-
公开(公告)号：CN107507268B
公开(公告)日：2020-07-03
申请号：CN201710639328.1
申请日：2017-07-31
申请人： 西北工业大学 , 中国科学院自动化研究所
IPC分类号： G06T17/00
摘要： 本发明公开了一种光照与生长方程共同约束的三维数字树木生长建模方法，用于解决现有三维数字树木生长建模方法不能约束树木生长高度的技术问题。技术方案是根据植物生长方程，通过输入三维数字树木根的起始位置和初始的主干方向，以及树木生长空间的光照信息，一轮一轮地迭代生长。首先计算各个树枝的顶芽和侧芽获得的光照资源，然后计算光照资源的汇聚和分配量，再利用生长方程约束树木的生长速度，确定每个顶芽和侧芽是否生长以及生长的速度，最后计算出新的树枝位置和分枝模型的几何量，更新树枝中各个结点的半径值。停止迭代生长后，输出树枝模型，添加树叶。本发明解决了在光照资源充分的条件下，不能约束树木的生长高度的技术问题。
-
公开(公告)号：CN108154488B
公开(公告)日：2019-10-22
申请号：CN201711438764.9
申请日：2017-12-27
申请人： 西北工业大学 , 中国科学院自动化研究所
摘要： 本发明提供了一种基于显著图像块分析的图像运动模糊去除方法，涉及图像处理领域，本发明生成超像素，利用基于密度的聚类算法融合成一个超像素，以超像素为单位进行兴趣图计算；获得所有图层的兴趣图后，将兴趣图按权重进行线性叠加，本发明将选取显著图像块的方法应用于去模糊算法的输入，与去模糊算法相结合，实现最终的图像恢复过程，最终得到图像前景区域更加自然的模糊去除结果。本发明有效恢复模糊图像中人眼感兴趣的前景部分，核估计速度大幅提高。
-
公开(公告)号：CN107507268A
公开(公告)日：2017-12-22
申请号：CN201710639328.1
申请日：2017-07-31
申请人： 西北工业大学 , 中国科学院自动化研究所
IPC分类号： G06T17/00
摘要： 本发明公开了一种光照与生长方程共同约束的三维数字树木生长建模方法，用于解决现有三维数字树木生长建模方法不能约束树木生长高度的技术问题。技术方案是根据植物生长方程，通过输入三维数字树木根的起始位置和初始的主干方向，以及树木生长空间的光照信息，一轮一轮地迭代生长。首先计算各个树枝的顶芽和侧芽获得的光照资源，然后计算光照资源的汇聚和分配量，再利用生长方程约束树木的生长速度，确定每个顶芽和侧芽是否生长以及生长的速度，最后计算出新的树枝位置和分枝模型的几何量，更新树枝中各个结点的半径值。停止迭代生长后，输出树枝模型，添加树叶。本发明解决了在光照资源充分的条件下，不能约束树木的生长高度的技术问题。
-
公开(公告)号：CN108154488A
公开(公告)日：2018-06-12
申请号：CN201711438764.9
申请日：2017-12-27
申请人： 西北工业大学 , 中国科学院自动化研究所
摘要： 本发明提供了一种基于显著图像块分析的图像运动模糊去除方法，涉及图像处理领域，本发明生成超像素，利用基于密度的聚类算法融合成一个超像素，以超像素为单位进行兴趣图计算；获得所有图层的兴趣图后，将兴趣图按权重进行线性叠加，本发明将选取显著图像块的方法应用于去模糊算法的输入，与去模糊算法相结合，实现最终的图像恢复过程，最终得到图像前景区域更加自然的模糊去除结果。本发明有效恢复模糊图像中人眼感兴趣的前景部分，核估计速度大幅提高。
-
公开(公告)号：CN116188743A
公开(公告)日：2023-05-30
申请号：CN202310118365.3
申请日：2023-02-10
申请人： 中国科学院自动化研究所
摘要： 本发明实施例提供一种基于无重叠点云数据的三维形状拼接方法、装置和设备，该方法包括：获取第一目标对象的第一点云数据和第二目标对象的第二点云数据；第一点云数据和第二点云数据之间无重叠；将第一点云数据和第二点云数据输入至预训练的目标神经网络，得到目标变换矩阵和点云数据的边界点信息；目标变换矩阵表示点云数据拼接的姿态信息；目标神经网络是基于待拼接的点云数据样本训练得到的；根据目标变换矩阵和点云数据的边界点信息，对第一点云数据和第二点云数据进行拼接，得到目标拼接对象。本发明实施例的方法提升了点云数据的拼接效率和准确性。
-
公开(公告)号：CN113357512A
公开(公告)日：2021-09-07
申请号：CN202110481407.0
申请日：2021-04-30
申请人： 之江实验室 , 中国科学院自动化研究所
摘要： 本发明公开了一种面向三维重建的物体多角度图像自动采集装置及系统，装置包括：俯仰模块、升降模块、旋转模块、支撑模块；俯仰模块包括分别与连杆机构和升降模块连接的舵机，连杆机构与摄像头一端活动连接，摄像头另一端与升降模块活动连接，图传模块与摄像头连接；旋转模块包括分别与支撑模块固定连接的内圈台面、步进电机，小齿轮设置在步进电机上，大齿轮与小齿轮啮合，外圈台面与大齿轮固定连接，餐桌轴承分别与外圈台面、内圈台面连接，旋转模块步进电机驱动器分别与驱动步进电机、旋转模块单片机控制板和旋转模块电池连接；升降模块分别与俯仰模块和外圈台面连接。系统：包括采集装置和软件控制模块，软件控制模块用于控制采集装置。
-
公开(公告)号：CN111476835B
公开(公告)日：2021-08-10
申请号：CN202010437242.2
申请日：2020-05-21
申请人： 中国科学院自动化研究所
摘要： 本发明属于领域，具体涉及了一种多视角图像一致性的无监督深度预测方法、系统、装置，旨在解决深度预测中监督方法费时费力，而无监督方法预测结果精度低的问题。本发明包括：基于无监督密集深度网络以及无监督姿态网络构建图像深度预测网络；获取多个不同视图的图像簇集合作为训练样本集合；结合图像簇中不同视角图像的颜色一致性、深度一致性及深度平滑损失构建总损失函数；进行无监督的深度预测网络的训练；通过训练好的网络获取输入图像的预测深度。本发明避开了监督学习方法中需要的高质量大规模数据集和相应真值深度标注，降低成本、提高效率，同时结合了多视图的颜色一致性、深度一致性和深度平滑损失，实现了高精度无监督的深度预测。
-
公开(公告)号：CN111914946B
公开(公告)日：2021-07-06
申请号：CN202010835090.1
申请日：2020-08-19
申请人： 中国科学院自动化研究所
摘要： 本发明属于图像识别领域，具体涉及了一种针对离群点移除方法的对抗样本生成方法、系统和装置，旨在解决现有的基于深度学习的分类模型训练所采用的对抗样本无法在移除离群点的方法下使图像分类出错，导致训练出的分类模型鲁棒性差精确度低的问题。本发明包括：获取带有类别标签的训练数据集，将三维点云数据输入分类模型并计算分类损失，分别计算分类损失关于三维点云数据的梯度和关于移除离群点的三维点云数据的梯度，并将两种梯度融合乘以缩放因子生成融合扰动，将融合扰动施加到三维点云数据中反复迭代生成对抗样本。本发明生成的对抗样本在移除离群点的情况下仍然能造成图像分类错误，提高了训练出来的模型的鲁棒性和分类精确度。
-
公开(公告)号：CN106504330B
公开(公告)日：2019-05-24
申请号：CN201610839206.2
申请日：2016-09-21
申请人： 中国科学院自动化研究所
IPC分类号： G06T17/30
摘要： 本发明涉及一种基于最小角消除的三角形网格曲面的重新网格化方法，包括：步骤S1，输入三角形网格模型M，设定最小角度阈值θ；构建初始输出网格模型M'；步骤S2，将M'中三角形存入动态优先队列Q；步骤S3，剔除动态优先队列Q中最小角大于θ的三角形，判断队列Q是否为空；如果是，执行步骤S6；如果否，执行步骤S4；步骤S4，选取队列顶部的三角形t，判断三角形t的最小角对应的边是否可以被折叠；如果是，执行边折叠操作；如果否，重定位顶点v；步骤S5，优化顶点v所在的位置，返回步骤S3；步骤S6，输出重新网格化后的新输出网格模型M”。本发明在保证近似误差的前提下，可以大大提高三角网格的质量。
-
公开(公告)号：CN106204742B
公开(公告)日：2019-03-08
申请号：CN201610563518.5
申请日：2016-07-18
申请人： 中国科学院自动化研究所
IPC分类号： G06T17/30
摘要： 本发明公开了一种固定点数的二维等半径最大化泊松圆盘采样方法和采样系统。其中，该方法包括根据用户指定的采样点数目和采样区域，生成第一采样点集；对所述第一采样点集进行Delaunay三角化，并提取Delaunay三角化结果中的最短边长作为第一采样半径；确定所述第一采样点集是否达到所述最大化泊松圆盘采样；在所述第一采样点集达到所述最大化泊松圆盘采样的情况下，记录所述第一采样点集及所述第一采样半径。通过本发明实施例解决了如何实现点数固定的最大化泊松圆盘采样的技术问题，可使得采样点集具有很好的蓝噪声性质，具有简单、易于实现、性能稳定且能够收敛的优点，可应用于图像渲染和纹理合成等应用中。
-
-
-
-
-
-
-
-
-
搜索结果
139 条记录 (耗时 0.074 秒)
