一种牙齿点云配准方法、系统及可读存储介质

    公开(公告)号:CN114241018B

    公开(公告)日:2023-05-09

    申请号:CN202111503312.0

    申请日:2021-12-09

    Inventor: 李纯明 王琛

    Abstract: 本发明公开了一种牙齿点云配准方法、系统及可读存储介质,该方法包括:获取第一点云和第二点云对应的第一二维点云和第二二维点云集,其中,所述第一二维点云是所述第一点云沿对应z轴正方向投影得到,所述第二二维点云集是所述第二点云分别沿对应z轴正方向和负方向投影得到的两个第二二维点云组成的集合,然后将该第一二维点云和第二二维点云集中两个第二二维点云分别对齐后扩展到三维得到粗配准点云,最后将粗配准点云进行局部精配准,本发明为牙齿点云的配准提供了一种新的配准方法,避免了现有技术中容易受到噪声及误匹配的影响,或需要非常高的计算复杂度,极大地提高了牙齿点云配准的速度和准确度。

    一种牙齿点云配准方法、系统及可读存储介质

    公开(公告)号:CN114241018A

    公开(公告)日:2022-03-25

    申请号:CN202111503312.0

    申请日:2021-12-09

    Inventor: 李纯明 王琛

    Abstract: 本发明公开了一种牙齿点云配准方法、系统及可读存储介质,该方法包括:获取第一点云和第二点云对应的第一二维点云和第二二维点云集,其中,所述第一二维点云是所述第一点云沿对应z轴正方向投影得到,所述第二二维点云集是所述第二点云分别沿对应z轴正方向和负方向投影得到的两个第二二维点云组成的集合,然后将该第一二维点云和第二二维点云集中两个第二二维点云分别对齐后扩展到三维得到粗配准点云,最后将粗配准点云进行局部精配准,本发明为牙齿点云的配准提供了一种新的配准方法,避免了现有技术中容易受到噪声及误匹配的影响,或需要非常高的计算复杂度,极大地提高了牙齿点云配准的速度和准确度。

    一种二分类网络的非监督训练方法

    公开(公告)号:CN109934281B

    公开(公告)日:2021-01-26

    申请号:CN201910175530.2

    申请日:2019-03-08

    Abstract: 本发明提供了一种二分类网络的非监督训练方法,属于图像处理、深度学习、模式识别领域。本发明通过对样本数据的一系列处理,对聚类网络进行不同阶段的训练,使用训练好的聚类网络对图像进行分类,避免了监督样本的缺乏,数据标注所需数据获取难度过大、成本过高的问题,使聚类网络的训练及分类结果的实现更为简单、高效。

    一种基于卷积神经网络的安全帽实时检测方法

    公开(公告)号:CN110119686B

    公开(公告)日:2020-09-25

    申请号:CN201910307891.8

    申请日:2019-04-17

    Abstract: 本发明公开了一种基于卷积神经网络的安全帽实时检测方法,它采用多线程提取I帧的方式对视频解码;通过YOLOv3卷积神经网络算法实现端到端的安全帽和人脸实时检测;提出了基于安全帽和人脸实时检测的结果判断是否佩戴安全帽的方法;对于未佩戴安全帽的人通过FaceNet算法实现了人脸识别来对他们进行智能语音提醒;采用了通道剪枝和量化的方法对模型进行了压缩,更加利于模型在SoC系统上的集成。本发明结合了YOLOv3和FaceNet的各自优势,解决了视频流中实时佩戴安全帽的精确端到端的检测问题,实现了在视频流中对安全帽的佩戴实时检测,能够实时监督工作人员是否按照规定佩戴安全帽来降低安全风险。

    一种基于卷积核权重参数的目标分类和角度估计方法

    公开(公告)号:CN109726769A

    公开(公告)日:2019-05-07

    申请号:CN201910068946.4

    申请日:2019-01-24

    Abstract: 本发明提供了一种基于卷积核权重参数的目标分类和角度估计方法,属于图像处理技术领域。本发明通过构建空不变卷积网络,对其训练得到空不变卷积网络的权重函数,并根据空不变卷积网络的权重函数得到卷积核权重参数和偏置参数以及全连接层权重参数,对卷积核权重参数进行旋转处理得到卷积层权重参数,并将卷积层权重参数和全连接层权重参数加载至构建的组合网络中,输入图片至组合网络中,在对图片图标分类的同时,提供目标的角度信息。

    一种OPA扫描动态成像方法及成像系统

    公开(公告)号:CN113534099B

    公开(公告)日:2024-04-09

    申请号:CN202110790396.4

    申请日:2021-07-13

    Abstract: 本发明涉及一种OPA扫描动态成像方法及成像系统,该方法包括:获取目标扫描回波信号,根据目标扫描回波信号,得到目标的第一移动速度分量和第二移动速度分量;结合第一移动速度分量和第二移动速度分量,计算得到目标的参考光场;获取目标光强回波信号,根据目标光强回波信号,得到目标的信号光场;根据参考光场和信号光场,利用鬼成像实现目标的成像。本发明的OPA扫描动态成像方法,能够有限测量光场范围内物体的移动速度,而且能够实现超分辨率快速成像。

    一种大场景SAR图像细微目标检测方法

    公开(公告)号:CN110135267B

    公开(公告)日:2020-09-25

    申请号:CN201910307904.1

    申请日:2019-04-17

    Abstract: 本发明提出了一种大场景SAR图像细微目标检测方法,它是基于卷积神经网络和YOLO算法目标检测原理,将SAR图像目标检测变换成回归问题,引入残差网络结构和构建特征金字塔,利用1×1卷积核实现SAR图像目标不同特征层交互及跨尺度预测,使得神经网络更加有利于大场景SAR目标特征提取及小目标实时检测;同时使用K‑means聚类确定边界框,使得神经网络训练所需的锚点框数量更少、模型表示能力更强、任务更容易学习。本发明具有实现简单、检测效率高、检测精度高、检测速度快、适用性好,能够实现对大场景SAR图像细微目标的精确端到端检测。

    一种基于卷积核权重参数的目标分类和角度估计方法

    公开(公告)号:CN109726769B

    公开(公告)日:2020-07-10

    申请号:CN201910068946.4

    申请日:2019-01-24

    Abstract: 本发明提供了一种基于卷积核权重参数的目标分类和角度估计方法,属于图像处理技术领域。本发明通过构建空不变卷积网络,对其训练得到空不变卷积网络的权重函数,并根据空不变卷积网络的权重函数得到卷积核权重参数和偏置参数以及全连接层权重参数,对卷积核权重参数进行旋转处理得到卷积层权重参数,并将卷积层权重参数和全连接层权重参数加载至构建的组合网络中,输入图片至组合网络中,在对图片图标分类的同时,提供目标的角度信息。

Patent Agency Ranking