公开(公告)号：CN116500038A

公开(公告)日：2023-07-28

申请号：CN202310483025.0

申请日：2023-04-28

Applicant: 湘潭大学

Inventor： 许海霞 ,  韩丰 ,  周维 ,  刘彦帮 ,  丁凡迅 ,  胡开宇 ,  许宇婷 ,  朱江 ,  张东波 ,  孟步敏

IPC: G01N21/88 ,  G01N21/952

Abstract: 本发明公开了一种微小工件外径圆柱面缺陷检测的图像获取方法。本发明包括以下步骤：1、光栅式旋转打光下，4个工位的相机全方位对工件外径圆柱面成像，每台相机连续拍摄多帧，使圆柱面同一位置分别在明视场、暗视场、明暗交界视场下成像。2、对每个工位的图像进行定位，确定图像中检测区域的精确位置。3、每个工位都将该工位每个工件的多帧图像的精确检测区域进行仿射变换、拼接合并为一张图像，得到工件在该工位下的检测区域的拼接图，拼接图对应区域不小于工件外径90度范围的圆柱面。本发明使得圆柱面缺陷成像更加稳定，特征更加明显、丰富，增大了缺陷在图像中所占比例，有利于后续检测。

公开(公告)号：CN116310305A

公开(公告)日：2023-06-23

申请号：CN202211515772.X

申请日：2022-11-29

Applicant: 湘潭大学

Inventor： 许海霞 ,  刘彦帮 ,  周维 ,  王玮 ,  朱江 ,  张东波 ,  彭伟 ,  丁凡迅 ,  韩丰 ,  胡开宇 ,  许宇婷

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明公开了一种基于张量和二阶协方差注意力机制的编解码结构语义分割模型。本发明包括以下步骤：1、模型建立，设计一种基于张量和二阶协方差注意力机制的编解码结构语义分割模型，通过在编码器中利用注意力机制学习像素点图像特征之间的关联性并增强深层语义信息，在解码器中将浅层和深层语义信息进行融合来捕获图像的上下文语义信息，以扩大不同类别物体的类间差异性。2、模型训练，首先对数据集预处理，然后对建立好的模型进行模型训练。3、模型推理，将测试集的图像输入到训练好的模型中，推理测试图像的语义类别预测值，评估测试模型推理的准确度。本发明是一种针对图像语义分割的神经网络模型，获得了在语义分割领域较好的分割效果。

公开(公告)号：CN118429358A

公开(公告)日：2024-08-02

申请号：CN202410598016.0

申请日：2024-05-14

Applicant: 湘潭大学

Inventor： 周维 ,  盘运红 ,  姚嘉杰 ,  胡开宇 ,  许海霞 ,  魏名安 ,  焦健斌

IPC: G06T7/10 ,  G06V10/26 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明公开了一种融合特征距离和外部注意力的大规模户外点云分割方法。本发明包括以下步骤：1、点云获取，通过无人机LIDAR获取大规模户外点云数据进行分析并划分数据集；2、模型建立，设计一种融合特征距离和外部注意力的大规模户外点云分割模型，通过特征距离最远点采样F‑FPS算法加强点采样多样性以及外部注意力机制加强对整个点云数据集中的数据特征间关系的聚合；3、模型训练，利用划分的训练集点云数据进行模型训练；4、模型推理，将测试集的点云数据输入到训练好的模型中，推理测试点云的语义类别预测值，评估预测准确度。本发明是提供一种融合特征距离和外部注意力的大规模户外点云分割方法，在大规模户外场景下获得了较好的分割效果。

公开(公告)号：CN116295505A

公开(公告)日：2023-06-23

申请号：CN202310197915.5

申请日：2023-03-03

Applicant: 湘潭大学

Inventor： 许海霞 ,  彭伟 ,  王玮 ,  许宇婷 ,  胡开宇 ,  周维 ,  朱江 ,  张东波 ,  周博文 ,  孟步敏

IPC: G01C22/00 ,  G06V10/26 ,  G06V10/82 ,  G06V10/774 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08 ,  G06F18/214

Abstract: 本发明公开了一种基于深度学习的视觉里程计方法。本发明包括以下步骤：步骤1：设计特征点提取、匹配及语义区域提取的深度网络模型；步骤2：提取静态区域的特征点匹配对；步骤3：帧间运动估计、姿态估计及运动轨迹估计；本发明是一种针对机器人视觉定位导航问题的方法，利用在语义分割领域的深度学习预训练模型的特征提取能力，设计了一种高效的深度特征视觉里程计方法，在避免了模型需要额外训练的问题的同时，结合语义信息剔除动态物体上的特征点，消除动态物体的影响，该方法具有较高的定位精度和一定的通用性。

公开(公告)号：CN118247511A

公开(公告)日：2024-06-25

申请号：CN202410445342.8

申请日：2024-04-12

Applicant: 湘潭大学

Inventor： 许海霞 ,  胡开宇 ,  周维 ,  许宇婷 ,  刘彦帮 ,  韩丰 ,  丁凡迅 ,  朱江 ,  张东波

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06V20/64 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于全局特征增强的点云语义分割方法。本发明包括以下步骤：1、点云数据获取及预处理，获取点云数据，对其进行预处理，并划分训练集及测试集，以训练和测试模型。2、点云语义分割模型的建立，提供一种基于全局特征增强的点云语义分割方法来增强模型对点云全局特征的理解和利用能力，在编码器‑解码器结构的点云语义分割网络中引入二阶协方差增强通道注意力模块CECA与伪Non‑Local空间注意力模块PSA级联的注意力模块。其中，前者通过建模每个特征通道的二阶协方差统计量来学习通道之间的相互依赖关系以增强通道注意力的表示能力；后者可以有效地捕获整个空间中点与点之间的关联性，两者均旨在捕获点云数据的全局特征信息。3、点云语义分割模型的训练，利用训练集对建立好的模型进行训练。4、点云语义分割模型的测试，将测试集的点云数据输入到训练好的模型中，推理测试点云的语义类别预测值。本发明关注点云场景的全局特征，通过对全局特征的推理和增强，提升了点云场景的语义分割精度效果。

公开(公告)号：CN116386042A

公开(公告)日：2023-07-04

申请号：CN202310307905.2

申请日：2023-03-24

Applicant: 湘潭大学

Inventor： 许海霞 ,  王玮 ,  周维 ,  彭伟 ,  刘彦帮 ,  丁凡迅 ,  韩丰 ,  许宇婷 ,  胡开宇 ,  周博文

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于三维池化空间注意力机制的点云语义分割模型。本发明包括以下步骤：1、模型建立，设计一种基于三维池化空间注意力机制的点云语义分割模型，通过注意力机制学习三维空间中点云之间的关联性以及通过捕获局部邻域点云特征进一步捕获丰富的上下文三维空间语义信息。2、模型训练，首先对数据集预处理，然后输入到三维池化空间注意力机制的点云语义分割模型进行模型训练。3、模型推理，将测试集的点云数据输入到训练好的模型中，推理测试点云的语义类别预测值，评估预测准确度。本发明是一种针对点云语义分割的神经网络模型，特别是提出了一种三维池化空间注意力机制提取三维空间中点云与相邻点云之间的关联性的建模方法，获得了在三维点云语义分割领域较好的分割效果。