-
公开(公告)号：CN114119864A
公开(公告)日：2022-03-01
申请号：CN202111320058.0
申请日：2021-11-09
申请人： 同济大学
摘要： 本发明涉及一种基于三维重建与点云匹配的定位方法和装置，方法包括获取相机从不同角度拍摄的若干张包含目标物体的场景图像，场景中包括至少一个已知尺寸的二维码；根据目标物体实际大小，制作目标3D模型；对场景图像进行三维重建，得到场景的稠密点云，并得到稠密点云中三维点信息与场景图像中的像素点的对应关系；检测图像中二维码的角点，并根据对应关系获取角点在稠密点云中的三维点坐标，结合二维码的实际尺寸，更新稠密点云的尺度；从场景的稠密点云中分割出目标物体的稠密点云，并通过配准算法计算目标3D模型与目标物体的稠密点云的相对位姿；根据相对位姿，对目标3D模型进行位姿变换替换目标物体的稠密点云，并提取此时目标3D模型的任意点的坐标为真实物体坐标。与现有技术相比，本发明具有精度高、灵活性强等优点。
-
公开(公告)号：CN113722796A
公开(公告)日：2021-11-30
申请号：CN202110999422.4
申请日：2021-08-29
申请人： 中国长江电力股份有限公司 , 同济大学
摘要： 本发明公开了一种基于视觉‑激光雷达耦合的贫纹理隧洞建模方法，包括相机与雷达的参数标定方法、雷达点云数据处理方法、视觉信息与雷达信息的融合方法以及隧洞的BIM建模方法；相机与雷达的参数标定方法是通过标定算法求得相机内参数，将点云数据转换到相机坐标系中，实现雷达点云与相机数据坐标相互转换；雷达点云数据处理方法是指点云数据的过滤和配准方法；视觉信息与雷达信息的融合方法是指通过将视觉特征与雷达深度进行关联，利用视觉里程计对点云进行先验校正；隧洞的BIM建模方法是指将隧洞分段，创建各隧洞段中心线，依次拼接完成；本发明将视觉信息与雷达信息进行数据融合，更精准的完成隧洞的三维建模，提高隧洞作业的安全性和效率。
-
公开(公告)号：CN109033957B
公开(公告)日：2021-05-11
申请号：CN201810638681.2
申请日：2018-06-20
申请人： 同济大学
摘要： 本发明涉及一种基于二次多项式的视线估计方法，包括：步骤S1：建立眼部二维模型和三维模型，并建立视线估计模型；步骤S2：载入多张图片，并导入各图片中视线特征量和视线真实结果；步骤S3：将所有已知视线特征量的图片划分为训练集和测试集；步骤S4：采用训练集图片对视线估计模型进行训练；步骤S5：采用测试集图片对训练后的视线估计模型进行测试，若测试误差小于阈值，则执行步骤S6，若为否，则返回步骤S2；步骤S6：采用视线估计模型对待估计图片进行视线估计。与现有技术相比，本发明利用二次多项式拟合法，来回归视线，只需要利用头部姿态三个角度，以及瞳孔偏离距离EX和EY，就可以进行视线方向的回归，计算效率高。
-
公开(公告)号：CN111724353A
公开(公告)日：2020-09-29
申请号：CN202010480396.X
申请日：2020-05-30
申请人： 同济大学
摘要： 本发明涉及一种基于One-Class SVM的贴片LED瑕疵标注方法，步骤1：获取贴片LED图像；步骤2：建立分类器模型；步骤3：使用分类器模型中的One-Class SVM分别对测试图像的像素点进行检测，对测试图像进行分类，分类器模型判断图像是否为瑕疵类图像，若是，则执行步骤4，否则，将图像直接输出为非瑕疵类图像；步骤4：分别对瑕疵类像素点和非瑕疵类像素点进行标注；步骤5：对标注后的瑕疵类图像进行去噪处理，获得经过精细化标注的瑕疵类图像。与现有技术相比，本发明具有复杂度低、处理速度快、标注更加精细、实用性强等优点。
-
公开(公告)号：CN111724352A
公开(公告)日：2020-09-29
申请号：CN202010480388.5
申请日：2020-05-30
申请人： 同济大学
摘要： 本发明涉及一种基于核密度估计的贴片LED瑕疵标注方法，包括：步骤1：获得贴片LED图像；步骤2：建立基于核密度估计的分类器模型；步骤3：使用分类器模型对图像进行分类，判断图像是否为瑕疵类图像，若是，则执行步骤4，否则，将图像直接输出为非瑕疵类图像；步骤4：分别对瑕疵类图像中的瑕疵类像素点和非瑕疵类像素点进行标注；步骤5：对标注后的图像进行去噪处理，获得经过精细化标注的瑕疵类图像。与现有技术相比，本发明具有复杂度低、处理速度快、标注更加精细、实用性强等优点。
-
公开(公告)号：CN109033957A
公开(公告)日：2018-12-18
申请号：CN201810638681.2
申请日：2018-06-20
申请人： 同济大学
CPC分类号： G06K9/00597 , G06K9/6256 , G06K9/6269 , G06T17/00
摘要： 本发明涉及一种基于二次多项式的视线估计方法，包括：步骤S1：建立眼部二维模型和三维模型，并建立视线估计模型；步骤S2：载入多张图片，并导入各图片中视线特征量和视线真实结果；步骤S3：将所有已知视线特征量的图片划分为训练集和测试集；步骤S4：采用训练集图片对视线估计模型进行训练；步骤S5：采用测试集图片对训练后的视线估计模型进行测试，若测试误差小于阈值，则执行步骤S6，若为否，则返回步骤S2；步骤S6：采用视线估计模型对待估计图片进行视线估计。与现有技术相比，本发明利用二次多项式拟合法，来回归视线，只需要利用头部姿态三个角度，以及瞳孔偏离距离EX和EY，就可以进行视线方向的回归，计算效率高。
-
公开(公告)号：CN118887353A
公开(公告)日：2024-11-01
申请号：CN202410842365.2
申请日：2024-06-27
申请人： 同济大学
摘要： 本发明涉及一种融合点线及视觉标签的SLAM建图方法，包括以下步骤：获取双目相机拍摄的照片并进行预处理，提取视觉特征和视觉标签；求解当前帧位姿、提取的视觉特征以及视觉标签的世界坐标，并通过关键帧判断策略判断当前帧是否是关键帧；根据点线重投影误差函数进行位姿优化并判断位姿有效性，选取合适的跟踪方法进行位姿跟踪；计算点线特征的BOW向量，并识别视觉标签ID，利用BOW或视觉标签进行回环检测和回环优化；创建地图点、线、关键帧、视觉标签的联合语义地图，剔除冗余关键帧、视觉特征和视觉标签，并结合回环检测结果进行重投影误差优化和共面约束优化，完成地图优化。与现有技术相比，本发明具有能够增加系统鲁棒性、提高建图精度等优点。
-
公开(公告)号：CN118411390A
公开(公告)日：2024-07-30
申请号：CN202410481518.5
申请日：2024-04-22
申请人： 同济大学
摘要： 本发明涉及一种基于深度学习的单目SLAM动态点滤除方法、装置及介质，其中方法包括以下步骤：获取待处理图像；对待处理图像进行特征提取得到特征图，并进行语义分割预测，得到二值化掩膜图像；利用遍历搜索算法对图像边界轮廓进行提取，计算相应的图像矩，确定目标轮廓的形心；利用匈牙利算法和卡尔曼滤波对形心进行追踪；采用滑动窗口机制，基于形心追踪结果确定检测目标运动的显著差异，将目标划分为动态目标和静态目标；利用静态目标的形心追踪结果对动态目标误判情况进行优化；基于优化后的动态目标进行SLAM环境中的动态特征点滤除，并进行地图建立和定位。与现有技术相比，本发明具有能够消除动态特征点、最大限度地利用静态目标信息、显著提高SLAM系统的精度等优点。
-
公开(公告)号：CN118096888A
公开(公告)日：2024-05-28
申请号：CN202410347447.X
申请日：2024-03-26
申请人： 同济大学
摘要： 本发明涉及一种汽车起重机参数三维软测量方法、装置及存储介质，其中方法包括：步骤S1：获取起重机在多个姿态下的激光雷达点云数据和相机数据，得到对应于不同姿态下起重机的三维点云模型；步骤S2：对各三维点云模型进行滤波处理后，对不同的三维点云模型进行点云配准以统一坐标系；步骤S3：通过线性拟合确定各三维点云模型中吊臂的轴线；步骤S4：基于至少三个三维点云模型中吊臂的轴线确定拟合平面，并在拟合平面确定旋转中心和旋转半径，以及各姿态的旋转角度；步骤S5：基于得到的旋转中心和旋转半径，结合不同姿态下起重机的三维点云模型得到起重机的三维仿真模型；步骤S6：基于三维仿真模型得到所有姿态下的三维参数。与现有技术相比，本发明具有准确率高速度快等优点。
-
公开(公告)号：CN111724352B
公开(公告)日：2022-11-15
申请号：CN202010480388.5
申请日：2020-05-30
申请人： 同济大学
IPC分类号： G06T7/00 , G06T5/00 , G06V10/764 , G06V10/774 , G06V10/30
摘要： 本发明涉及一种基于核密度估计的贴片LED瑕疵标注方法，包括：步骤1：获得贴片LED图像；步骤2：建立基于核密度估计的分类器模型；步骤3：使用分类器模型对图像进行分类，判断图像是否为瑕疵类图像，若是，则执行步骤4，否则，将图像直接输出为非瑕疵类图像；步骤4：分别对瑕疵类图像中的瑕疵类像素点和非瑕疵类像素点进行标注；步骤5：对标注后的图像进行去噪处理，获得经过精细化标注的瑕疵类图像。与现有技术相比，本发明具有复杂度低、处理速度快、标注更加精细、实用性强等优点。
-
-
-
-
-
-
-
-
-
搜索结果
45 条记录 (耗时 0.048 秒)
