公开(公告)号：CN118537825A

公开(公告)日：2024-08-23

申请号：CN202410541389.4

申请日：2024-04-30

Applicant: 同济大学

Inventor： 范睿 ,  冯翊 ,  马羽 ,  陈启军

IPC: G06V20/56 ,  G06V10/44 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/80 ,  G06N3/09

Abstract: 本发明涉及一种基于异构特征融合和脆弱性感知的可行驶区域检测方法，包括以下步骤：获取道路场景的深度图像和对应的RGB图像，输入预先训练好的可行驶区域检测模型中，获得道路场景中的可行驶区域，其中，所述可行驶区域检测模型在训练过程中采用脆弱性感知损失函数进行训练，所述可行驶区域检测模型包括表面法线估计器、编码器、HF2B模块和轻量化解码器。与现有技术相比，本发明具有精度更高、计算复杂度低等优点。

公开(公告)号：CN118710719A

公开(公告)日：2024-09-27

申请号：CN202410842366.7

申请日：2024-06-27

Applicant: 同济大学

Inventor： 范睿 ,  冯翊

IPC: G06T7/73 ,  G06T7/50 ,  G06T7/90 ,  G06V10/40 ,  G06V20/70 ,  G06V10/54 ,  G06V20/56 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于空间信息聚合的深度位姿联合估计方法和介质，包括以下步骤：获取单目图像序列，输入深度位姿联合估计模型，输出深度预测图和相机位姿预测结果，模型处理输入的过程如下：获得深度空间先验和语义特征集合；将相邻帧RGB信息按批次拼接后，获得目标帧特征和参考帧特征；计算目标帧特征关于参考帧特征的滑动窗口的亲和度，并计算特征流和置信度；计算绝对特征位置坐标，聚合特征流、绝对特征位置坐标以及深度空间先验进行深度特征获得位置特征集合；将位置特征集合分层注入语义特征集合中，获得深度融合的特征表达，获得深度预测图和相机位姿预测结果。与现有技术相比，本发明可以进一步提高深度位姿联合估计的精度和鲁棒性。

公开(公告)号：CN112865589A

公开(公告)日：2021-05-28

申请号：CN202110131791.1

申请日：2021-01-30

Applicant: 同济大学

Inventor： 朱兴一 ,  庞亚凤 ,  刘帅年 ,  陈宇 ,  冯翊 ,  杜豫川

IPC: H02N1/04

Abstract: 本发明涉及一种基于杠杆原理及摩擦纳米发电的道路俘能装置，包括杠杆支架、折纸基俘能结构、下基板、上基板、杠杆翘板和封装外壳，杠杆支架、折纸基俘能结构、下基板、上基板和杠杆翘板分别安装在封装外壳内，下基板固定在在杠杆支架的底部，上基板与杠杆支架转动连接，安装在杠杆支架的顶部，杠杆翘板安装在上基板的顶部，与杠杆支架转动相连，折纸基俘能结构安装在下基板与上基板之间，折纸基俘能结构顶面与上基板相连，底面与下基板相连。与现有技术相比，本发明具有机械能收集和转换效率高、输出电压高、成本低等优点。

公开(公告)号：CN118864559A

公开(公告)日：2024-10-29

申请号：CN202411042878.1

申请日：2024-07-31

Applicant: 同济大学

Inventor： 范睿 ,  张孟谈 ,  冯翊

IPC: G06T7/55 ,  G06T7/277 ,  G06N3/084 ,  G06N3/088

Abstract: 本发明涉及一种显式注入稠密匹配先验的无监督单目深度估计方法，包括以下步骤：获取待估计的图像输入预先训练好的深度估计网络中，输出单目深度估计结果，其中所述深度估计网络基于无监督学习框架进行训练，所述无监督学习框架包括深度估计网络、预训练的光流估计网络和相机位姿估计网络。与现有技术相比，本发明具有显著提升收敛速度和估计精度等优点。

公开(公告)号：CN117710453A

公开(公告)日：2024-03-15

申请号：CN202311479759.8

申请日：2023-11-08

Applicant: 同济大学

Inventor： 范睿 ,  李佳奇 ,  吴致远 ,  冯翊 ,  刘创伟 ,  陈启军 ,  刘成菊

IPC: G06T7/73 ,  G06T7/00 ,  G06V10/26 ,  G06V10/80 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/098 ,  G06N3/084

Abstract: 本发明涉及一种基于多任务联合学习的语义分割和立体匹配方法及框架，该方法包括以下步骤：获取立体图像对信息，所述立体图像对信息包括左图和右图；基于所述左图和右图，采用联合编码器提取共享特征，并通过计算视差得到初步视差图；基于所述共享特征，通过更新视差以更新所述初步视差图，获得细化视差图，其中所述细化视差图为立体匹配结果；将所述共享特征转换到语义空间，并与所述细化视差图进行特征融合，获得融合特征；基于密集连接的跳跃连接解码器，解码所述融合特征，获得语义分割结果。与现有技术相比，本发明具有提高实时性能、数据要求低等优点。

公开(公告)号：CN117935214A

公开(公告)日：2024-04-26

申请号：CN202410019462.1

申请日：2024-01-05

Applicant: 同济大学

Inventor： 范睿 ,  李佳奇 ,  吴致远 ,  冯翊 ,  齐鹏

IPC: G06V20/58 ,  G06V10/40 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明涉及一种基于深度立体匹配网络的可行驶区域检测方法，包括以下步骤：获取待检测道路的多个立体图像对，所述立体图像对包括左图和右图；采用权重共享沙漏网络从所述立体图像对中提取左图和右图的特征图；将所述左图和右图的特征图输入至训练好的深度立体网络中，得到细化视差图；将左图的特征图和细化视差图进行特征融合，得到融合特征图；基于所述融合特征图，采用密集连接的跳跃连接进行检测，获得可行驶区域。与现有技术相比，本发明具有计算复杂度低、不依赖于精确视差或深度信息、检测准确性高等优点。

公开(公告)号：CN116188681A

公开(公告)日：2023-05-30

申请号：CN202211680353.1

申请日：2022-12-26

Applicant: 同济大学

Inventor： 范睿 ,  明南 ,  冯翊

IPC: G06T17/00 ,  G06T3/40

Abstract: 本发明涉及一种基于多向动态规划和迭代多项式插值的三维模型表面法向量估计方法及装置，其中方法包括：基于平滑能量转移方程定义每个像素点的平滑度能量函数和状态转移变量，并基于深度及其梯度信息初始化能量函数和状态转移变量；基于路径平滑范数计算状态转移变量，判断是否引入邻域点来完成当前点的法向量估计；定义迭代多项式插值算法以及迭代梯度更新方程；针对多个方向的邻域点，基于迭代梯度更新方程，使用动态规划方法完成深度梯度的迭代优化更新；基于深度梯度，利用向量叉乘方法估计得到三维法向量。与现有技术相比，本发明具有估计精度高等优点。