-
公开(公告)号：CN109544694A
公开(公告)日：2019-03-29
申请号：CN201811366602.3
申请日：2018-11-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于深度学习的增强现实系统虚实混合建模方法，针对增强现实系统虚实混合建模问题，该方法首先将相邻帧的虚拟模型视图和实际物体图片有差异的区域全部提取出来，输入的图像首先经过PBAS算法进行检测，完成对前景目标的分割，然后将分割得到的疑似目标区域送入VGGNet-16模型进行二次判断，将判断出的前景图像坐标输出，结合模型贴图与初始图像，得到虚实混合的模型结果。利用本发明提出的虚实混合建模方案，既能够大幅度降低算法整体的运算量，有效地降低算法对硬件的需求，又能够充分利用深度卷积神经网络模型VGGNET-16的高图像分类准确率保证目标检测效果，有效提高建模精确度。
-
公开(公告)号：CN110689573A
公开(公告)日：2020-01-14
申请号：CN201910841769.9
申请日：2019-09-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于边缘模型的增强现实无标识跟踪注册方法及装置，涉及领域在增强现实无标识中跟踪注册的实时性和鲁棒性问题。目前针对三维物体表面缺少足够的纹理特征，因特征点少而引起的位姿抖动或扰动，并且算法搜索空间太大的缺陷。针对这些问题，该方法是采用保持旋转和尺度不变形的线性并行多模态LINE-MOD模板匹配方法快速识别目标物体、获取与当前视角接近的参考视图而完成相机位姿的估计，并将该位姿作为基于边缘模型跟踪注册方法的初始化位姿，从而避免人工手动给定初始化位姿。因此，本发明能够进行快速跟踪注册，具有良好的实时性和鲁棒性。
-
公开(公告)号：CN109582138A
公开(公告)日：2019-04-05
申请号：CN201811366600.4
申请日：2018-11-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种增强现实系统中跟踪注册精度校正方法具体运行流程如下：对空间数据进行聚类分析；在局部采用T-S模糊系统进行预处理；从全局上利用深度学习进行训练；深度学习算法初步校正卷积神经网络的训练目标；采用最小二乘支持向量机进行求解；当精度达到应用要求则输出校正结果，否则将数据返回继续进行深度学习训练。
-
Patent Agency Ranking
公开(公告)号：CN108429753A
公开(公告)日：2018-08-21
申请号：CN201810216882.3
申请日：2018-03-16
Applicant: 重庆邮电大学
IPC: H04L29/06
Abstract: 本发明提出一种快速特征匹配的工业网络DDoS入侵检测方法，涉及工业网络通信领域，属于信息安全方面，该方法主要利用深度学习模型替换了传统的入侵检测所使用的数据库查找特征匹配模型，完成工业网络中入侵检测系统的设计。该方法首先提取数据包特征，进行特征筛选和构建特征矩阵，再将特征矩阵输入到深度学习模型中进行判别，模型经KDD99数据集训练，对DDoS攻击类型具有极高的识别率。该方法对传统的数据库查找特征匹配速度慢的缺陷做出改进，使系统不再需要等待查找数据库的耗时，极大的提高了匹配速率，另外匹配的精确度高，误报率低，并且部署方便，有效的降低了系统资源的使用，符合工业网络对网络实时性的要求。
-
公开(公告)号：CN110689573B
公开(公告)日：2022-07-01
申请号：CN201910841769.9
申请日：2019-09-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于边缘模型的增强现实无标识跟踪注册方法及装置，涉及领域在增强现实无标识中跟踪注册的实时性和鲁棒性问题。目前针对三维物体表面缺少足够的纹理特征，因特征点少而引起的位姿抖动或扰动，并且算法搜索空间太大的缺陷。针对这些问题，该方法是采用保持旋转和尺度不变形的线性并行多模态LINE‑MOD模板匹配方法快速识别目标物体、获取与当前视角接近的参考视图而完成相机位姿的估计，并将该位姿作为基于边缘模型跟踪注册方法的初始化位姿，从而避免人工手动给定初始化位姿。因此，本发明能够进行快速跟踪注册，具有良好的实时性和鲁棒性。
-
公开(公告)号：CN109960402B
公开(公告)日：2022-04-01
申请号：CN201811549587.6
申请日：2018-12-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于点云和视觉特征融合的虚实注册方法，整个过程分为离线和在线两个阶段完成，具体包括以下步骤：在离线阶段，在CAD环境中将参考对象零件三维CAD模型生成三维点云模型，为装配绝对坐标系的建立和后续的虚实注册做准备，为了加快点云配准及装配坐标系建立过程，在此阶段需要对参考对象零件的点云模型进行精简；在在线阶段，采集装配现场视频流并生成点云，利用参考对象点云和装配现场点云之间的配准完成装配绝对坐标系的定义，基于点云的虚实注册在迭代配准过程中需要一个初始配准阶段，设置初始点云相对位置，获得绝对坐标系下精确的跟踪注册矩阵。本发明既避免了相机移动速度过快时导致的“丢帧”情况，又提高了虚实注册精度。
-
公开(公告)号：CN110647925A
公开(公告)日：2020-01-03
申请号：CN201910842182.X
申请日：2019-09-06
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明请求保护一种基于改进的LINE-MOD模板匹配的刚性物体识别方法及装置，涉及领域主要对少纹理或者无纹理物体识别方面的问题。目前基于特征描述子的方法对目标物体进行特征描述符计算时容易受到复杂背景的影响，基于深度学习的方法存在结构和训练过程复杂等缺点。针对这些问题，该方法是解决少纹理刚性物体识别的有效方法，并具有很好地实时性，同时LINE-MOD模版匹配方法是近年来最先进的模板匹配方法之一。但是该方法的主要缺点是只能在固定尺度对少纹理刚性物体进行识别，如何提高算法多尺度识别，仍有待研究。因此，本发明提出了基于改进的LINE-MOD模板匹配的刚性物体识别方法及装置，从而使得该方法在不同尺度下都能完成对目标物体进行识别。
-
公开(公告)号：CN109960402A
公开(公告)日：2019-07-02
申请号：CN201811549587.6
申请日：2018-12-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于点云和视觉特征融合的虚实注册方法，整个过程分为离线和在线两个阶段完成，具体包括以下步骤：在离线阶段，在CAD环境中将参考对象零件三维CAD模型生成三维点云模型，为装配绝对坐标系的建立和后续的虚实注册做准备，为了加快点云配准及装配坐标系建立过程，在此阶段需要对参考对象零件的点云模型进行精简；在在线阶段，采集装配现场视频流并生成点云，利用参考对象点云和装配现场点云之间的配准完成装配绝对坐标系的定义，基于点云的虚实注册在迭代配准过程中需要一个初始配准阶段，设置初始点云相对位置，获得绝对坐标系下精确的跟踪注册矩阵。本发明既避免了相机移动速度过快时导致的“丢帧”情况，又提高了虚实注册精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
