-
公开(公告)号：CN117392201A
公开(公告)日：2024-01-12
申请号：CN202311199001.9
申请日：2023-09-18
申请人： 山东科技大学
IPC分类号： G06T7/62 , G06T5/80 , G06T3/40 , G06T3/60 , G06T7/11 , G06T7/90 , G06T5/30 , G06F17/11 , G06F17/16
摘要： 本发明提供了一种基于视觉检测的靶纸弹孔识别及报靶方法，具体包括如下步骤：在相机前添加滤光片，通过相机获取靶面原始图像，对原始图像进行几何校正。对图像依次进行：灰度化、二值分割以及形态学操作。图像经过校正和预处理后，得到包含弹孔靶面的二值图像，对靶面进行轮廓提取和拟合，以获取靶心坐标和靶心半径；通过面积筛选出有效靶面生成掩膜，然后按照掩膜的区域将原图像进行分割以留下最后的目标区域进行弹孔检测。根据计算的欧式距离与每个环值所在的圆环半径进行对比，对于在靶线上的弹孔，通常按照环值大的一边计算，即环值高的为有效成绩。本发明的技术方案克服现有技术中不能有效检测出靶面上弹孔位置、受光照影响大的问题。
-
公开(公告)号：CN116310395A
公开(公告)日：2023-06-23
申请号：CN202310121708.1
申请日：2023-02-16
申请人： 山东科技大学
IPC分类号： G06V10/46 , G06V10/50 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/088 , G06N3/084
摘要： 本发明提供了一种基于无监督深度神经网络的图像特征提取方法,具体包括如下步骤：获取当前不同视点的图像，调整所有图像为统一大小，并转成灰度图；对灰度图进行单应性变换，新生成的图像与原图重新构成一组图像对，最后吧所有的图像对构成一个图像集；随机选择每个图像对中的一张图像构成图像组A，另一张图像构成图像组B；把图像组A中每张图片按图像长宽比进行分块；把图像组B作为无监督深度学习神经网络的输入；利用计算出的误差对无监督深度学习神经网络进行反向传播。本发明的技术方案克服现有技术中基于卷积神经网络的提取速度慢，且需要大量标注数据用于网络训练的问题。
-
公开(公告)号：CN116363455A
公开(公告)日：2023-06-30
申请号：CN202310260283.2
申请日：2023-03-17
申请人： 山东科技大学
IPC分类号： G06V10/774 , G06V10/764 , G06N20/20 , G06N3/088
摘要： 本发明公开了一种基于无监督学习的回环检测方法，属于检测技术领域，本发明通过神经网络学习图像的表示构建图像的描述符替代传统的手工特征，再进行图像的特征匹配以实现回环检测；首先，设计搭建一种适合回环检测的无监督网络模型；其次，将输入图片通过训练好的网络提取出图像特征；最后，对查询图像和历史数据图像的匹配，以此来检测机器人是否经过相同的地方。本发明所提出的方法在特征提取方面采用神经网络学习图像的表示代替传统的手工特征，特征匹配采用最近邻搜和几何检查结合的匹配方法，在提高图像描述符对环境变化鲁棒性的同时又提高了检测的准确性，提高算法的适用性。
-
公开(公告)号：CN115855018A
公开(公告)日：2023-03-28
申请号：CN202211451622.7
申请日：2022-11-21
申请人： 山东科技大学
摘要： 本发明公开了一种基于点线综合特征的改进同步定位与建图方法，属于机器人定位与建图领域，所述方法是在传统视觉SLAM算法的基础上，增加了线特征作为补充特征，通过构建基于点线综合特征的后端约束方程实现定位与建图。首先，在SLAM前端，进行线特征和点特征的提取和匹配；在SLAM后端，改进了线特征重投影误差模型，构建了基于点线仿射不变量的点线综合特征残差约束，在此基础上构建了融合点线综合特征的后端优化函数，提升SLAM的精度和鲁棒性。所提出的弱纹理环境下基于点线综合特征的改进SLAM方法，可以提升室内弱纹理场景下机器人视觉SLAM的精度和可靠性，具有良好的工程应用价值。
-
-
-
搜索结果
4 条记录 (耗时 0.018 秒)