-
公开(公告)号：CN118333909B
公开(公告)日：2024-08-30
申请号：CN202410747126.9
申请日：2024-06-11
Applicant: 湖南大学
IPC: G06T5/77 , G06T5/60 , G06T5/40 , G06T5/50 , G06T5/92 , G06T3/4038 , G06T3/4053 , G06T7/00 , G06T7/33 , H04N5/04 , H04N23/90
Abstract: 本发明公开一种面向海面场景的多目图像采集与预处理系统及方法，其中多相机图像同步采集子系统确保多相机采集的图像数据时序上对齐以满足实时拼接的需要，图像拼接子系统能够将不同相机传感器特性导致的色彩误差消除，避免拼接后存在明显可见的拼接线与来自于不同图像部分的色彩差异，并且高效地将多相机同步采集的低分辨率、小视野的单目图像降低色彩差异并拼接为高分辨率的大视野图像，达到视频处理的速率，自适应增强子系统采用一种以面向多源干扰的图像质量评价分数引导的、基于多尺度卷积神经网络的图像自适应增强方法，既保障了图像数据的主观可见性，又有效避免了干扰因素对图像特征的扰动，为后续视觉感知任务提供了高质量图像数据。
-
公开(公告)号：CN118333909A
公开(公告)日：2024-07-12
申请号：CN202410747126.9
申请日：2024-06-11
Applicant: 湖南大学
IPC: G06T5/77 , G06T5/60 , G06T5/40 , G06T5/50 , G06T5/92 , G06T3/4038 , G06T3/4053 , G06T7/00 , G06T7/33 , H04N5/04 , H04N23/90
Abstract: 本发明公开一种面向海面场景的多目图像采集与预处理系统及方法，其中多相机图像同步采集子系统确保多相机采集的图像数据时序上对齐以满足实时拼接的需要，图像拼接子系统能够将不同相机传感器特性导致的色彩误差消除，避免拼接后存在明显可见的拼接线与来自于不同图像部分的色彩差异，并且高效地将多相机同步采集的低分辨率、小视野的单目图像降低色彩差异并拼接为高分辨率的大视野图像，达到视频处理的速率，自适应增强子系统采用一种以面向多源干扰的图像质量评价分数引导的、基于多尺度卷积神经网络的图像自适应增强方法，既保障了图像数据的主观可见性，又有效避免了干扰因素对图像特征的扰动，为后续视觉感知任务提供了高质量图像数据。
-
公开(公告)号：CN113989382B
公开(公告)日：2024-06-21
申请号：CN202111173175.9
申请日：2021-10-08
Applicant: 湖南大学
IPC: G06T7/80
Abstract: 一种云台相机主动标定方法，包括利用云台相机对某个至少有两条直线的3D场景进行拍摄，旋转云台相机，采集不少于三张图片，并确定3D场景中的直线在当前图片像素坐标系下的直线方程；包括根据云台相机的旋转角度，确定采集到的图片的坐标系以及前后图片中同一点的数学关系，得到前后图片之间点的直接投影关系式，利用前后图片中直线上的点的约束性，将前后图片之间点的直接投影关系式与其约束项进行整合、简化；还包括根据直线上的点、点之间的投影关系及找到的直线对，确定关于相机内参的线性方程，结合所有线性方程，计算得到云台相机的四个内参。本发明利用直线对的位置信息来完成云台相机内参的计算，方便、快捷、精确度高。
-
公开(公告)号：CN116469027A
公开(公告)日：2023-07-21
申请号：CN202310254240.3
申请日：2023-03-15
Applicant: 浦湘生物能源股份有限公司 , 湖南大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种垃圾堆场卸料门开关状态检测方法及系统，所述方法包括步骤：1)预先建立并训练好垃圾堆场卸料门开关状态检测模型；其中垃圾堆场卸料门开关状态检测模型采用轻量化神经网络模型；2)获取待检测图像，并对待检测图像进行灰度自适应调整，以实现亮度自适应调整；其中待检测图像为垃圾堆场卸料门视频图像帧数据；3)将灰度自适应调整好的待检测图像输入至垃圾堆场卸料门开关状态检测模型中，得到此待检测图像中卸料门的开关状态。本发明具有检测精度高，实时性好等优点。
-
公开(公告)号：CN115658164A
公开(公告)日：2023-01-31
申请号：CN202211177357.8
申请日：2022-09-26
Applicant: 湖南大学
Abstract: 一种分布式串行编排服务执行方法及系统，该方法先将设备服务应用的信息注册到ESB总线，再利用ESB总线对注册的服务进行编排，形成编排信息，接着向ESB总线请求调用编排服务，由ESB总线按照请求服务对应编排规则，根据待调用服务所在服务器的类型或用户配置，向待调用服务所在的服务器发送相应的服务请求，若服务器接收到的服务请求为普通服务请求，则服务器调用对应的设备服务应用获得结果返回至ESB总线，若为编排服务请求，则编排服务执行服务器先调用对应的设备服务应用获得结果，随后根据编排服务请求中的自定义报文头，查询对应的服务编排规则信息，按照编排规则信息调用后续服务，完成后将当前服务执行状态发送至ESB总线。
-
Patent Agency Ranking
公开(公告)号：CN114119862A
公开(公告)日：2022-03-01
申请号：CN202111307227.7
申请日：2021-11-05
Applicant: 浦湘生物能源股份有限公司 , 湖南大学
Abstract: 本发明公开了一种基于宽基线光场成像技术的垃圾堆场三维重建方法及系统，此方法包括步骤：S1，利用多相机阵列采集垃圾堆场图像；S2，对采集后的稀疏相机阵列图像恢复全光场图像；S3，在全光场图像中选择多个视角流的图像作为输入数据；S4，通过宽基线光场公开数据集LLF和垃圾堆场采集到的光场图像序列作为模型训练样本；S5，利用模型训练样本训练深度神经网络得到相应的权重与偏置，得到权重与偏置带入验证数据集，计算出验证数据集的预测误差，并保存使训练集预测误差最小的权重和偏置；S6，将S5中使训练集预测误差最小的权重和偏置带入预测集合中，推理计算得到预测深度值。本发明具有成本低、精度高、实时性好等优点。
-
公开(公告)号：CN114119698A
公开(公告)日：2022-03-01
申请号：CN202110676865.X
申请日：2021-06-18
Applicant: 湖南大学
Abstract: 基于注意力机制的无监督单目深度估计方法，包括以下步骤：步骤S1：将KITTI数据集调整至同一分辨率大小后，划分为训练数据集、验证数据集和测试数据集；步骤S2：对训练数据集和验证数据集中的数据进行数据增广；步骤S3：构建单目深度估计神经网络；步骤S4：利用训练数据集训练单目深度估计神经网络得到相应的权重与偏置，即网络模型参数，将得到的网络模型参数代入验证数据集，保存使得验证数据集损失函数最小的网络模型参数；步骤S5：使用损失函数最小的网络模型参数，对测试数据集进行测试，得到测试数据集的预测值。本发明能有效提高单目深度估计的精度。
-
公开(公告)号：CN113989382A
公开(公告)日：2022-01-28
申请号：CN202111173175.9
申请日：2021-10-08
Applicant: 湖南大学
IPC: G06T7/80
Abstract: 一种云台相机主动标定方法，包括利用云台相机对某个至少有两条直线的3D场景进行拍摄，旋转云台相机，采集不少于三张图片，并确定3D场景中的直线在当前图片像素坐标系下的直线方程；包括根据云台相机的旋转角度，确定采集到的图片的坐标系以及前后图片中同一点的数学关系，得到前后图片之间点的直接投影关系式，利用前后图片中直线上的点的约束性，将前后图片之间点的直接投影关系式与其约束项进行整合、简化；还包括根据直线上的点、点之间的投影关系及找到的直线对，确定关于相机内参的线性方程，结合所有线性方程，计算得到云台相机的四个内参。本发明利用直线对的位置信息来完成云台相机内参的计算，方便、快捷、精确度高。
-
公开(公告)号：CN113792811A
公开(公告)日：2021-12-14
申请号：CN202111108636.4
申请日：2021-09-22
Applicant: 湖南大学
Abstract: 一种基于混沌特性分析的火焰燃烧稳定性识别方法，包括步骤1)选取某一时间段的带有类标的火焰视频作为训练样本，选取另一时间段待测稳定性的火焰视频作为测试样本；提取训练样本和测试样本的每一帧火焰图像，计算火焰图像的平均灰度值，形成火焰视频光照序列；步骤2)依次对训练样本和测试样本的火焰视频光照序列进行高维相空间重构、可视化递归图、提取纹理特征以及降维处理，而后选取训练样本的主成分特征及其类标输入分类器中进行训练，得到训练好的分类器；步骤3)将测试样本的主成分特征输入至已训练好的分类器中，判断测试样本中火焰燃烧的稳定性。本发明采用递归图纹理特征反应火焰光照序列的动态特性，从而有效判断火焰燃烧的稳定性。
-
公开(公告)号：CN111680715A
公开(公告)日：2020-09-18
申请号：CN202010383990.7
申请日：2020-05-08
Applicant: 湖南大学
IPC: G06K9/62
Abstract: 本发明公开了一种考虑类别不平衡的回转窑烧结状态识别方法，通过采集回转窑的工况数据；对热工信号进行特征提取，转化成用于分类的训练数据；对预处理后的数据计算出核矩阵；将核矩阵和训练样本进行ODM训练学习得到训练分类器C，运用训练分类器C计算出训练样本到分类面的间隔，并计算出间隔均值，计算得到保角变换函数，对核函数进行修正，得到新的核矩阵，使用修正后的核矩阵进行ODM训练，得到分类器。解决了现有技术没有考虑到回转窑烧结状态存在数据类别不均衡，从而造成烧结状态在异常状态下识别精度低，泛化性能差的问题。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.029 seconds)
