-
公开(公告)号：CN110675360B
公开(公告)日：2022-04-01
申请号：CN201910712025.7
申请日：2019-08-02
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于深度图像的实时平面检测及提取的方法。本发明包括如下步骤：步骤1：对深度图像做预处理，并对深度图像提取区块信息；步骤2：对区块的几何参数分布做降维统计；步骤3：对估计的各个平面法向量查找平行平面；步骤4：平面参数优化。本发明根据深度图像的成像原理及平面结构的空间特性，使得计算机可以实时地通过深度图像获取环境中的平面结构信息，使得三维重建结果更加准确。从而准确高效地从深度图像中提取平面结构信息。
-
公开(公告)号：CN110533067A
公开(公告)日：2019-12-03
申请号：CN201910660518.0
申请日：2019-07-22
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于深度学习的边框回归的端到端弱监督目标检测方法。本发明在弱监督卷积神经网络中，经过卷积层，选择性搜索的边框经过特征图进行金字塔池化层和两个全连接层后输出预测边框的特征向量，后面再接一个全连接层和类别上的softmax层；最后输出选择性搜索框中的对应每个物体类的预测分数；选择每个类的得分最高的框最为这个类的伪标注边框；利用每个类别的检测出的最高分数的边框作为伪标注边框对弱监督模型预测出的物体框进行回归，从而产生回归损失函数，回归损失函数和弱监督模型的分类以及定位损失函数共同组成新的损失函数监督弱监督检测模型。本发明减少了检测时间，提高了目标检测的效率。
-
公开(公告)号：CN110675360A
公开(公告)日：2020-01-10
申请号：CN201910712025.7
申请日：2019-08-02
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于深度图像的实时平面检测及提取的方法。本发明包括如下步骤：步骤1：对深度图像做预处理，并对深度图像提取区块信息；步骤2：对区块的几何参数分布做降维统计；步骤3：对估计的各个平面法向量查找平行平面；步骤4：平面参数优化。本发明根据深度图像的成像原理及平面结构的空间特性，使得计算机可以实时地通过深度图像获取环境中的平面结构信息，使得三维重建结果更加准确。从而准确高效地从深度图像中提取平面结构信息。
-
-
搜索结果
3 条记录 (耗时 0.025 秒)
筛选
AND
AND
过滤
NOT
NOT
扫码加群
