公开(公告)号：CN114187263B

公开(公告)日：2024-02-06

申请号：CN202111508929.1

申请日：2021-12-10

Applicant: 西安交通大学

Inventor： 武通海 ,  胡珂章 ,  王青华 ,  王硕

IPC: G06T7/00 ,  G06V10/60 ,  G06V10/764 ,  G06V10/82 ,  G06T15/00 ,  G06T15/50 ,  G06T17/20 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 一种融合先验引导和域适应的磨损表面朗伯反射分离方法，属于机器设备磨损状态监测领域；首先，构建面向乏样本磨损表面的朗伯反射分离深度网络模型，利用磨损表面已知的基本反射引导从光度图像序列到朗伯图像序列的预测，并通过域适应对齐仿真样本和真实样本两个不同域样本的中间特征，以联合这两种样本优化网络参数；其次，设计图像预测损失函数和域分类损失函数用于联合优化网络模型；再次，构建含标签仿真样本数据集和真实样本数据集；最后，完成网络模型训练并在真实磨损表面上应用；本发明有效地采用先验引导提高少样本下模型的预测精度，并通过域适应实现不同域样本的网络

公开(公告)号：CN116385520A

公开(公告)日：2023-07-04

申请号：CN202310352849.4

申请日：2023-04-04

Applicant: 西安交通大学

Inventor： 武通海 ,  胡珂章 ,  王硕 ,  王青华 ,  邵涛

IPC: G06T7/593 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种融合全光源图像的磨损表面形貌光度立体重建方法及系统，基于深度学习算法从光度立体输入中估计磨损表面法向，并使用打开所有光源拍摄的全光源图像为表面重建提供先验深度及其不确定性的估计，依据不确定性和几何约束将表面法向和先验深度进行逐像素融合，融合特征和先验深度进一步通过网络直接生成表面深度图，进而得到磨损表面三维形貌；整个网络模型由所设计的总损失函数和所构建的磨损表面合成数据集进行训练，并应用于实际磨损表面形貌重建；本发明在无需增加装置的情况下，通过引入全光源图像为光度立体方法重建磨损表面形貌提供先验深度信息，改善了非朗伯效应导致的重建磨损形貌翘曲失真问题，提高了三维重建精度。

公开(公告)号：CN114187263A

公开(公告)日：2022-03-15

申请号：CN202111508929.1

申请日：2021-12-10

Applicant: 西安交通大学

Inventor： 武通海 ,  胡珂章 ,  王青华 ,  王硕

IPC: G06T7/00 ,  G06V10/60 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06T15/00 ,  G06T15/50 ,  G06T17/20 ,  G06N3/04 ,  G06N3/08

Abstract: 一种融合先验引导和域适应的磨损表面朗伯反射分离方法，属于机器设备磨损状态监测领域；首先，构建面向乏样本磨损表面的朗伯反射分离深度网络模型，利用磨损表面已知的基本反射引导从光度图像序列到朗伯图像序列的预测，并通过域适应对齐仿真样本和真实样本两个不同域样本的中间特征，以联合这两种样本优化网络参数；其次，设计图像预测损失函数和域分类损失函数用于联合优化网络模型；再次，构建含标签仿真样本数据集和真实样本数据集；最后，完成网络模型训练并在真实磨损表面上应用；本发明有效地采用先验引导提高少样本下模型的预测精度，并通过域适应实现不同域样本的网络预测一致性，可用于乏样本下复杂反射磨损表面的光度立体精确重建。