公开(公告)号：CN114897765B

公开(公告)日：2025-03-25

申请号：CN202210208939.1

申请日：2022-03-04

Applicant: 同济大学

Inventor： 陈启军 ,  刘创伟 ,  刘成菊 ,  彭云 ,  颜熠

IPC: G06T7/00 ,  G06T5/50 ,  G06T3/4007 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于深度特征重建的复杂场景中螺栓异常检测方法，包括：1)获取原始图像输入卷积下采样网络，得到不同分辨率的深度特征图；2)将不同分辨率的深度特征图进行融合并输入到卷积插值上采样网络中，生成预测矩阵以及原始蒙版图；3)在卷积下采样网络得到的不同分辨率的特征图中清除螺栓位置附近的特征，并重建该螺栓区域在正常状态时的特征，得到重建蒙版图；4)对比原始蒙版图和重建蒙版图，完成异常螺栓的判定并生成最终的异常螺栓复原图。与现有技术相比，本发明能够排除生产设备在图片中的位置、室外光线情况、生产设备所处背景及设备本身工作状态对螺栓异常检测任务的干扰，具有较高的鲁棒性、适用性和实用性。

公开(公告)号：CN117746071A

公开(公告)日：2024-03-22

申请号：CN202311688470.7

申请日：2023-12-08

Applicant: 同济大学

Inventor： 范睿 ,  刘创伟 ,  陈启军 ,  刘成菊

IPC: G06V10/75 ,  G06V10/82 ,  G06V10/40

Abstract: 本发明涉及一种基于层级优化策略的双目图像关键点匹配方法及介质，该方法包括：S1、获取多对左右立体图像对；S2、深度神经网络特征提取器处理左右立体图像对，得到不同分辨率的左右特征图对；S3、计算左右特征图对的匹配代价体，以构建匹配代价体金字塔；S4、基于最低分辨率的匹配代价体获得初始关键点匹配对；S5、计算关键点匹配对在次低分辨率的匹配代价体中对应图像块间的匹配代价，并将满足局部极值性的匹配代价对应的像素对作为最低层级的关键点匹配结果；S6、重复步骤S5，按分辨率从低到高的方式对匹配代价体金字塔进行逐层优化，直至获得最终关键点匹配结果。与现有技术相比，本发明具有精度高、鲁棒性强等优点。

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：CN118521800A

公开(公告)日：2024-08-20

申请号：CN202410581972.8

申请日：2024-05-11

Applicant: 同济大学

Inventor： 范睿 ,  刘创伟

IPC: G06V10/74 ,  G06N3/0455 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种基于视觉基础模型的立体匹配特征提取方法、设备及介质，该方法包括：S1、将左右立体图像输入至预训练的视觉基础模型中，得到TL,R；S2、将TL,R输入尺度差异化模块，得到左右初始特征金字塔对DL,R；S3、将DL,R中分辨率最低的#imgabs0#输入交叉注意力模块，进行立体文本信息的聚合，得到#imgabs1#S4、将#imgabs2#和DL,R中具有次高分辨率的#imgabs3#输入跨尺度特征融合模块，以聚合不同尺度的语义信息，得到#imgabs4#S5、重复步骤S3和S4分别n‑1次和n‑2次，得到左右立体图像对应的特征金字塔对FL,R，其中n表示左右特征图对的数量。与现有技术相比，本发明具有全面增强图像深度特征等优点。

公开(公告)号：CN114897765A

公开(公告)日：2022-08-12

申请号：CN202210208939.1

申请日：2022-03-04

Applicant: 同济大学

Inventor： 陈启军 ,  刘创伟 ,  刘成菊 ,  彭云 ,  颜熠

IPC: G06T7/00 ,  G06T5/50 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度特征重建的复杂场景中螺栓异常检测方法，包括：1)获取原始图像输入卷积下采样网络，得到不同分辨率的深度特征图；2)将不同分辨率的深度特征图进行融合并输入到卷积插值上采样网络中，生成预测矩阵以及原始蒙版图；3)在卷积下采样网络得到的不同分辨率的特征图中清除螺栓位置附近的特征，并重建该螺栓区域在正常状态时的特征，得到重建蒙版图；4)对比原始蒙版图和重建蒙版图，完成异常螺栓的判定并生成最终的异常螺栓复原图。与现有技术相比，本发明能够排除生产设备在图片中的位置、室外光线情况、生产设备所处背景及设备本身工作状态对螺栓异常检测任务的干扰，具有较高的鲁棒性、适用性和实用性。