-
公开(公告)号：CN114812983A
公开(公告)日：2022-07-29
申请号：CN202210331307.4
申请日：2022-03-31
Applicant: 重庆邮电大学
Abstract: 本发明提供一种基于激光阵列的桥梁裂缝测量方法、装置及设备，通过采用搭载相机和激光发射器的无人机进行损伤拍摄，并通过激光阵列快速采集桥梁表面的损伤数据，建立激光投影点空间坐标，再结合微元法实现曲面与直面映射关系的换算获得初始图像，利用深度学习分割算法获得初始图像的目标二值图，最后使用裂缝像素与全部像素的比例计算和Z型步进骨架线法精确获得实际裂缝的面积、长度和宽度，该方法解决了倾角采集图像数据的情况下，曲面裂缝快速、精确测量的问题，可实现桥梁平面和曲面的裂缝测量，同时采用的是无人机非接触式测量，可广泛应用于其他领域的测量工程，且本发明仅采用搭载相机和激光传感器的无人机即可实现，整体成本较低。
-
公开(公告)号：CN116310808A
公开(公告)日：2023-06-23
申请号：CN202310179247.3
申请日：2023-02-27
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/08
Abstract: 本发明涉及一种基于显著检测网络的非规则幕墙板材识别方法及装置，属于建筑幕墙安装技术领域。该方法包括：使用深度相机采集目标区域中幕墙板材的RGB‑D图像，并制作板材识别测试数据集；采用三种基于RGB‑D的显著性公共数据集的部分数据构成训练数据集；训练构建的幕墙板材识别网络并保存最优参数；使用训练好的显著检测网络对幕墙板材数据进行预测；使用深度数据计算目标区域实际尺寸；输出板材关键点空间坐标。本发明可以实现高精度的非规则板材的精准识别与定位，并提高建筑工程中幕墙安装过程的工作效率。
-
公开(公告)号：CN114586548B
公开(公告)日：2023-04-07
申请号：CN202210380715.9
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: A01D46/30 , G06N3/0455 , B25J5/00 , G06V10/82 , G06T5/50 , G06N3/08 , H04L67/125 , G06N3/04 , G06T7/70 , H04L67/06 , H04W4/30 , B25J11/00 , B25J18/02 , B25J15/10 , B25J9/16 , G06V20/68
Abstract: 本发明涉及一种虚拟远程水果采摘系统，属于水果采摘技术领域，包括前端水果采摘装置，后端虚拟交互设备和云平台服务器；所述前端水果采摘装置用于采集并识别水果图像，上传至云平台服务器，并执行云平台服务器的水果采摘命令，还用于对采摘的水果进行品质判断和编号计数；所述后端虚拟交互设备用于模拟前端水果采摘装置所处的环境空间，在虚拟空间中实时展示当前的前端水果采摘装置状态信息、其周围的环境和水果的信息以及采摘下来的水果信息；所述云平台服务器用于对前端水果采摘装置和后端虚拟交互设备交互的信息进行管理、转发和存储。本发明还提供一种虚拟远程水果采摘方法。
-
公开(公告)号：CN114812983B
公开(公告)日：2025-05-16
申请号：CN202210331307.4
申请日：2022-03-31
Applicant: 重庆邮电大学
Abstract: 本发明提供一种基于激光阵列的桥梁裂缝测量方法、装置及设备，通过采用搭载相机和激光发射器的无人机进行损伤拍摄，并通过激光阵列快速采集桥梁表面的损伤数据，建立激光投影点空间坐标，再结合微元法实现曲面与直面映射关系的换算获得初始图像，利用深度学习分割算法获得初始图像的目标二值图，最后使用裂缝像素与全部像素的比例计算和Z型步进骨架线法精确获得实际裂缝的面积、长度和宽度，该方法解决了倾角采集图像数据的情况下，曲面裂缝快速、精确测量的问题，可实现桥梁平面和曲面的裂缝测量，同时采用的是无人机非接触式测量，可广泛应用于其他领域的测量工程，且本发明仅采用搭载相机和激光传感器的无人机即可实现，整体成本较低。
-
Patent Agency Ranking
公开(公告)号：CN116310808B
公开(公告)日：2025-04-29
申请号：CN202310179247.3
申请日：2023-02-27
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/08
Abstract: 本发明涉及一种基于显著检测网络的非规则幕墙板材识别方法及装置，属于建筑幕墙安装技术领域。该方法包括：使用深度相机采集目标区域中幕墙板材的RGB‑D图像，并制作板材识别测试数据集；采用三种基于RGB‑D的显著性公共数据集的部分数据构成训练数据集；训练构建的幕墙板材识别网络并保存最优参数；使用训练好的显著检测网络对幕墙板材数据进行预测；使用深度数据计算目标区域实际尺寸；输出板材关键点空间坐标。本发明可以实现高精度的非规则板材的精准识别与定位，并提高建筑工程中幕墙安装过程的工作效率。
-
公开(公告)号：CN114586548A
公开(公告)日：2022-06-07
申请号：CN202210380715.9
申请日：2022-04-08
Applicant: 重庆邮电大学
IPC: A01D46/30 , H04L67/125 , H04L67/06 , H04W4/30 , B25J5/00 , B25J11/00 , B25J18/02 , B25J15/10 , B25J9/16 , G06N3/04 , G06N3/08 , G06T5/50 , G06T7/70
Abstract: 本发明涉及一种虚拟远程水果采摘系统，属于水果采摘技术领域，包括前端水果采摘装置，后端虚拟交互设备和云平台服务器；所述前端水果采摘装置用于采集并识别水果图像，上传至云平台服务器，并执行云平台服务器的水果采摘命令，还用于对采摘的水果进行品质判断和编号计数；所述后端虚拟交互设备用于模拟前端水果采摘装置所处的环境空间，在虚拟空间中实时展示当前的前端水果采摘装置状态信息、其周围的环境和水果的信息以及采摘下来的水果信息；所述云平台服务器用于对前端水果采摘装置和后端虚拟交互设备交互的信息进行管理、转发和存储。本发明还提供一种虚拟远程水果采摘方法。
-
公开(公告)号：CN115965846B
公开(公告)日：2025-04-01
申请号：CN202310076273.3
申请日：2023-01-18
Applicant: 重庆邮电大学
IPC: G06V10/80 , G06V10/82 , G06V10/24 , G06V10/30 , G06V10/36 , G06V10/774 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于边框感知跨模态融合网络的幕墙框实时检测方法及装置，属于建筑幕墙施工技术领域。该方法包括：采集幕墙框RGB图像和深度图；对采集到的幕墙框RGB图像和深度图进行预处理并构建、划分幕墙框数据集；构建基于边框感知跨模态融合网络的幕墙框检测模型，编码器部分使用ConvNeXt作为特征提取网络，解码器构造FFA模块和CFF模块实现整体多尺度多模态的路径聚合；求解二元交叉熵损失函数，训练幕墙框检测模型并保存最优模型；实时采集需要检测的幕墙框RGB图像和深度图并利用所述保存的最优模型进行实时检测。本发明可以在实现智能化检测的同时满足实际幕墙框检测精度需求，并且能够提高建筑施工效率。
-
公开(公告)号：CN115965846A
公开(公告)日：2023-04-14
申请号：CN202310076273.3
申请日：2023-01-18
Applicant: 重庆邮电大学
IPC: G06V10/80 , G06V10/82 , G06V10/24 , G06V10/30 , G06V10/36 , G06V10/774 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于边框感知跨模态融合网络的幕墙框实时检测方法及装置，属于建筑幕墙施工技术领域。该方法包括：采集幕墙框RGB图像和深度图；对采集到的幕墙框RGB图像和深度图进行预处理并构建、划分幕墙框数据集；构建基于边框感知跨模态融合网络的幕墙框检测模型，编码器部分使用ConvNeXt作为特征提取网络，解码器构造FFA模块和CFF模块实现整体多尺度多模态的路径聚合；求解二元交叉熵损失函数，训练幕墙框检测模型并保存最优模型；实时采集需要检测的幕墙框RGB图像和深度图并利用所述保存的最优模型进行实时检测。本发明可以在实现智能化检测的同时满足实际幕墙框检测精度需求，并且能够提高建筑施工效率。
-
公开(公告)号：CN114677356A
公开(公告)日：2022-06-28
申请号：CN202210356955.5
申请日：2022-04-01
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/12 , G06T7/13 , G06T7/136 , G06T5/50 , G06T5/40 , G01N21/88 , G01N21/952 , G01N21/956
Abstract: 本发明涉及一种基于多视角图像融合的酒瓶外观缺陷检测方法，属于图像处理技术领域，包括步骤：S1：将酒瓶送达预定拍摄位置，调整光源环境条件；S2：获取酒瓶全方位外观图像信息；S3：对摄像机参数进行矫正，拍摄得到无畸变的酒瓶图像；S4：预处理；S5：进行图像拼接融合，得到具有完整酒瓶外观的酒瓶剖面二维展开图；S6：对拼接好的图像进行顺序处理，根据标准酒瓶展开图的顺序，使用图像分割技术，对拼接后的图像进行重新排列，得到与标准展开图类似的酒瓶外观拼接图；S7：将所述酒瓶外观拼接图的剖面二维展开图与标准展开图进行色差一致性匹配，然后再进行图像相减，判断受检酒瓶是否存在外观缺陷。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
