-
公开(公告)号：CN118429542A
公开(公告)日：2024-08-02
申请号：CN202410622636.3
申请日：2024-05-20
申请人： 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
摘要： 本发明公开了基于深度学习的单目免标定三维轨迹重建方法、装置、设备及介质，属于图像处理技术领域，主要涉及通过单目相机重建目标三维轨迹的问题。该方法通过对视频样本采用目标检测模型进行逐帧处理，得到并分别记录目标检测框的中心点以及底边中心像素点的矩阵索引，然后通过单目深度估计模型得到逐像素点的深度信息并通过目标检测框中心点的索引检索到对应的深度值作为目标的z轴坐标，期间需保证两个模型处理后的视频帧尺寸一致。最后将目标检测框底边中心点的索引经过比例变换作为x、y轴坐标，与上述z轴坐标对应进行组合，从而重建目标的三维轨迹。
-
公开(公告)号：CN117544853A
公开(公告)日：2024-02-09
申请号：CN202311519785.9
申请日：2023-11-15
申请人： 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
IPC分类号： H04N23/67
摘要： 本发明公开了一种全聚焦和离焦图像对生成方法、装置、设备及介质，属于图像处理技术领域，主要涉及生成带有离散量标注的全聚焦图像和离散图像的图像对的问题。该方法通过对获取的原始图像进行像素点位的随机打乱获取全聚焦图像，对其各像素位置分配离焦量，由离焦量计算得到各像素位置的点扩散函数，再依据像素各位置所对应的点扩散函数对像素值进行扩散，累加得到离焦图像。本发明不需要采取原始的全聚焦图像，因此对原始图像的要求不高，普适性较强；此外，本发明提供的全聚焦和离焦图像对带有离散量标注，解决了现有的图像对标注精度低、数量较少和场景单一等问题，可以应用于智能算法训练。
-
公开(公告)号：CN117528240A
公开(公告)日：2024-02-06
申请号：CN202311520670.1
申请日：2023-11-15
申请人： 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
IPC分类号： H04N23/67
摘要： 本发明公开了一种全像素自动对焦生成方法、装置、设备及介质，属于图像处理技术领域，主要涉及针对整幅图像的全部像素实现自动对焦的问题。该方法通过将图像应用全像素回归模型确定所选对焦区域内由离焦产生的弥散圆半径，依据三角形相似性原理计算出图像采集装置的位移量。最后，编程控制电控平移台按照上述位移量移动图像采集装置使其拍到全聚焦图像，实现全像素自动对焦。本发明不需要反复伸缩镜头，不断对比、寻找最佳位置，可以自动移动相应位移一步到位即可拍摄全聚焦图像，极大地缩短了对焦拍摄时间。此外，本发明可以任意选择对焦区域或像素点，实现全像素自动对焦，解决了现有的自动对焦技术存在对焦像素数或区域选择局限问题。
-
公开(公告)号：CN102788976B
公开(公告)日：2014-07-02
申请号：CN201210218531.9
申请日：2012-06-27
申请人： 北京理工大学
摘要： 本发明提供一种高量级扩展卡尔曼滤波方法，解决由远距离带来的系统量测方程非线性大，从而造成跟踪精度下降的问题。第一步：假设目标在二维平面内运动，分别建立目标的状态方程和量测方程；第二步：由k时刻的滤波结果得到目标的k+1时刻目标状态预测方程；第三步：计算预测协方差矩阵；第四步：计算扩展卡尔曼滤波器的增益矩阵；第五步：计算目标k+1的状态更新方程；第六步：计算目标k+1时刻的协方差更新误差；第七步：根据目标在k+1时刻的状态滤波向量和滤波误差的协方差矩阵，按第三步至第六步计算目标在k+2时刻的状态滤波向量和滤波误差的协方差矩阵，以此循环往复，最终的输出滤波结果再换回原来的量级。
-
公开(公告)号：CN102788976A
公开(公告)日：2012-11-21
申请号：CN201210218531.9
申请日：2012-06-27
申请人： 北京理工大学
摘要： 本发明提供一种高量级扩展卡尔曼滤波方法，解决由远距离带来的系统量测方程非线性大，从而造成跟踪精度下降的问题。第一步：假设目标在二维平面内运动，分别建立目标的状态方程和量测方程；第二步：由k时刻的滤波结果得到目标的k+1时刻目标状态预测方程；第三步：计算预测协方差矩阵；第四步：计算扩展卡尔曼滤波器的增益矩阵；第五步：计算目标k+1的状态更新方程；第六步：计算目标k+1时刻的协方差更新误差；第七步：根据目标在k+1时刻的状态滤波向量和滤波误差的协方差矩阵，按第三步至第六步计算目标在k+2时刻的状态滤波向量和滤波误差的协方差矩阵，以此循环往复，最终的输出滤波结果再换回原来的量级。
-
-
-
-
搜索结果
5 条记录 (耗时 0.026 秒)
