-
公开(公告)号：CN114677405B
公开(公告)日：2025-04-22
申请号：CN202210399301.0
申请日：2022-04-15
Applicant: 南京大学
IPC: G06T7/207 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于潜空间解耦和偏微分建模的云层运动预测方法及系统。所述方法包括：获取红外相机拍摄的原始云层图像训练集并进行数据预处理，得到预处理好的云层图像训练集；构建双支路递归神经网络，包括图像编码器、偏微分单元、长短时记忆单元、变分互信息网络以及图像解码器；利用云层图像训练集训练双支路递归神经网络；根据待预测区域的当前帧的云层图像和训练好的双支路递归神经网络确定待预测区域的未来帧的云层图像。采用本发明方法能够解决传统算法只针对大尺度长时间云层运动预测以及需要人工提取特征的高成本问题，利用大气物理特性和深度神经网络实现了小尺度云层运动的低成本实时精确预测。
-
公开(公告)号：CN119850583A
公开(公告)日：2025-04-18
申请号：CN202510015426.2
申请日：2025-01-06
Applicant: 南京大学
IPC: G06T7/00 , A61B5/107 , A61B5/00 , G06T7/50 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本申请公开了一种人体背部棘突线提取方法、设备、介质及产品，涉及图像检测领域，该方法包括获取目标人体背部RGB‑D图像和目标人体背部RGB图像；对目标人体背部RGB‑D图像中的深度数据进行预处理，得到处理后的目标人体背部RGB‑D图像；根据目标人体背部RGB图像，利用人体背部区域提取模型，提取目标人体背部边框；根据目标人体背部边框和处理后的目标人体背部RGB‑D图像，利用棘突线提取模型，提取目标人体背部棘突线。本申请基于人体背部RGB‑D图像来提取背部棘突线，避免了人工提取或者拍摄X光片，提高了棘突线提取的准确性，减少了对身体的辐射。
-
公开(公告)号：CN119810335A
公开(公告)日：2025-04-11
申请号：CN202510012546.7
申请日：2025-01-06
Applicant: 南京大学
IPC: G06T17/00 , G06T13/40 , G06N3/0499 , G06N3/08
Abstract: 本申请公开了一种衣物仿真中的碰撞检测方法、系统、设备、介质及产品，涉及计算机视觉和图形处理领域，首次将深度学习网络用于衣物仿真中的碰撞检测，通过对基于MLP的蒙皮权重场预测网络以及隐式几何表示深度学习网络进行训练，从而实现利用基于MLP的蒙皮权重场预测网络以及隐式几何表示深度学习网络进行衣物仿真中准确的碰撞检测，相比对人体所在的包围盒生成一个由空间体素构成的离散sdf或者占用场，通过空间哈希来做精细的碰撞检测这种计算开销大的方式，本申请能够在准确实现布料与人体之间的碰撞检测和解除的同时，显著降低计算开销。
-
公开(公告)号：CN118196332A
公开(公告)日：2024-06-14
申请号：CN202410353662.0
申请日：2024-03-27
Applicant: 南京大学
Abstract: 本发明公开一种多视图人体表面重建方法及系统，涉及计算机视觉与三维重建领域。该方法采集目标人体的多视角RGB图片，并预处理得到低分辨率多视角图像和高分辨率多视角图像；基于低分辨率图像和人体模型先验，使用深度估计神经网络得到多视角深度图，进而得到人体点云，利用稀疏卷积网络处理点云，重建人体粗三维网格；基于高分辨率图像和粗三维网格，使用遮挡感知的自注意力网络，实现多视角图像信息的有效融合，利用滑动窗口技术和三维卷积网络，重建精细人体三维表面。本发明可充分利用高分辨率图像信息，从高分辨率图像中重建出高分辨率人体表面，同时有效平衡了计算资源的限制，提高了重建速度。
-
公开(公告)号：CN113139996B
公开(公告)日：2024-02-06
申请号：CN202110490222.6
申请日：2021-05-06
Applicant: 南京大学
IPC: G06T7/33 , G06T7/521 , G06T7/73 , G06N3/0475 , G06N3/045 , G06N3/0455 , G06N3/08 , G06T3/4038 , G06T3/60
Abstract: 本发明涉及一种基于三维点云几何特征学习的点云配准方法，首先使用自重建网络学习三个域转换模块：点云块到几何形状域的形状编码器、几何形状域到点云块的解码器以及点云块到采样域的采样编码器，并通过孪生交换结构保证几何特征的旋转不变性和采样一致性；然后使用形状编码器得到点云的几何特征描述并形成匹配对，初步筛选后利用RANSAC优化得到位姿估计；最后使用三个域转换网络构建点到曲面模型的精准匹配，进一步微调位姿实现点云配准，继而增量式定位激光雷达并获取点云地图。本发明的算法输入为激光雷达连续多帧点云，输出结果(56)对比文件Sidan Du，et al."Learn a GlobalAppearance Semi-Supervisedly forSynthesizing Person Images"《.IEEE》.2020,全文.CHUANZHE SUO，et al.“LPD-AE: LatentSpace Representation of Large-Scale 3DPoint Cloud”《.IEEE》.2020,全文.Yufu Zang，et al.“Deep Localization ofStatic Scans in Mobile Mapping PointClouds”《.remote sensing》.2021,全文.Yao Yu，et al."Reconstruction of High-Precision Semantic Map"《.sensors》.2020,全文.周余，于耀，都思丹，等“.基于Kinect的无标记手部姿态估计系统”《.南京大学学报（自然科学）》.2015,全文.梁振斌;熊风光;韩燮;陶谦.基于深度学习的点云匹配.计算机工程与设计.2020,(第06期),全文.李欣;李京英.基于激光雷达点云多特征提取的车辆目标识别算法.传感器与微系统.2020,(第10期),全文.
-
Patent Agency Ranking
公开(公告)号：CN116152439A
公开(公告)日：2023-05-23
申请号：CN202310191078.5
申请日：2023-03-02
Applicant: 南京大学
IPC: G06T17/00 , G06T7/55 , G06T7/73 , G06V10/77 , G06N3/0464
Abstract: 本发明提供一种基于多视角人体图像的人体三维姿态重建方法及系统，属于计算机视觉领域，方法包括：通过多个相机采集多个视角的人体图像；根据多个视角的人体图像、最小深度值、最大深度值、各相机的内参矩阵及外参矩阵，采用预先训练好的编解码网络，确定各人体表面点的深度值；根据各人体表面点的深度值、各相机的内参矩阵及外参矩阵，确定人体点云数据；基于人体点云数据，采用预先训练好的特征提取网络，确定有向包围盒坐标系下的人体三维关键点坐标；将有向包围盒坐标系下的人体关键点坐标转换到相机坐标系下，得到相机坐标系下的人体三维关键点坐标，以确定人体三维姿态。本发明提高了人体三维姿态重建的准确性及泛化性。
-
公开(公告)号：CN116071410A
公开(公告)日：2023-05-05
申请号：CN202310239900.0
申请日：2023-03-14
Applicant: 南京大学
IPC: G06T7/33
Abstract: 本发明公开一种基于深度学习的点云配准方法、系统、设备及介质，涉及计算机视觉与激光雷达测量标定领域。该方法包括：获取激光雷达数据，并根据激光雷达数据生成点云数据集；根据点云数据集确定第一点云和第二点云；采用训练好的孪生神经网络，确定第一点云和第二点云中每个点的几何描述符和关键性得分；根据几何描述符和关键性得分，从第一点云和第二点云中确定若干个匹配对；采用训练好的匹配对一致性学习网络，确定各匹配对的置信度；根据各置信度计算第一点云和第二点云之间的变换矩阵；根据变换矩阵对第一点云和第二点云进行配准。本发明能够提高点云配准精度，从而提高激光雷达测量标定的准确度。
-
公开(公告)号：CN114677405A
公开(公告)日：2022-06-28
申请号：CN202210399301.0
申请日：2022-04-15
Applicant: 南京大学
Abstract: 本发明涉及一种基于潜空间解耦和偏微分建模的云层运动预测方法及系统。所述方法包括：获取红外相机拍摄的原始云层图像训练集并进行数据预处理，得到预处理好的云层图像训练集；构建双支路递归神经网络，包括图像编码器、偏微分单元、长短时记忆单元、变分互信息网络以及图像解码器；利用云层图像训练集训练双支路递归神经网络；根据待预测区域的当前帧的云层图像和训练好的双支路递归神经网络确定待预测区域的未来帧的云层图像。采用本发明方法能够解决传统算法只针对大尺度长时间云层运动预测以及需要人工提取特征的高成本问题，利用大气物理特性和深度神经网络实现了小尺度云层运动的低成本实时精确预测。
-
公开(公告)号：CN114663533A
公开(公告)日：2022-06-24
申请号：CN202210399245.0
申请日：2022-04-15
Applicant: 南京大学
IPC: G06T7/80
Abstract: 本发明涉及一种基于非线性优化的多视角相机标定方法及系统。所述方法包括：对所有待标定相机的内参进行预标定，得到所有待标定相机的内参矩阵；通过多相机之间的相邻关系粗标定所有待标定相机在选定世界坐标系下的外参，得到所有待标定相机待优化的初始外参；通过非线性优化方法，基于所述内参矩阵对所有待标定相机待优化的初始外参进行同步优化，获得精细化的相机外参。本发明针对多视角相机的外参标定问题，采用一种先粗标定再优化的方式，有效解决了二维棋盘格标定物在多相机系统中存在的自遮挡问题，在不需要三维标定物的情况下，利用多相机之间的拓扑关系同步优化所有相机外参，可以得到精度可观的标定结果，提高了标定精度。
-
公开(公告)号：CN111062136A
公开(公告)日：2020-04-24
申请号：CN201911325532.1
申请日：2019-12-20
Applicant: 南京大学
IPC: G06F30/20 , G06T17/20 , G06F119/14
Abstract: 本发明涉及一种实时的衣物形态确定方法及系统。方法包括：获取当前帧物体的三维网格数据和运动参数和当前帧衣物的多个质点的初始位置；确定质点的第一势能和第二势能；确定质点的初始总能量；根据质点的初始位置和质点的初始总能量，对质点的当前位置进行更新；根据更新后的质点的当前位置，对质点的当前总能量进行更新；判断更新后质点的当前总能量与质点的当前总能量的差值是否小于更新阈值；并确定下一帧质点的位置；根据下一帧所有质点的位置，确定下一帧的衣物形态。本发明所提供的一种实时的衣物形态确定方法及系统，解决现有技术中衣物仿真中的衣物形态的真实性低和仿真的效率低的问题。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.03 seconds)
