-
公开(公告)号：CN110610503B
公开(公告)日：2023-10-27
申请号：CN201910773369.9
申请日：2019-08-21
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于立体匹配的电力刀闸三维信息恢复方法，通过对采集的双目立体图像进行立体匹配得到刀闸二维视差图，之后结合双目立体视觉原理，恢复刀闸图像的三维空间信息；所述的立体匹配包括构建匹配代价计算函数和加权水平树结构，在此基础上结合边缘检测进行代价聚集，之后通过视差计算和视差精化得到二维视差图。采用本发明的方法可以有效地提高刀闸匹配的准确率和效率，获得更加精确的刀闸视差图和三维坐标信息。
-
公开(公告)号：CN109887008A
公开(公告)日：2019-06-14
申请号：CN201811016383.6
申请日：2018-08-31
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于前后向平滑和O(1)复杂度视差立体匹配方法，分别对左右目图像进行前后向平滑处理，结合颜色和梯度信息构建代价计算函数并计算代价值。在代价聚集阶段，分别对平滑后的左右目图像构建最小生成树，并对代价函数值进行代价聚集，采用WTA策略得到初始视差，通过左右一致性检测判定稳定和不稳定点并得到初始视差置信，同时对不稳定点进行孔洞填充，得到初始视差图，结合左图的颜色信息和初始视差图，得到混合权值，并基于初始视差置信和混合权值，采用水平树结构对置信值进行置信聚集；将置信聚集值进行置信传播，求得最优视差估计值，从而得到最后的稠密视差图；本发明有效地提高立体匹配的准确率和效率。
-
公开(公告)号：CN109887008B
公开(公告)日：2022-09-13
申请号：CN201811016383.6
申请日：2018-08-31
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于前后向平滑和O(1)复杂度视差立体匹配方法，分别对左右目图像进行前后向平滑处理，结合颜色和梯度信息构建代价计算函数并计算代价值。在代价聚集阶段，分别对平滑后的左右目图像构建最小生成树，并对代价函数值进行代价聚集，采用WTA策略得到初始视差，通过左右一致性检测判定稳定和不稳定点并得到初始视差置信，同时对不稳定点进行孔洞填充，得到初始视差图，结合左图的颜色信息和初始视差图，得到混合权值，并基于初始视差置信和混合权值，采用水平树结构对置信值进行置信聚集；将置信聚集值进行置信传播，求得最优视差估计值，从而得到最后的稠密视差图；本发明有效地提高立体匹配的准确率和效率。
-
公开(公告)号：CN110610503A
公开(公告)日：2019-12-24
申请号：CN201910773369.9
申请日：2019-08-21
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于立体匹配的电力刀闸三维信息恢复方法，通过对采集的双目立体图像进行立体匹配得到刀闸二维视差图，之后结合双目立体视觉原理，恢复刀闸图像的三维空间信息；所述的立体匹配包括构建匹配代价计算函数和加权水平树结构，在此基础上结合边缘检测进行代价聚集，之后通过视差计算和视差精化得到二维视差图。采用本发明的方法可以有效地提高刀闸匹配的准确率和效率，获得更加精确的刀闸视差图和三维坐标信息。
-
Patent Agency Ranking
公开(公告)号：CN110222634A
公开(公告)日：2019-09-10
申请号：CN201910481323.X
申请日：2019-06-04
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种基于卷积神经网络的人体姿态识别方法，首先获取人体姿态数据集，并对其进行视频切成图像帧的预处理；然后搭建卷积神经网络模型，通过在RELU激励函数输入处引入稀疏性，减少激励函数的不必要输入；接着结合稀疏项优化传统目标损失函数，通过迭代更新参数，对网络进行训练，从而获得最优解；最后，根据训练所得的网络模型，对人体姿态进行识别，输出人体姿态类别。本发明的有益效果是：本发明采用的方法在保持较高姿态识别率的同时，可以加快收敛速度，提高网络的泛化能力。
-
公开(公告)号：CN110222634B
公开(公告)日：2022-11-01
申请号：CN201910481323.X
申请日：2019-06-04
Applicant: 河海大学常州校区
IPC: G06V40/20 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的人体姿态识别方法，首先获取人体姿态数据集，并对其进行视频切成图像帧的预处理；然后搭建卷积神经网络模型，通过在RELU激励函数输入处引入稀疏性，减少激励函数的不必要输入；接着结合稀疏项优化传统目标损失函数，通过迭代更新参数，对网络进行训练，从而获得最优解；最后，根据训练所得的网络模型，对人体姿态进行识别，输出人体姿态类别。本发明的有益效果是：本发明采用的方法在保持较高姿态识别率的同时，可以加快收敛速度，提高网络的泛化能力。
-
公开(公告)号：CN109146946B
公开(公告)日：2022-01-04
申请号：CN201810995010.1
申请日：2018-08-29
Applicant: 河海大学常州校区
Abstract: 本发明公开了一种图像非局部立体匹配方法，包括结合颜色和梯度信息作为相似性测度函数构建代价计算函数；通过对左右目图像构建最小生成树，并对代价函数值进行代价聚集；采用WTA策略得到初始视差图，通过左右一致性检测得到不稳定点，并进行孔洞填充，接着对视差图进行边缘检测；根据得到的边缘图像，结合剪枝的思想对代价函数值进行进一步的聚集。最后，通过视差求精得到最终的稠密视差图。本发明方法采用RGB彩色信息可以避免灰度图像中相同灰度、不同颜色的像素点产生的误匹配，提高弱纹理区域的匹配精度；实现无纹理区域的邻域在代价聚集阶段也能提供相应的权值支撑，有效地解决了无纹理区域不提供有效代价聚集值的问题。
-
公开(公告)号：CN109146946A
公开(公告)日：2019-01-04
申请号：CN201810995010.1
申请日：2018-08-29
Applicant: 河海大学常州校区
CPC classification number: G06T7/55 , G06K9/6282 , G06T7/337 , G06T7/90
Abstract: 本发明公开了一种图像非局部立体匹配方法，包括结合颜色和梯度信息作为相似性测度函数构建代价计算函数；通过对左右目图像构建最小生成树，并对代价函数值进行代价聚集；采用WTA策略得到初始视差图，通过左右一致性检测得到不稳定点，并进行孔洞填充，接着对视差图进行边缘检测；根据得到的边缘图像，结合剪枝的思想对代价函数值进行进一步的聚集。最后，通过视差求精得到最终的稠密视差图。本发明方法采用RGB彩色信息可以避免灰度图像中相同灰度、不同颜色的像素点产生的误匹配，提高弱纹理区域的匹配精度；实现无纹理区域的邻域在代价聚集阶段也能提供相应的权值支撑，有效地解决了无纹理区域不提供有效代价聚集值的问题。
-
公开(公告)号：CN204759690U
公开(公告)日：2015-11-11
申请号：CN201520473918.8
申请日：2015-07-03
Applicant: 河海大学常州校区
IPC: G08B21/02
Abstract: 本实用新型公开了一种基于无线蓝牙模块的智能防丢装置，包括主防丢手环、多个从防丢手环，所述主防丢手环安装在儿童手腕上，各从防丢手环分别安装在对应的家长手腕上，所述主防丢手环内嵌入有主控制PCB电路板，多个从防丢手环均嵌入有从控制PCB电路板，主控制PCB电路板与各从控制PCB电路板之间通过无线蓝牙模块进行通信。本实用新型的基于无线蓝牙模块的智能防丢装置，能够使能在儿童与多个家长之间连起无形的防丢绳，及时提醒家长和儿童保持在安全防丢范围内，以防儿童走丢，从而大大减少了儿童走失现象的发生，使用方便，具有良好的应用前景。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.028 seconds)
