-
Patent Agency Ranking
公开(公告)号：CN113111887B
公开(公告)日：2022-04-15
申请号：CN202110453156.5
申请日：2021-04-26
Applicant: 河海大学常州校区
IPC: G06V10/26 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种基于相机和激光雷达信息融合的语义分割方法及系统，使用深度神经网络得到图像中目标物体的2D检测框，利用相机和激光雷达之间的转换关系筛选出检测框中的目标点云并进行密度聚类；然后采用改进的四邻域聚类对原始点云进行分割；最后融合不同的聚类结果得到带有语义标签的点云分割结果。图像和点云的信息融合使得该系统可以适用于更多复杂的外界环境，同时综合利用了深度学习和传统的点云聚类方法，使得点云的语义分割结果更加准确且鲁棒性更强。
-
公开(公告)号：CN111207670A
公开(公告)日：2020-05-29
申请号：CN202010123408.3
申请日：2020-02-27
Applicant: 河海大学常州校区
IPC: G01B11/00
Abstract: 本发明公开了一种线结构光标定装置及方法，方法包括如下步骤：（1）、利用张氏标定法标定相机的内参；（2）、利用PnP和非线性优化得到标定板平面在相机坐标系下的方程；（3）、利用RANSAC得出激光条纹在标定板上的二维方程；（4）、求出激光条纹在相机坐标系下的三维坐标；（5）、利用不同位姿下的激光条纹拟合得到光平面在相机坐标系下的方程。本发明的标定方法操作简单且精度较高，成像结果良好。适合在工业环境中进行实际运用。
-
公开(公告)号：CN113111887A
公开(公告)日：2021-07-13
申请号：CN202110453156.5
申请日：2021-04-26
Applicant: 河海大学常州校区
Abstract: 本发明提供了一种基于相机和激光雷达信息融合的语义分割方法及系统，使用深度神经网络得到图像中目标物体的2D检测框，利用相机和激光雷达之间的转换关系筛选出检测框中的目标点云并进行密度聚类；然后采用改进的四邻域聚类对原始点云进行分割；最后融合不同的聚类结果得到带有语义标签的点云分割结果。图像和点云的信息融合使得该系统可以适用于更多复杂的外界环境，同时综合利用了深度学习和传统的点云聚类方法，使得点云的语义分割结果更加准确且鲁棒性更强。
-
公开(公告)号：CN112017248A
公开(公告)日：2020-12-01
申请号：CN202010813058.3
申请日：2020-08-13
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于点线特征的2D激光雷达相机多帧单步标定方法。通过选取带有线性特征的室内结构化物体例如方柱、墙角等作为标定的对象，对相机采集到的图像进行直线特征提取，并进一步得到直线方程的参数值；假设雷达的扫描平面和墙角等具有线性特征的物体所在的直线相交于一点，将激光雷达扫描到的多帧数据叠加在一起，然后对物体表面的点云进行直线拟合，并求得拟合直线的交点，通过拟合的交点和图像中的线特征建立方程，求得投影矩阵中的未知参数。该方法在保证较高的投影精度的同时，具有较低的时间和算法复杂度，提高了标定工作的效率。
-
公开(公告)号：CN112017248B
公开(公告)日：2022-04-01
申请号：CN202010813058.3
申请日：2020-08-13
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于点线特征的2D激光雷达相机多帧单步标定方法。通过选取带有线性特征的室内结构化物体例如方柱、墙角等作为标定的对象，对相机采集到的图像进行直线特征提取，并进一步得到直线方程的参数值；假设雷达的扫描平面和墙角等具有线性特征的物体所在的直线相交于一点，将激光雷达扫描到的多帧数据叠加在一起，然后对物体表面的点云进行直线拟合，并求得拟合直线的交点，通过拟合的交点和图像中的线特征建立方程，求得投影矩阵中的未知参数。该方法在保证较高的投影精度的同时，具有较低的时间和算法复杂度，提高了标定工作的效率。
-
-
-
-
Search Results
5
records
(took 0.045 seconds)
