-
公开(公告)号：CN107220651B
公开(公告)日：2020-06-19
申请号：CN201710413989.2
申请日：2017-06-05
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种提取图像特征的方法，该方法包括：计算目标图像中每个块结构分别对应的HOG特征信息，该块结构包括预设数量的像素值组成的像素矩阵；针对每个该块结构，根据块结构中的像素矩阵，生成PCA算法的输入集合；使用该PCA算法计算每个该块结构对应的PCA特征信息；级联每个该块结构对应的HOG特征信息和该PCA特征信息，生成每个该块结构对应的新HOGP特征信息；将所有块结构对应的新HOGP特征信息级联起来，生成该目标图像的新HOGP特征信息。应用本发明实施例能够提取到包括细节特征和轮廓特征在内的丰富的图像特征。
-
公开(公告)号：CN109271990A
公开(公告)日：2019-01-25
申请号：CN201811020264.8
申请日：2018-09-03
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种针对RGB-D图像的语义分割方法及装置。所述方法包括：获得待语义分割的RGB-D图像；将RGB-D图像所包括的RGB图像和深度图像输入至预先训练的神经网络，得到RGB-D图像对应的目标标识图像；其中，RGB图像输入至神经网络的分支网络组中的一个分支网络层，深度图像输入至分支网络组中的另一个分支网络层；神经网络包括：顺次连接的分支网络组、特征融合网络层和输出网络层，神经网络是根据样本RGB-D图像、样本RGB-D图像对应的样本标识图像训练得到，任一样本RGB-D图像对应的样本标识图像为：该样本RGB-D图像所包括的样本RGB图像对应的语义分割结果。应用本发明实施例，能够实现利用神经网络对RGB-D图像进行有效的语义分割的目的。
-
公开(公告)号：CN108961184B
公开(公告)日：2021-04-20
申请号：CN201810689092.7
申请日：2018-06-28
Applicant: 北京邮电大学
IPC: G06T5/00
Abstract: 本发明实施例提供了一种深度图像的校正方法、装置及设备，其中，该方法包括；获取原始深度图像；根据原始深度图像中像素点的像素值，确定原始深度图像对应的像素向量；将原始深度图像对应的像素向量输入至预先训练的人工神经网络ANN模型，对原始深度图像进行校正，得到校正后的校正深度图像；其中，ANN模型是根据具有不同参数的样本图像对应的像素向量、以及样本数据真值训练得到的。通过本发明实施例提供的深度图像的校正方法、装置及设备，能够提高对深度图像校正的准确度，进而提高三维场景重建的效果。
-
公开(公告)号：CN109087351A
公开(公告)日：2018-12-25
申请号：CN201810832090.9
申请日：2018-07-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了基于深度信息对场景画面进行闭环检测的方法及装置，其中，方法包括：获取导航的场景画面的深度图像数据及彩色图像数据，所述深度图像数据包括：多张深度图像帧；对所述彩色图像数据进行特征提取，得到所述彩色图像数据中的特征；确定相邻深度图像帧中深度信息的波动幅值；基于所述相邻深度图像帧中深度信息的波动幅值，确定存在移动物；对所述彩色图像数据中的特征，所述移动物对导航的场景画面引入的错误特征进行剔除，得到剔除所述错误特征后彩色图像数据中的特征；基于剔除所述错误特征后彩色图像数据中的特征，进行闭环检测。
-
公开(公告)号：CN107220651A
公开(公告)日：2017-09-29
申请号：CN201710413989.2
申请日：2017-06-05
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种提取图像特征的方法，该方法包括：计算目标图像中每个块结构分别对应的HOG特征信息，该块结构包括预设数量的像素值组成的像素矩阵；针对每个该块结构，根据块结构中的像素矩阵，生成PCA算法的输入集合；使用该PCA算法计算每个该块结构对应的PCA特征信息；级联每个该块结构对应的HOG特征信息和该PCA特征信息，生成每个该块结构对应的新HOGP特征信息；将所有块结构对应的新HOGP特征信息级联起来，生成该目标图像的新HOGP特征信息。应用本发明实施例能够提取到包括细节特征和轮廓特征在内的丰富的图像特征。
-
Patent Agency Ranking
公开(公告)号：CN108229583A
公开(公告)日：2018-06-29
申请号：CN201810104808.2
申请日：2018-02-02
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于主方向差分特征的快速模板匹配的方法及装置，属于图像处理技术领域。所述方法包括：通过图像采集部件获取第一检测图像，对第一检测图像进行灰度化处理，得到第一检测图像对应的灰度图像，根据预设的边缘检测算法，在第一检测图像对应的灰度图像中预设的模板图像区域中，确定第一模板图像，根据预设的图像特征提取算法，确定第一模板图像的图像特征，当通过图像采集部件获取到第二检测图像时，根据第一模板图像的图像特征，在第二检测图像中识别第一模板图像的位置。采用本发明，可以提高模板匹配效率。
-
公开(公告)号：CN108229583B
公开(公告)日：2022-04-29
申请号：CN201810104808.2
申请日：2018-02-02
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于主方向差分特征的快速模板匹配的方法及装置，属于图像处理技术领域。所述方法包括：通过图像采集部件获取第一检测图像，对第一检测图像进行灰度化处理，得到第一检测图像对应的灰度图像，根据预设的边缘检测算法，在第一检测图像对应的灰度图像中预设的模板图像区域中，确定第一模板图像，根据预设的图像特征提取算法，确定第一模板图像的图像特征，当通过图像采集部件获取到第二检测图像时，根据第一模板图像的图像特征，在第二检测图像中识别第一模板图像的位置。采用本发明，可以提高模板匹配效率。
-
公开(公告)号：CN109087351B
公开(公告)日：2021-04-16
申请号：CN201810832090.9
申请日：2018-07-26
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了基于深度信息对场景画面进行闭环检测的方法及装置，其中，方法包括：获取导航的场景画面的深度图像数据及彩色图像数据，所述深度图像数据包括：多张深度图像帧；对所述彩色图像数据进行特征提取，得到所述彩色图像数据中的特征；确定相邻深度图像帧中深度信息的波动幅值；基于所述相邻深度图像帧中深度信息的波动幅值，确定存在移动物；对所述彩色图像数据中的特征，所述移动物对导航的场景画面引入的错误特征进行剔除，得到剔除所述错误特征后彩色图像数据中的特征；基于剔除所述错误特征后彩色图像数据中的特征，进行闭环检测。
-
公开(公告)号：CN109345484A
公开(公告)日：2019-02-15
申请号：CN201811159223.7
申请日：2018-09-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种深度图修复方法及装置，该方法包括：获取待修复深度图；待修复深度图包括待修复区域；确定位于待修复区域中的待修复像素点；确定待修复深度图中以待修复像素点为中心的目标区域内的至少一个参考像素点，参考像素点位于待修复区域外；确定待修复像素点与每一参考像素点间的色彩距离；确定待修复像素点与每一参考像素点间的空间距离；根据每一参考像素点的深度信息，以及所确定的色彩距离和空间距离，确定待修复像素点的深度信息。从而能够实现对深度图中未知深度信息的像素点进行深度信息修复。
-
公开(公告)号：CN108961184A
公开(公告)日：2018-12-07
申请号：CN201810689092.7
申请日：2018-06-28
Applicant: 北京邮电大学
IPC: G06T5/00
CPC classification number: G06T5/006 , G06T2207/10028 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明实施例提供了一种深度图像的校正方法、装置及设备，其中，该方法包括；获取原始深度图像；根据原始深度图像中像素点的像素值，确定原始深度图像对应的像素向量；将原始深度图像对应的像素向量输入至预先训练的人工神经网络ANN模型，对原始深度图像进行校正，得到校正后的校正深度图像；其中，ANN模型是根据具有不同参数的样本图像对应的像素向量、以及样本数据真值训练得到的。通过本发明实施例提供的深度图像的校正方法、装置及设备，能够提高对深度图像校正的准确度，进而提高三维场景重建的效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
