-
公开(公告)号：CN107798680B
公开(公告)日：2020-09-22
申请号：CN201710962059.2
申请日：2017-10-16
申请人： 杭州电子科技大学
IPC分类号： G06T7/10
摘要： 本发明公开了一种减少图像标签融合冗余计算的方法。本发明的方法是利用GPU多线程并行计算，整体上提取目标图像和多图谱图像的灰度特征，再建立一个从目标图像的灰度特征到多图谱图像的灰度特征的映射地图，通过映射地图寻找每个点匹配到的多图谱点集和对应的标签集，接着用欧氏距离计算匹配到的点集处的权重值，然后统计可能匹配的每个标签值的权重，找到目标图像每个点处对应权重值总和最大的标签值，最后得到带标签的分割图像。本发明所述的方法能够保证在不改变原有算法的分割精度的条件下，根据GPU多线程并行计算的特点，通过改为适用于GPU多线程的计算方式，来减少标签融合时的冗余计算，提高医学图像的分割效率。
-
公开(公告)号：CN108876897A
公开(公告)日：2018-11-23
申请号：CN201810361369.3
申请日：2018-04-20
申请人： 杭州电子科技大学
摘要： 本发明属于计算机视觉与计算机图形学相结合的领域。本发明公开了一种相机快速运动下的场景三维重建方法。本发明步骤如下：步骤1：预处理；步骤2：建立模糊模型；步骤3：相机姿态估计；步骤4：从深度相机采集的模糊深度图中提取出清晰深度图像，将清晰深度图像计算得到的三维点云模型与当前场景模型进行融合，获得新的场景模型。本发明利用相机模糊原理，建立快速运动下的相机运动模型，在进行相机姿态估计时，先利用图像信息估计出一个粗糙的相机姿态作为ICP的初始值，再利用ICP和深度图得到相对准确的相机姿态信息，最后利用能量函数优化该相机姿态信息。传统方法单纯使用ICP方法估计相机姿态，这在快速运动的情况下是无法实现的。
-
公开(公告)号：CN106843227A
公开(公告)日：2017-06-13
申请号：CN201710174916.2
申请日：2017-03-22
申请人： 杭州电子科技大学
CPC分类号： G05D1/0212 , G05B13/0265 , G05B13/042
摘要： 本发明公开了一种智能汽车自主循迹路径规划的方法。本方法为：1)初始化智能汽车偏离轨道中心位置的值，并将其归一化到‑1～1之间；其中，正负号代表智能汽车的偏离方向；2)根据归一化后的值列写PID控制器所需要的P值，P＝a^3/sc+a^2/ec+a/yc+Pmin,sc是三次项的系数，ec是二次项的系数，yc是一次项的系数，Pmin是最小基础P值；3)检测智能汽车偏离当前运行轨道中心位置的值，智能汽车的PID控制器根据该值对智能汽车进行路径规划。本发明可以使智能汽车可以更好的在其运动轨道上运行，如果其运行效果不是很好也只用适当的调试P值(比例值)中三次函数中的各个参数的值既可以使其达到最优的状态。
-
公开(公告)号：CN108876897B
公开(公告)日：2022-10-18
申请号：CN201810361369.3
申请日：2018-04-20
申请人： 杭州电子科技大学
摘要： 本发明属于计算机视觉与计算机图形学相结合的领域。本发明公开了一种相机快速运动下的场景三维重建方法。本发明步骤如下：步骤1：预处理；步骤2：建立模糊模型；步骤3：相机姿态估计；步骤4：从深度相机采集的模糊深度图中提取出清晰深度图像，将清晰深度图像计算得到的三维点云模型与当前场景模型进行融合，获得新的场景模型。本发明利用相机模糊原理，建立快速运动下的相机运动模型，在进行相机姿态估计时，先利用图像信息估计出一个粗糙的相机姿态作为ICP的初始值，再利用ICP和深度图得到相对准确的相机姿态信息，最后利用能量函数优化该相机姿态信息。传统方法单纯使用ICP方法估计相机姿态，这在快速运动的情况下是无法实现的。
-
公开(公告)号：CN107886519A
公开(公告)日：2018-04-06
申请号：CN201710977831.8
申请日：2017-10-17
申请人： 杭州电子科技大学
CPC分类号： G06T7/162 , G06T1/20 , G06T7/11 , G06T2207/20072 , G06T2207/30016
摘要： 本发明公开了一种基于CUDA的多图谱三维脑图像快速分割方法。本发明运用块的稀疏表示方法进行多图谱标签融合算法的基础上，将特定的ROI区域的并集提取出来并进行适当的膨胀，并建立索引。在GPU中求取权重和标签，所有需要处理的点并行运行得到块向量、块的预选择、块的正则化、权重计算以及确定标签。同时利用NVIDIA的统一计算设备架构，转化为CUDA线程块并行计算过程，使部分程序在GPU中加速执行，在保证一定的分割精度下，显著地提高了算法的运算速度。本发明方法并行部分主要在解l1范数优化问题，很多只要是涉及到解l1范数优化的问题，都可以通过本发明方法更加快速地解决，所以本发明更加具有普适性。
-
公开(公告)号：CN108052002A
公开(公告)日：2018-05-18
申请号：CN201711164794.5
申请日：2017-11-21
申请人： 杭州电子科技大学
IPC分类号： G05B13/04
CPC分类号： G05B13/042
摘要： 本发明公开了一种改进的模糊PID的智能汽车自动循迹方法。本发明的方法是通过智能车的传感器来测量小车在道路的位置，以及偏移道路的远近。当智能车在道路中间时，传感器检测到此时的偏差e为零，当智能车偏离车道越远时，此时的偏差e也就越大。当智能车偏离车道的速度为零时，此时的传感器检测到偏差的变化率ec为零。同理当智能车偏离车道的速度越大时，此时的偏差变化率ec也就越大。当计算出偏差e及偏差的变化率ec时，就可以通过和模糊PID算法结合，算出最终的PID值。本发明比普通的模糊PID算法更精确的且更实时的反应道路的信息。使智能车驾驶更加流畅精确。
-
公开(公告)号：CN107798680A
公开(公告)日：2018-03-13
申请号：CN201710962059.2
申请日：2017-10-16
申请人： 杭州电子科技大学
IPC分类号： G06T7/10
摘要： 本发明公开了一种减少图像标签融合冗余计算的方法。本发明的方法是利用GPU多线程并行计算，整体上提取目标图像和多图谱图像的灰度特征，再建立一个从目标图像的灰度特征到多图谱图像的灰度特征的映射地图，通过映射地图寻找每个点匹配到的多图谱点集和对应的标签集，接着用欧氏距离计算匹配到的点集处的权重值，然后统计可能匹配的每个标签值的权重，找到目标图像每个点处对应权重值总和最大的标签值，最后得到带标签的分割图像。本发明所述的方法能够保证在不改变原有算法的分割精度的条件下，根据GPU多线程并行计算的特点，通过改为适用于GPU多线程的计算方式，来减少标签融合时的冗余计算，提高医学图像的分割效率。
-
公开(公告)号：CN107103626A
公开(公告)日：2017-08-29
申请号：CN201710173832.7
申请日：2017-03-22
申请人： 杭州电子科技大学
CPC分类号： H04M1/72527 , G06T2207/10016 , G06T2207/10024 , G06T2207/10028
摘要： 本发明公开了一种基于智能手机的场景重建方法。本方法为：1)计算智能手机上彩色相机的内部相机参数矩阵；2)将深度相机连接到该智能手机上并固定，计算该深度相机对应的内部相机参数矩阵及其缩放因子；3)计算该彩色相机与该深度相机相对应的外部参数矩阵；4)用智能手机上的该彩色相机、深度相机拍摄场景的全景视频，再将该视频转换为图像序列；然后通过得到的外部参数矩阵和内部参数矩阵将图像序列合并为RGB‑D四通道序列；5)计算该RGB‑D中相邻两帧对应的变换矩阵；6)通过RGB‑D与变换矩阵建立场景三维空间点云集，然后通过仿射变换将该点云集显示于智能手机的显示屏上。本发明具有更好的便携性和可塑性。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.053 秒)
