-
公开(公告)号：CN112017234A
公开(公告)日：2020-12-01
申请号：CN202010863081.3
申请日：2020-08-25
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于稀疏点云重建的堆料体积测量方法，步骤如下：使用第一工业相机和第二工业相机从不同的视角获取堆料图像对；采用SURF算子提取堆料图像的特征点；采用双边滤波算法对图像进行滤波，提取堆料图像中堆料区域的轮廓；筛选出在堆料区域轮廓内的SURF特征点，并对这些点进行立体匹配与计算这些点的三维信息；采用Delaunay三角剖分方法对提取出的特征点进行三角剖分，结合三角剖分结果和特征点三维信息计算堆料的体积。本发明提出的基于稀疏点云重建的堆料体积测量方法操作简单，体积计算方法效率高、误差低、易于实现。
-
公开(公告)号：CN112017234B
公开(公告)日：2022-11-18
申请号：CN202010863081.3
申请日：2020-08-25
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于稀疏点云重建的堆料体积测量方法，步骤如下：使用第一工业相机和第二工业相机从不同的视角获取堆料图像对；采用SURF算子提取堆料图像的特征点；采用双边滤波算法对图像进行滤波，提取堆料图像中堆料区域的轮廓；筛选出在堆料区域轮廓内的SURF特征点，并对这些点进行立体匹配与计算这些点的三维信息；采用Delaunay三角剖分方法对提取出的特征点进行三角剖分，结合三角剖分结果和特征点三维信息计算堆料的体积。本发明提出的基于稀疏点云重建的堆料体积测量方法操作简单，体积计算方法效率高、误差低、易于实现。
-
公开(公告)号：CN108875846A
公开(公告)日：2018-11-23
申请号：CN201810430121.8
申请日：2018-05-08
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种手写数字识别的无监督学习方法，根据模拟生物信息处理机制，首先建立脉冲神经网络模型，确定神经元之间的连接方式，然后根据突触前后踪迹学习规则，建立脉冲时间依赖可塑性模型，最后运用遗传算法对脉冲神经网络中的突触前初始权重和突触延迟进行优化，训练并测试MNIST数据集，实现了对手写数字识别的无监督学习。实验表明该方法有效地提升了训练速度并提高了识别正确率。
-
公开(公告)号：CN108875846B
公开(公告)日：2021-12-10
申请号：CN201810430121.8
申请日：2018-05-08
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种手写数字识别的无监督学习方法，根据模拟生物信息处理机制，首先建立脉冲神经网络模型，确定神经元之间的连接方式，然后根据突触前后踪迹学习规则，建立脉冲时间依赖可塑性模型，最后运用遗传算法对脉冲神经网络中的突触前初始权重和突触延迟进行优化，训练并测试MNIST数据集，实现了对手写数字识别的无监督学习。实验表明该方法有效地提升了训练速度并提高了识别正确率。
-
-
-
Search Results
4
records
(took 0.018 seconds)
