-
公开(公告)号：CN119067839B
公开(公告)日：2025-02-25
申请号：CN202411213350.6
申请日：2024-08-30
Applicant: 重庆大学
Abstract: 本发明涉及图像处理技术，揭露了一种基于否定概率和深度估计的图像BEV视角转换方法，包括：提取每个视角下的前视图像的语义特征图集；对所述前视图像语义特征图集进行深度估计并进行概率映射，得到初始概率分布，汇总初始概率分布得到初始概率分布矩阵；对初始概率分布矩阵进行否定概率变换，得到否定概率分布矩阵；将否定概率分布矩阵和初始概率分布矩阵分别与前视图像语义特征图集进行特征融合，得到平面特征；将所述平面特征转化为视锥特征并映射至三维空间，得到BEV视角特征图。本发明还提出一种基于否定概率和深度估计的图像BEV视角转换装置、设备及介质。本发明可以提高基于否定概率和深度估计的图像BEV视角转换的准确性。
-
公开(公告)号：CN119067839A
公开(公告)日：2024-12-03
申请号：CN202411213350.6
申请日：2024-08-30
Applicant: 重庆大学
Abstract: 本发明涉及图像处理技术，揭露了一种基于否定概率和深度估计的图像BEV视角转换方法，包括：提取每个视角下的前视图像的语义特征图集；对所述前视图像语义特征图集进行深度估计并进行概率映射，得到初始概率分布，汇总初始概率分布得到初始概率分布矩阵；对初始概率分布矩阵进行否定概率变换，得到否定概率分布矩阵；将否定概率分布矩阵和初始概率分布矩阵分别与前视图像语义特征图集进行特征融合，得到平面特征；将所述平面特征转化为视锥特征并映射至三维空间，得到BEV视角特征图。本发明还提出一种基于否定概率和深度估计的图像BEV视角转换装置、设备及介质。本发明可以提高基于否定概率和深度估计的图像BEV视角转换的准确性。
-
公开(公告)号：CN119066613A
公开(公告)日：2024-12-03
申请号：CN202411193492.0
申请日：2024-08-28
Applicant: 重庆大学
IPC: G06F18/25 , G06F18/22 , G06N3/0464
Abstract: 本发明提供了一种基于多尺度局部交叉注意力的多传感器特征融合方法，包括：将图像特征张量作为查询矩阵源数据，将点云特征张量分别作为键矩阵源数据和值矩阵源数据，利用多尺度局部交叉注意力算法获得图像多尺度注意力加权特征；将点云特征张量作为查询矩阵源数据，将图像特征张量分别作为键矩阵源数据和值矩阵源数据，利用多尺度局部交叉注意力算法获得点云多尺度注意力加权特征；融合图像多尺度注意力加权特征和点云多尺度注意力加权特征获得模态融合特征。本发明还公开了一种基于多尺度局部交叉注意力的多传感器特征融合装置，一种计算机程序产品，一种电子设备。本发明减少了信息丢失，提升了最终获得的模态融合特征的感知性能。
-
公开(公告)号：CN118135220A
公开(公告)日：2024-06-04
申请号：CN202410288871.1
申请日：2024-03-14
Applicant: 重庆大学
IPC: G06V10/26 , G06V20/70 , G06V10/762 , G06V10/40 , G06V10/80
Abstract: 本发明涉及点云数据处理技术，揭露了基于体素和点集融合的点云分割方法，包括：获取原始点云数据，并将所述原始点云数据进行预处理，得到超体素数据；将所述超体素数据利用预设的区域生长算法进行聚类分割，得到聚类超体素数据；提取所述聚类超体素数据中的特征，得到超体素特征；利用预设的点云特征提取网络模型提取所述原始点云数据的点云特征，得到点云特征；将所述超体素特征与所述点云特征进行融合，得到融合特征，并根据所述融合特征对所述原始点云数据中的每个点云进行语义分类分割，得到点云分割结果。本发明还提出一种基于体素和点集融合的点云分割装置、设备以及介质。本发明可以提高基于体素和点集融合的点云分割的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119887522A
公开(公告)日：2025-04-25
申请号：CN202411950127.X
申请日：2024-12-27
Applicant: 重庆大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/60 , G06V10/44 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/096 , G06N3/0495 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于计算机视觉技术领域，提供了基于生成对抗网络逆映射技术的点云动态上采样方法，包括：将待处理点云输入点云动态上采样模型获得上采样点云；点云动态上采样模型包括L级生成器和多级细化机制模块；多级细化机制模块中第l‑1级上采样处理：当l＝1，将待处理点云映射为潜在空间特征；当l>1，将第l‑2级生成点云映射为潜在空间特征；对潜在空间特征进行潜在空间动态优化获得优化潜在向量；对优化潜在向量进行解码处理获得第l‑1级生成点云；若l＝L，则将第l‑1级生成点云作为上采样点云。本发明还公开了两种点云动态上采样模型训练方法和一种电子设备。本发明能够优化上采样点云的分布均匀性和几何细节表现力。
-
公开(公告)号：CN118135220B
公开(公告)日：2024-08-20
申请号：CN202410288871.1
申请日：2024-03-14
Applicant: 重庆大学
IPC: G06F16/55 , G06V10/26 , G06V10/762
Abstract: 本发明涉及点云数据处理技术，揭露了基于体素和点集融合的点云分割方法，包括：获取原始点云数据，并将所述原始点云数据进行预处理，得到超体素数据；将所述超体素数据利用预设的区域生长算法进行聚类分割，得到聚类超体素数据；提取所述聚类超体素数据中的特征，得到超体素特征；利用预设的点云特征提取网络模型提取所述原始点云数据的点云特征，得到点云特征；将所述超体素特征与所述点云特征进行融合，得到融合特征，并根据所述融合特征对所述原始点云数据中的每个点云进行语义分类分割，得到点云分割结果。本发明还提出一种基于体素和点集融合的点云分割装置、设备以及介质。本发明可以提高基于体素和点集融合的点云分割的准确性。
-
公开(公告)号：CN119888255A
公开(公告)日：2025-04-25
申请号：CN202411971477.4
申请日：2024-12-30
Applicant: 重庆大学
Abstract: 本发明涉及图像处理领域，涉及一种小目标端到端检测方法，包括：获取待检测的图像；提取图像的初始特征；将初始特征输入多尺度特征提取模块，多尺度特征提取模块根据预设规则处理初始特征，输出多尺度特征；根据预设的上下文引导机制对多尺度特征进行融合与重建，得到增强融合特征；根据增强的融合特征确定对图像的目标识别结果。本发明还提出一种小目标端到端检测系统、设备以及存储介质。本发明可以提升对图像中小目标的识别精度和对复杂场景的适应性。
-
公开(公告)号：CN119599922A
公开(公告)日：2025-03-11
申请号：CN202411643640.4
申请日：2024-11-18
Applicant: 重庆大学
Abstract: 本发明涉及点云数据增强技术，揭露了一种基于扩散模型的非规整料堆点云数据增强方法，包括：收集料堆原始点云数据并构建点云扩散模型；对料堆原始点云数据添加噪声后对点云扩散模型训练得到目标点云扩散模型；利用所述目标点云扩散模型的预训练完成的多尺度神经网络提取所述料堆原始点云数据的多层次几何特征，并利用所述多层次几何特征进行点云数据生成，得到生成点云数据；将生成点云数据和料堆原始点云数据进行数据整合得到增强料堆点云数据。本发明还提出一种基于扩散模型的非规整料堆点云数据增强装置、电子设备及存储介质。本发明可以提升矿区环境中料堆数据在规模和多样性上的数据增强效果。
-
公开(公告)号：CN118038073A
公开(公告)日：2024-05-14
申请号：CN202311624392.4
申请日：2023-11-30
Applicant: 重庆大学
IPC: G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于多头注意力机制的增强视角变换方法，包括以下步骤：1)对特征图像进行注意力机制运算，得到基于MHSA加权的特征图Fa；2)对特征图像Fc进行深度估计，将特征图像Fc的特征通道数由C维扩展到C+D维，再将C维的语义特征与D维的深度信息作外积，得到融合了深度信息的特征图Fc+d；3)利用特征图Fa对特征图Fc+d进行增强，弥补丢失信息，得到结合深度信息的增强特征图EFc+d；4)重复步骤1)至步骤3)，获得所有待处理图像的增强特征图，并将这些增强特征图映射到BEV空间，构建鸟瞰视图，实现多图像的特征融合。本发明利用注意力机制，对图像的语义特征进行保留，再将保留的语义特征与结合深度信息结合后的BEV特征结合，增强BEV特征的表达能力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
