06T7/50 ,  G06T3/40

Abstract: 本发明提供了一种基于梯度一致性的高分辨率场景多视图立体方法，包括：计算原始图像集合的深度图和法向量图，同时处理原始图像集合，得到图像梯度图；计算深度图和法向量图中所有像素点的几何一致性匹配代价，并通过图像梯度图计算控制几何一致性的带有截断的权重大小，计算匹配代价函数，得到初级的深度图和初级的法向量图；使用两种算法计算图像深度梯度并归一化处理两者之间的差值得到梯度一致性部分的匹配代价，计算总匹配代价函数，得到中级的深度图和中级的法向量图；对中级的深度图和中级的法向量图做滤波处理；通过三角插值补全的方式在没有深度值或法向量的像素点插入新的深度值或法向量，得到准确的深度图和准确的法向量图。