公开(公告)号：CN109242910B

公开(公告)日：2021-10-08

申请号：CN201810952873.0

申请日：2018-08-21

Applicant: 电子科技大学

Inventor： 程建 ,  康玄烨 ,  苏炎洲 ,  周娇 ,  刘三元

IPC: G06T7/80 ,  G06T7/13

Abstract: 本发明公开了一种基于任意已知平面形状的单目相机自标定方法。本发明充分利用目标中已知平面形状信息，对目标与相机间位姿关系无任何要求，适应尺度、旋转及射影变换，且对遮挡、杂波具有一定的鲁棒性；无需额外标定物及相机特殊运动，大大降低相机标定过程的复杂度；解决了自标定结果实时性、准确性差的技术问题。

公开(公告)号：CN109242910A

公开(公告)日：2019-01-18

申请号：CN201810952873.0

申请日：2018-08-21

Applicant: 电子科技大学

Inventor： 程建 ,  康玄烨 ,  苏炎洲 ,  周娇 ,  刘三元

IPC: G06T7/80 ,  G06T7/13

Abstract: 本发明公开了一种基于任意已知平面形状的单目相机自标定方法。本发明充分利用目标中已知平面形状信息，对目标与相机间位姿关系无任何要求，适应尺度、旋转及射影变换，且对遮挡、杂波具有一定的鲁棒性；无需额外标定物及相机特殊运动，大大降低相机标定过程的复杂度；解决了自标定结果实时性、准确性差的技术问题。

公开(公告)号：CN109145920A

公开(公告)日：2019-01-04

申请号：CN201810952528.7

申请日：2018-08-21

Applicant: 电子科技大学

Inventor： 程建 ,  苏炎洲 ,  康玄烨 ,  郭桦 ,  刘三元

IPC: G06K9/34 ,  G06K9/62 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/342 ,  G06K9/627 ,  G06N3/0454 ,  G06N3/084 ,  G06T7/11 ,  G06T2207/10004 ,  G06T2207/20016 ,  G06T2207/20081 ,  G06T2207/20084

Abstract: 本发明公开了一种基于深度神经网络的图像语义分割方法，包括以下步骤：S1、构建基于密集连接网络和多孔空间金字塔池化的深度神经网络；S2、对数据集的训练图片进行预处理，并将预处理结果输入至深度神经网络中进行训练，得到图像语义分割模型；S3、将待测试的图像输入图像语义分割模型，进行一次前向传播，端到端的输出语义分割结果。通过密集连接网络不进行图像降采样，而保持图像的空间维度来进行训练，通过多孔空间金字塔池化模块捕捉图像的多尺度信息，能够有效地解决图像语义分割准确率低、图像空间细节信息丢失的问题，最终得到较好的图像语义分割结果。

公开(公告)号：CN109145983A

公开(公告)日：2019-01-04

申请号：CN201810952416.1

申请日：2018-08-21

Applicant: 电子科技大学

Inventor： 程建 ,  苏炎洲 ,  郭桦 ,  康玄烨 ,  刘济樾

IPC: G06K9/62

CPC classification number: G06K9/6268 ,  G06K9/6256

Abstract: 本发明公开了一种基于轻量化网络的实时场景图像语义分割方法，包括以下步骤：S1、根据场景图像数据集，训练一个轻量化网络分类模型；S2、以轻量化网络分类模型为基础构建深度卷积神经网络模型；S3、将场景图像数据集中训练数据输入至深度卷积神经网络，输出预测图像，并与场景图像数据集中的语义标注图像对比，并计算出交叉熵损失作为目标函数，得到训练好的图像语义分割模型；S4、将待测试的实时场景图像输入至图像语义分割模型中，得到图像语义分割结果。本发明通过将修改过的MobileNetV2作为基础网络，能高效地提取图像特征，在上采样过程中，运用快捷连接块，使参数利用更加高效，进一步提高了语义分割模型的速度。