-
公开(公告)号：CN112598588B
公开(公告)日：2022-09-27
申请号：CN202011501283.X
申请日：2020-12-17
申请人： 国网江苏省电力有限公司电力科学研究院 , 南京理工大学
摘要： 本发明公开了一种基于曲率加权引导的变电站三维点云模型去噪方法，其特征在于：该去噪方法步骤如下：a、采用半径滤波的方法去除变电站模型离群点；b、根据曲面变分的数值进行特征点识别；c、点云加权引导滤波引入；d、顶点位置更新得到去噪后的点云模型。本发明的去噪方法首先针对变电站三维点云模型中存在的大量的离群点，采用半径滤波的方法对模型进行离群点的去除；接着采用曲率加权引导滤波算法对模型做更精确地去噪；该方法能够获得更好的去噪效果，并在去噪的同时保留了变电站设备的几何特征，提高变电站重构的逼真度，为变电站重构奠定了基础。
-
公开(公告)号：CN112598588A
公开(公告)日：2021-04-02
申请号：CN202011501283.X
申请日：2020-12-17
申请人： 国网江苏省电力有限公司电力科学研究院 , 南京理工大学
摘要： 本发明公开了一种基于曲率加权引导的变电站三维点云模型去噪方法，其特征在于：该去噪方法步骤如下：a、采用半径滤波的方法去除变电站模型离群点；b、根据曲面变分的数值进行特征点识别；c、点云加权引导滤波引入；d、顶点位置更新得到去噪后的点云模型。本发明的去噪方法首先针对变电站三维点云模型中存在的大量的离群点，采用半径滤波的方法对模型进行离群点的去除；接着采用曲率加权引导滤波算法对模型做更精确地去噪；该方法能够获得更好的去噪效果，并在去噪的同时保留了变电站设备的几何特征，提高变电站重构的逼真度，为变电站重构奠定了基础。
-
公开(公告)号：CN112419164A
公开(公告)日：2021-02-26
申请号：CN201910783574.3
申请日：2019-08-23
申请人： 南京理工大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于曲率和邻域重构的加权引导点云模型去噪方法。该方法为：首先，计算点云模型中每个点的曲率信息，根据设定的阈值，将模型中的特征点提取出来；其次，根据提取出来的特征点，在由K近邻法获取的邻域的基础上重构邻域点，并使得重构出的邻域在一个面上；然后，根据重构出的邻域，利用每个点的三维位置信息作为引导信号，同时将曲率信息作为加权信号加入到位置引导信号中，从而对点云模型中的每个点做线性变换；最后，根据计算出的线性变换系数，对每个点进行线性变换，实现点云模型去噪。本发明在对点云去噪模型的同时保持了点云模型的特征信息，并且对于不同程度的噪声有较好的鲁棒性。
-
公开(公告)号：CN112419164B
公开(公告)日：2022-08-19
申请号：CN201910783574.3
申请日：2019-08-23
申请人： 南京理工大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于曲率和邻域重构的加权引导点云模型去噪方法。该方法为：首先，计算点云模型中每个点的曲率信息，根据设定的阈值，将模型中的特征点提取出来；其次，根据提取出来的特征点，在由K近邻法获取的邻域的基础上重构邻域点，并使得重构出的邻域在一个面上；然后，根据重构出的邻域，利用每个点的三维位置信息作为引导信号，同时将曲率信息作为加权信号加入到位置引导信号中，从而对点云模型中的每个点做线性变换；最后，根据计算出的线性变换系数，对每个点进行线性变换，实现点云模型去噪。本发明在对点云去噪模型的同时保持了点云模型的特征信息，并且对于不同程度的噪声有较好的鲁棒性。
-
公开(公告)号：CN112419472B
公开(公告)日：2022-09-30
申请号：CN201910783240.6
申请日：2019-08-23
申请人： 南京理工大学
摘要： 本发明公开了一种基于虚拟阴影图的增强现实实时阴影生成方法。该方法为：首先获取当前设备数据，对场景中的光源方向和光照强度进行估计；通过摄像机获取当前场景视频，将图像分为阴影区域和非阴影区域；通过深度相机获取视频深度信息，得到三维空间坐标，并转换至灯光空间；然后根据光源方向渲染阴影图，将现实场景中的阴影区域渲染至阴影图中，构建二值阴影图；接着将虚拟对象顶点变换至阴影图空间，根据二值阴影图判断当前顶点是否处于阴影之中，是则渲染阴影效果，否则渲染光照效果，并生成阴影；最后生成3D虚拟对象，与当前场景图像融合后输出显示。本发明计算效率高，可以实现移动增强现实中全部阴影和局部阴影的生成。
-
公开(公告)号：CN112446263A
公开(公告)日：2021-03-05
申请号：CN201910825950.0
申请日：2019-09-03
申请人： 南京理工大学
IPC分类号： G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/583
摘要： 本发明公开了一种基于深度哈希学习的运动检索方法。该方法包括以下步骤：获取运动序列数据集，对骨架进行归一化处理；建立双流递归神经网络模型，提取运动序列特征；在特征向量提取层之后加入哈希层，得到运动序列的二进制哈希码，通过损失层计算量化损失，使用反向传播算法在目标领域上调整模型的参数，优化整体目标；根据给定的查询运动序列，检索出运动库中的运动序列。本发明基于深度哈希学习的运动序列检索方法能够自动的从深度框架中获取语义的特征，且泛化性更好，提取出的特征具有语义性；其次从传统欧式空间转化到汉明空间，利用汉明距离由小到大进行排序，能够在大规模数据集中减少运动检索时间、提高检索精度。
-
公开(公告)号：CN112419472A
公开(公告)日：2021-02-26
申请号：CN201910783240.6
申请日：2019-08-23
申请人： 南京理工大学
摘要： 本发明公开了一种基于虚拟阴影图的增强现实实时阴影生成方法。该方法为：首先获取当前设备数据，对场景中的光源方向和光照强度进行估计；通过摄像机获取当前场景视频，将图像分为阴影区域和非阴影区域；通过深度相机获取视频深度信息，得到三维空间坐标，并转换至灯光空间；然后根据光源方向渲染阴影图，将现实场景中的阴影区域渲染至阴影图中，构建二值阴影图；接着将虚拟对象顶点变换至阴影图空间，根据二值阴影图判断当前顶点是否处于阴影之中，是则渲染阴影效果，否则渲染光照效果，并生成阴影；最后生成3D虚拟对象，与当前场景图像融合后输出显示。本发明计算效率高，可以实现移动增强现实中全部阴影和局部阴影的生成。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.047 秒)
