-
Patent Agency Ranking
公开(公告)号：CN116823989A
公开(公告)日：2023-09-29
申请号：CN202310765902.3
申请日：2023-06-27
Applicant: 浙江大学
IPC: G06T11/00 , G01N23/046 , G06T17/00 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于学习的断层扫描成像及重建方法，以光照复用的方式测量场景密度分布。成像时光源按照预学习得到的强度发出光线，来自不同方向的光线由场景吸收衰减后到达传感器，对测量值计算重建得到场景的密度信息。发光强度及重建算法由神经网络学习得到。该方法将CT成像过程建模为线性全连接层，权重对应于成像时光源的发光强度；重建算法建模为非线性神经网络，可根据扫描几何的特性针对性地优化。该方法所需的采集数据数量少，计算重建无需强先验假设，实现了高效高质量的CT采集重建，可应用于高速动态场景三维重建。
-
公开(公告)号：CN108985333A
公开(公告)日：2018-12-11
申请号：CN201810623164.8
申请日：2018-06-15
Applicant: 浙江大学
Abstract: 本发明公开了一种基于神经网络的材质获取方法和系统，该方法包括训练阶段和采集阶段；训练阶段首先得到采集设备的参数，生成模拟实际的摄像机采集结果的合成材质数据作为训练数据；然后根据合成训练数据训练神经网络；采集阶段首先按照训练得到的光照图案依次对目标物体进行照射，获得一组照片，然后依次遍历照片的像素和通道，组成一个向量并送入恢复网络得到材质信息。本发明极大地减少了材质采集所需时间，且具有较高采集质量；采集条件为近场光，采集对象为各向异性材质，为该领域最复杂的情况，且本发明方法仅需少量照片。任何使用光照图案思想的采集设备都可以利用本发明的方法，针对性地训练网络，提高高质量材质信息的采集效率。
-
公开(公告)号：CN110570503B
公开(公告)日：2021-04-16
申请号：CN201910829629.X
申请日：2019-09-03
Applicant: 浙江大学 , 杭州相芯科技有限公司
Abstract: 本发明公开了一种基于神经网络的三维物体法向量、几何及材质获取方法，本发明在“对物体主动照射若干特定的图案，同时采集照片，通过对所得照片计算来获得物体法向量”的思想上，给出了一个结合神经网络的获取方法。进一步地，该方法将获得的法向量用于优化物体的模型。该方法还可在获取法向量的同时，获取材质特征信息。最终联合得到高质量的几何及材质采集结果。使用该方法得到的光照图案数量少，所获取的法向量精度高且该方法不限于某一特定的采集设备。
-
公开(公告)号：CN108985333B
公开(公告)日：2020-10-23
申请号：CN201810623164.8
申请日：2018-06-15
Applicant: 浙江大学
Abstract: 本发明公开了一种基于神经网络的材质获取方法和系统，该方法包括训练阶段和采集阶段；训练阶段首先得到采集设备的参数，生成模拟实际的摄像机采集结果的合成材质数据作为训练数据；然后根据合成训练数据训练神经网络；采集阶段首先按照训练得到的光照图案依次对目标物体进行照射，获得一组照片，然后依次遍历照片的像素和通道，组成一个向量并送入恢复网络得到材质信息。本发明极大地减少了材质采集所需时间，且具有较高采集质量；采集条件为近场光，采集对象为各向异性材质，为该领域最复杂的情况，且本发明方法仅需少量照片。任何使用光照图案思想的采集设备都可以利用本发明的方法，针对性地训练网络，提高高质量材质信息的采集效率。
-
公开(公告)号：CN110570503A
公开(公告)日：2019-12-13
申请号：CN201910829629.X
申请日：2019-09-03
Applicant: 浙江大学 , 杭州相芯科技有限公司
Abstract: 本发明公开了一种基于神经网络的三维物体法向量、几何及材质获取方法，本发明在“对物体主动照射若干特定的图案，同时采集照片，通过对所得照片计算来获得物体法向量”的思想上，给出了一个结合神经网络的获取方法。进一步地，该方法将获得的法向量用于优化物体的模型。该方法还可在获取法向量的同时，获取材质特征信息。最终联合得到高质量的几何及材质采集结果。使用该方法得到的光照图案数量少，所获取的法向量精度高且该方法不限于某一特定的采集设备。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
