一种基于移动式多光谱光度立体设备的使用方法

    公开(公告)号:CN117392329A

    公开(公告)日:2024-01-12

    申请号:CN202311675233.7

    申请日:2023-12-08

    摘要: 本发明提供了一种基于移动式多光谱光度立体设备的使用方法,涉及高精度三维重建技术领域,移动式多光谱光度立体设备包括位于设备中心高清相机,环绕高清相机两两相隔120多光谱光源以及激光器。通过本发明的技术方案,三通道分离来选取激光线的最优处理图像,提升了针对性;图像形态学判断来去除图像中噪音的影响,减小了误差;拟合直线的方法提升激光线方程的精度,增加了稳定性。三通道分离并通过三个通道的灰度值更加准确地找出关键帧图像的畸变区域;将没有交集的可变图像对更加灵活地在关键帧畸变的区域进行像素值的叠加平分和替换;将复原后的关键帧图像与原始关键帧图像作差,得到激光线图像,实现了关键帧的复原,得到了激光线图像。

    基于图神经网络和注意力机制的异质网络属性补全方法

    公开(公告)号:CN115130663B

    公开(公告)日:2023-10-13

    申请号:CN202211043710.3

    申请日:2022-08-30

    IPC分类号: G06N3/045 G06N3/042 G06N3/082

    摘要: 本发明公开了一种基于图神经网络和注意力机制的异质网络属性补全方法,属于数据处理技术领域。首先通过结合K‑Nearest Neighbor和属性之间的余弦相似度,从网络中捕获与目标节点(带有缺失属性的节点)相似的节点,将这些节点的属性自适应的转化为目标节点的特征域的网络表征;再基于图神经网络和transformer的注意力机制,对网络中的拓扑结构和节点的属性信息进行层次化的分析,进而在空间域获得目标节点的网络表征;最后结合空间域和特征域的网络表征基于欧氏距离的损失函数去进行模型参数学习进而对缺失属性补全。经过实际验证,本发明提供的属性补全方法具有高效、高精确度的特点。

    基于多层异质图卷积模型的个性化商品推荐方法及系统

    公开(公告)号:CN115860880B

    公开(公告)日:2023-07-14

    申请号:CN202310014784.2

    申请日:2023-01-06

    摘要: 本发明公开了一种基于多层异质图卷积模型的个性化商品推荐方法及系统,属于人工智能技术领域。本发明首先将电子商务网络构建成一个多层异质属性网络,同时建模用户与商品间的多种交互行为;其次,考虑到用户与商品间不同类型交互的不同影响,设置了自适应调节的参数来捕获影响的大小;然后,设计了一个多层图卷积模块,能够自动捕获多层异质属性网络中跨越多种关系的不同长度的元路径信息来得到节点的表征;最后利用余弦相似性实现对用户进行个性化商品推荐。本发明能够建模用户与商品间多种交互行为,学习高性能的表征,进一步提升推荐的准确度,提高用户的体验。

    一种基于无监督深度学习的船舶六自由度计算方法

    公开(公告)号:CN116402883A

    公开(公告)日:2023-07-07

    申请号:CN202211224145.0

    申请日:2022-09-25

    摘要: 本发明公开了一种基于无监督深度学习的船舶六自由度计算方法,包括以下步骤:S1,架设安装两个相机,使其拍摄范围能够覆盖船舶运动范围,双目相机对现场进行图像采集;S2,采用基于SuperPoint的鲁棒特征点识别与跟踪算法,对采集到的图像进行鲁棒特征点的识别与跟踪,对双目相机前后两帧四幅图片所进行的三次匹配的结果进行处理,得到同一帧双目两幅图像的对应点坐标以及前后帧的相同特征点的对应坐标。本发明运用无监督深度学习的方法,不放置任何标记物,以非接触双目视觉的方式,实时检测船舶位置和运动,无监督地识别和跟踪鲁棒特征点,实时计算得到船舶六自由度运动数据,且精度达到工程需求。

    基于多光谱光度立体与激光扫描的三维成像装置及方法

    公开(公告)号:CN109920007B

    公开(公告)日:2023-04-07

    申请号:CN201910075631.2

    申请日:2019-01-26

    IPC分类号: G06T7/80 G06T7/11 G06T17/00

    摘要: 基于多光谱光度立体与激光扫描的三维成像装置及方法,包括圆形框架,其上有三色光源,其中部有高清双目相机,框架上还有一字线激光器。其方法包括相机参数标定、激光平面标定与光源标定;获得三色光帧;获取每帧的相机位姿;恢复出目标物体的三维半稠密点云;利用多光谱光度立体技术在有初始深度的情况下恢复出单帧图像的法向;将法向信息对应的插入到三维半稠密点云中,用三维半稠密点云坐标优化法向后,再用法向信息优化三维半稠密点云坐标,迭代优化直到全局能量函数达到最小。本发明低成本的同时实现高精度的三维模型重建;操作简便,便于携带,灵活、高效、易用,可对小物体或场景进行三维成像,重建出高精度、表面细节丰富的三维表面模型。

    基于全局动态卷积神经网络的SAR图像变化检测方法

    公开(公告)号:CN115018773A

    公开(公告)日:2022-09-06

    申请号:CN202210564263.X

    申请日:2022-05-23

    摘要: 本发明提出一种基于全局动态卷积神经网络的SAR图像变化检测方法,对同一地理区域捕获的两幅多时相SAR图像进行差异分析,获得差异图;对差异图进行预分类,构建训练数据集和测试数据集;利用训练数据集训练全局动态卷积神经网络模型,并利用测试数据集进行测试,从而得到整幅同一地理区域的多时相SAR图像变化检测结果。本方案在构建训练数据集时采用两阶段的混合样本数据增强方法增加数据集的数量,保证样本多样性和可靠性;同时采用全局动态卷积方式来提升卷积神经网络的性能,提高了SAR图像变化检测对噪声的鲁棒性和泛化能力;结合数字图像处理和深度学习技术,在国防军事侦察、自然环境监测、自然灾害监测和城市土地规划等领域具有重要意义。

    基于动态神经网络的多种类农作物叶病识别方法

    公开(公告)号:CN114022872A

    公开(公告)日:2022-02-08

    申请号:CN202111120666.7

    申请日:2021-09-24

    摘要: 本发明提出了一种基于动态神经网络的多种类农作物叶病识别方法,首先,随机选取部分农作物叶病图像数据进行像素级标记,训练用于图像分割的卷积神经网络;然后,使用训练好的卷积神经网络对农作物叶病图像进行自动分割,提取图像中的有效信息;最后,设计动态神经网络,包括动态卷积模块、浅层分类器和早退机制三大部分,实现基于动态网络结构的叶病识别。本方案方法能够实现对农作物叶病图像有效信息自动分割提取和多种类农作物叶病的识别,采用的动态神经网络能够根据农作物叶病的复杂程度动态调整网络结构,在满足较高识别准确度率的情况下,减少计算资源的使用。

    一种基于自然语言处理算法的社区服务质量评价的方法

    公开(公告)号:CN113837523A

    公开(公告)日:2021-12-24

    申请号:CN202110735552.7

    申请日:2021-06-30

    IPC分类号: G06Q10/06 G06Q50/10

    摘要: 本发明公开了一种基于自然语言处理算法的社区服务质量评价的方法,涉及社区服务评价技术领域。本发明社区服务质量评价的方法,包括以下步骤:Step1:利用摄像头进行社区信息采集,建立数据模型,并生成待处理图像,同时对该图像进行信息加密;Step2:基于计算机处理设备,于计算机输入对应社区信息比对的待处理图像;Step3:对视频图像进行身份验证,并通过验证;Step4:对视频图像进行校准,检测待处理图像中的处理区域,并对社区服务的关键特征进行标记;Step5:建立服务评价模型,提取服务行为的关键特征数据,确立特征数据比对的阈值。本发明采用图像处理技术,通过利用自然语言算法进行社区服务信息计算比对,提升社区服务信息处理的精度及完成度。

    一种水下维修机器人的遥操作系统和方法

    公开(公告)号:CN112634318A

    公开(公告)日:2021-04-09

    申请号:CN202011642497.9

    申请日:2020-12-31

    IPC分类号: G06T7/207 G06T7/73 G06T17/20

    摘要: 本发明适用于水下维修机器人遥操作技术领域,提供了一种水下维修机器人的遥操作系统和方法。所述遥操作系统包括:工作端和操作端;工作端包括ROV本体及其上安装的机械爪、全景图像获取装置、场景重建装置和环境感知和测量装置;操作端包括VR头盔和遥控装置;两端利用通信装置连接通讯。本发明通过将远处水下真实场景图像、虚拟ROV模型和机械爪模型、三维重建得到的三维重建模型及增强操控的提示信息呈现在VR头盔中,为操作员提供一个直观、沉浸的交互遥操控界面,能帮助操作员更精确地判断目标物在三维场景中的位置关系,配合设计的ROV运动预测方法,可有效提高操控的精度、效率、安全性和直观连续性,能满足操控精度要求较高的应用。

    一种基于深度学习的单帧图像三维重建装置及方法

    公开(公告)号:CN107862741B

    公开(公告)日:2021-02-09

    申请号:CN201711302400.8

    申请日:2017-12-10

    摘要: 基于深度学习的单帧图像三维重建装置和方法,包括上位机、支撑框架及其顶部的高清相机,围绕高清相机等高设置三个呈120度的平行光LED面光源。方法包括拍摄训练样本,将红绿蓝灯同时照射下的图像作为训练模型所需的输入数据,将白光依次照射下的三张图像取灰度值,转变为单通道图像作为训练模型用的真值,利用深度学习方法和输入的数据,构建用于单帧图像三维重建的逐像素的全连接网络模型,训练模型,利用反向传播算法不断调整优化网络参数,预测目标表面三维信息,将用网络预测的结果采用光度立体算法三维重建,得到物体表面三维信息。本发明通过改进网络的结构,构建适合单帧图像三维重建的网络模型,较多帧图像三维重建增加了应用场景。