公开(公告)号：CN117274333A

公开(公告)日：2023-12-22

申请号：CN202311245490.7

申请日：2023-09-25

申请人： 浙江大学

发明人： 曹思源 ,  马骏 ,  张润民 ,  童奕澄 ,  左偲彤 ,  俞贝楠 ,  应佳成 ,  张程浩 ,  罗伦 ,  沈会良 ,  李军伟

IPC分类号： G06T7/33 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于多尺度深度特征图融合的多光谱图像配准方法，该方法可用于配准不同波段间的光谱图像，该方法首先利用多尺度一致特征图映射器获取目标图像和源图像的一致特征图，将多尺度一致特征图利用transformer结构进行自相关特征修饰，获得多尺度匹配信息特征图，再基于自注意力机制处理多尺度匹配信息特征图，输出配准参数残差。在图像配准真值和一致特征图内容一致性损失函数的监督下，网络迭代运行，直至预设迭代次数，得到最终配准参数。在多光谱数据集上的实验结果和分析表明，本发明所提出的基于多尺度深度特征图融合的多光谱图像配准方法，有效提高了多光谱图像的配准精度。

公开(公告)号：CN117173226A

公开(公告)日：2023-12-05

申请号：CN202311245570.2

申请日：2023-09-25

申请人： 浙江大学

发明人： 马骏 ,  曹思源 ,  张润民 ,  童奕澄 ,  左偲彤 ,  俞贝楠 ,  应佳成 ,  张程浩 ,  罗伦 ,  沈会良 ,  李军伟

IPC分类号： G06T7/33 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于预测校正和汇聚注意力transformer的多模态图像配准方法，该方法首先利用卷积神经网络对目标图像和源图像进行特征提取，再基于自注意力机制对所述目标图像/源图像特征图进行自注意力特征修饰，并进一步基于交叉注意力机制预测残差配准参数；循环上述过程至设定次数，对残差配准参数累加得到最终配准参数，即可对源图像进行形变校正。本发明方法引入基于模型预测引导形变校正的迭代推理框架，提高模型的鲁棒能力，增强配准的精度。实验结果和分析证明了本发明所提出的基于预测校正和汇聚注意力transformer的多模态图像配准方法对于解决多模态图像配准问题的有效性和优越性。

公开(公告)号：CN113327296B

公开(公告)日：2022-04-12

申请号：CN202110717950.6

申请日：2021-06-28

申请人： 浙江大学

发明人： 沈会良 ,  王坦 ,  罗伦

IPC分类号： G06T7/80 ,  G06T5/30

摘要： 本发明公开了一种基于深度加权的激光雷达与相机在线联合标定方法，考虑到当激光雷达与相机之间发生抖动或者位置偏移的时候，初始的标定外参将不再适用，需要对其在线校正，该方法首先对激光点云和相机图像分别进行边缘特征提取，获取边缘特征点云和边缘特征图像；然后根据初始标定外参建立激光雷达与相机之间的投影模型，以边缘特征点云和边缘特征图像的匹配重合度作为标定外参的质量指标，构建基于深度加权的边缘一致性目标函数；最后通过差分进化算法对标定外参进行优化，在线校正激光雷达与相机之间的标定外参。本发明可应用于自动驾驶场景中激光雷达与相机的在线联合标定问题，适用于各种复杂的环境，提高了在线联合标定方法的精度。

公开(公告)号：CN113327296A

公开(公告)日：2021-08-31

申请号：CN202110717950.6

申请日：2021-06-28

申请人： 浙江大学

发明人： 沈会良 ,  王坦 ,  罗伦

IPC分类号： G06T7/80 ,  G06T5/30

摘要： 本发明公开了一种基于深度加权的激光雷达与相机在线联合标定方法，考虑到当激光雷达与相机之间发生抖动或者位置偏移的时候，初始的标定外参将不再适用，需要对其在线校正，该方法首先对激光点云和相机图像分别进行边缘特征提取，获取边缘特征点云和边缘特征图像；然后根据初始标定外参建立激光雷达与相机之间的投影模型，以边缘特征点云和边缘特征图像的匹配重合度作为标定外参的质量指标，构建基于深度加权的边缘一致性目标函数；最后通过差分进化算法对标定外参进行优化，在线校正激光雷达与相机之间的标定外参。本发明可应用于自动驾驶场景中激光雷达与相机的在线联合标定问题，适用于各种复杂的环境，提高了在线联合标定方法的精度。

公开(公告)号：CN110320504A

公开(公告)日：2019-10-11

申请号：CN201910690051.4

申请日：2019-07-29

申请人： 浙江大学

发明人： 沈会良 ,  高煜 ,  罗伦 ,  金晓

IPC分类号： G01S7/48

摘要： 本发明公开了一种基于激光雷达点云统计几何模型的非结构化道路检测方法。该方法包括：利用车载激光雷达获取原始三维点云数据；构造激光点云三维直方图；拟合三维直方图中的数据点得到道路平坦区域的基本轮廓；采用最小二乘方法拟合道路平坦区域的基本轮廓得到道路平坦区域的二次曲面方程；设置栅格分辨率R，在笛卡尔坐标系下得到空间二维栅格地图，并统计各栅格单元内所有激光点云数据的最大高度差；计算激光点云数据到二次曲面的距离，并根据激光点云数据所属栅格单元点云数据的最大高度差，确定最终的可通行区域。本发明可应用于无人自主车在非结构化道路中的可行驶区域检测问题。

公开(公告)号：CN110320504B

公开(公告)日：2021-05-18

申请号：CN201910690051.4

申请日：2019-07-29

申请人： 浙江大学

发明人： 沈会良 ,  高煜 ,  罗伦 ,  金晓

IPC分类号： G01S7/48

摘要： 本发明公开了一种基于激光雷达点云统计几何模型的非结构化道路检测方法。该方法包括：利用车载激光雷达获取原始三维点云数据；构造激光点云三维直方图；拟合三维直方图中的数据点得到道路平坦区域的基本轮廓；采用最小二乘方法拟合道路平坦区域的基本轮廓得到道路平坦区域的二次曲面方程；设置栅格分辨率R，在笛卡尔坐标系下得到空间二维栅格地图，并统计各栅格单元内所有激光点云数据的最大高度差；计算激光点云数据到二次曲面的距离，并根据激光点云数据所属栅格单元点云数据的最大高度差，确定最终的可通行区域。本发明可应用于无人自主车在非结构化道路中的可行驶区域检测问题。