-
公开(公告)号：CN117452427A
公开(公告)日：2024-01-26
申请号：CN202311406442.1
申请日：2023-10-27
申请人： 宁夏农林科学院农业经济与信息技术研究所 , 南京理工大学
摘要： 本发明涉及计算机视觉技术领域，涉及一种用于激光雷达与相机的自标定方法、装置及存储介质。该方法具有如下步骤：S1、采用激光雷达和相机对同一场景进行数据采集，激光雷达用于获取深度图像和强度图像，相机用于获取彩色图像；S2、基于ORB特征检测，获取强度图像与彩色图像中的匹配点对；S3、自深度图像中获取与匹配点对应的三维坐标，自彩色图像中获取与匹配点对应的图像坐标，建立坐标点对；S4、构建深度图像与彩色图像间的坐标投影公式，通过坐标点对对坐标投影公式求解，获取激光雷达与相机间的转换矩阵。该装置及存储介质均用于实现上述的自标定方法。本发明能够较佳地实现激光雷达坐标系与相机坐标系间的自主对齐标定。
-
公开(公告)号：CN117274951A
公开(公告)日：2023-12-22
申请号：CN202311214404.6
申请日：2023-09-20
申请人： 南京理工大学
摘要： 本发明公开了一种基于分数阶微分的三维点云前视投影图障碍物检测方法，该方法首先将激光雷达采集的点云数据根据水平偏移角度和垂直偏移角度投影到前视图，前视图每个像素点的像素值由落入该像素点的所有点云的距离最大值决定；然后将分数阶微分的求解过程转换为对每一个像素点求y方向的一维卷积；最终根据分数阶微分的结果判定处于该像素点内的点云是否属于障碍物。本发明通过求解分数阶微分检测机器人行驶过程中的环境障碍物，降低了漏检的可能，提高了机器人行驶过程中的安全性。
-
公开(公告)号：CN112699928B
公开(公告)日：2022-09-20
申请号：CN202011568694.0
申请日：2020-12-25
申请人： 南京理工大学
IPC分类号： G06V10/774 , G06V10/82 , G06N3/04
摘要： 本发明公开了一种基于深度卷积网络的非机动车检测和识别方法，首先自建非机动车数据集，并划分成训练集和测试集。然后建立基于深度学习的神经网络构架，将第一步划分的训练集放入网络中训练，从而得到训练好的深度卷积网络，最后将测试集送入训练好的深度卷积网络中测试。本发明通过基于深度卷积网络的方法来进行非机动车检测和识别，使得非机动车检测的精度更高。
-
公开(公告)号：CN108805896B
公开(公告)日：2022-02-18
申请号：CN201810424191.2
申请日：2018-05-07
申请人： 南京理工大学
摘要： 本发明公开了一种应用于城市环境的距离图像分割方法。该方法为：首先对距离图像中每行像素点的不同大小的距离值进行数量统计，产生直方图；然后根据直方图利用随机抽样一致算法进行直线拟合，得到每行中道路部分对应的距离值，将距离图像每行像素中在此距离值及其上下部分区间中的像素点分割出来，得到道路部分的分割结果；最后以图像左上角第一个像素作为中心像素队列的初始中心像素，进行8‑邻域的广度优先遍历，将剩余像素部分进行分割。本发明提高了整体分割效率和分割的准确性，从而提高了后续处理的准确性。
-
公开(公告)号：CN109118493B
公开(公告)日：2021-09-10
申请号：CN201810757983.1
申请日：2018-07-11
申请人： 南京理工大学
摘要： 本发明公开了一种深度图像中的显著区域检测方法。首先通过计算深度图中各像素点与邻近点的差异，获得各像素点的梯度特征；再采用全局对比度的方法，由梯度特征计算获得初始的显著性图；然后依据深度图的直方图统计特征进行峰谷检测与零视差区域估计，实施背景区域和前景区域的划分，进而抑制背景部分的显著性，保留前景部分的显著性；最后扩展超像素划分方法进一步优化得到最终的显著区域检测图。本发明先后通过背景区域划分与超像素划分有效的抑制背景部分的显著性、优化前景部分的显著性，为目标检测、目标识别、场景理解等提供可靠的显著区域，提高对图像感兴趣区域的获取能力。
-
公开(公告)号：CN111275076A
公开(公告)日：2020-06-12
申请号：CN202010030505.8
申请日：2020-01-13
申请人： 南京理工大学
摘要： 本发明公开了一种基于特征选择和特征融合的图像显著性检测方法，包括以下步骤：对输入图像进行特征提取，并将特征添加至特征金字塔集合中；对特征金字塔集合进行特征选择，获得新的特征金字塔集合；以自底向上的方式，对新的特征金字塔集合中的特征进行特征融合，获得混合特征金字塔集合；利用混合特征金字塔集合中的特征对显著性预测网络模型进行训练，利用训练后的模型对待检测图像进行显著性检测。本发明采用注意力模型对图像的特征进行特征选择，增强了与图像目标相关的特征，使得特征更加有效，并采用自底向上的特征融合结构，将底层的细节特征和高层的语义特征进行了有效融合，大大提升了特征的表征能力，比一般显著性模型网络的检测准确率高。
-
公开(公告)号：CN111178188A
公开(公告)日：2020-05-19
申请号：CN201911301702.2
申请日：2019-12-17
申请人： 南京理工大学
摘要： 本发明公开了一种基于频域先验的视频显著性目标检测方法，包括以下步骤：根据当前帧的三颜色通道，得到四元数图像，并将该四元数图像从空间域经过超复数傅里叶变换到频率域得到振幅谱和相位谱，通过将振幅谱置为1，进行傅里叶反变换得到频域显著性先验信息；建立对称卷积神经网络的静态模块，得到当前视频帧的空间显著性检测结果；建立基于全卷积神经网络的动态模块，换得到频域先验信息，并联合空间显著性结果和当前帧通过动态模块进行空时融合和特征提取，经反卷积得到最终的视频显著性检测结果。本发明的视频显著性目标检测摒弃复杂的光流计算，进而以频域先验信息将时序特性和运动信息考虑进来代替光流，提高了计算效率，减少了计算代价。
-
公开(公告)号：CN106945740B
公开(公告)日：2019-03-05
申请号：CN201710103129.9
申请日：2017-02-24
申请人： 南京理工大学
IPC分类号： B62D57/024 , B62D57/032
摘要： 本发明公开了一种多腔吸附的轮腿结合式爬壁机器人。该爬壁机器人包括：多腔负压吸附底盘，包括多个由一个吸盘和一个微型真空泵形成的负压吸附腔，用于将机器人吸附于壁面上；轮式运动机构，安装在多腔负压吸附底盘上，用于驱动机器人前进后退和转向；三段式越障臂，为三段三自由度结构，一端固定在多腔负压吸附底盘上，另一端安装吸盘用于将机器人吸附于壁面上；控制模块，包括电池、数传模块和驱动板，电池用于供电，数传模块提供远程遥控功能，驱动板用于驱动轮式运动机构和三段式越障臂做出动作，并驱动多腔负压吸附底盘和三段式越障臂的吸盘吸附于壁面。本发明壁面适应性强，吸附可靠性高，轮腿结合的设计兼顾了速度与越障两方面的需求。
-
公开(公告)号：CN108805896A
公开(公告)日：2018-11-13
申请号：CN201810424191.2
申请日：2018-05-07
申请人： 南京理工大学
CPC分类号： G06T7/187 , G06T7/11 , G06T2207/30184
摘要： 本发明公开了一种应用于城市环境的距离图像分割方法。该方法为：首先对距离图像中每行像素点的不同大小的距离值进行数量统计，产生直方图；然后根据直方图利用随机抽样一致算法进行直线拟合，得到每行中道路部分对应的距离值，将距离图像每行像素中在此距离值及其上下部分区间中的像素点分割出来，得到道路部分的分割结果；最后以图像左上角第一个像素作为中心像素队列的初始中心像素，进行8‑邻域的广度优先遍历，将剩余像素部分进行分割。本发明提高了整体分割效率和分割的准确性，从而提高了后续处理的准确性。
-
公开(公告)号：CN104200507A
公开(公告)日：2014-12-10
申请号：CN201410396492.0
申请日：2014-08-12
申请人： 南京理工大学
IPC分类号： G06T15/00
摘要： 本发明公开了一种三维点云点法向量估计方法，在空间邻域中确定各点的k近邻点，根据k近邻点计算各点的初始法向量，拟合平面，根据k近邻点到平面的距离远近选出距离最近60％～80％的k近邻点，在第一次选出的k近邻点中再选择与该点的法向量夹角最小的60％～80％的k近邻点，剔除噪声点，计算选出点的稳定的法向量，遍历点云，得到各点稳定的法向量。本发明先后使用距离判断和方向一致性判断剔除k近邻中不稳定的点，从而计算得到点云中点的较稳定的法向量，为点云的配准、聚类、分割等提供较稳定的计算参数，提高对噪声的抑制能力。
-
-
-
-
-
-
-
-
-
搜索结果
52 条记录 (耗时 0.098 秒)
