一种基于颜色和深度信息的图像全景分割方法

    公开(公告)号:CN118840752A

    公开(公告)日:2024-10-25

    申请号:CN202410828969.1

    申请日:2024-06-25

    摘要: 本发明公开了一种基于颜色和深度信息的图像全景分割方法,包括S1,输入双目RGB图像生成深度图,并进行特征提取,得到颜色特征和深度特征;S2,将颜色特征和深度特征进行颜色深度信息融合,得融合特征;S3,对融合特征处理分别生成图像的位置头和权重头;S4,使用位置权重融合操作,合并权重头,生成物体权重和背景权重;S5,对融合特征处理,得高分辨率特征图;S6,将物体权重和背景权重与高分辨率特征图进行融合,上采样得全景分割结果。本发明结合图像的颜色和深度信息将语义分割和实例分割两个分支合并,将图像中背景视作一个连续的物体实例,从而实现了语义分割和实例分割的一致性,避免了复杂的后处理,实现端到端的训练和预测。

    一种深度图优化方法及装置
    5.
    发明公开

    公开(公告)号:CN118799372A

    公开(公告)日:2024-10-18

    申请号:CN202410900734.9

    申请日:2024-07-05

    IPC分类号: G06T7/593 G06T7/11

    摘要: 本申请公开了一种深度图优化方法及装置。本申请根据待分割图像的第一视角图像以及第二视角图像,获取所述待分割图像的深度图;根据所述第一视角图像,结合预训练好的图像分割大模型,获取第一特征向量;根据所述深度图以及所述第一特征向量,获取若干提示点,并结合所述图像分割大模型,获取第二特征向量;根据所述第一特征向量以及所述第二特征向量,结合所述图像分割大模型,获取图像分割结果,并通过所述图像分割结果,优化所述深度图。通过本申请,可以提高图像分割过程的泛化能力以及精确度,以此提升后续优化深度图的精确度,以及整体深度图生成过程的泛化性。

    一种融合双目深度相机的激光投影系统的标定方法

    公开(公告)号:CN118781202A

    公开(公告)日:2024-10-15

    申请号:CN202410843801.8

    申请日:2024-06-27

    发明人: 于智龙 王博

    摘要: 本发明提供了一种融合双目深度相机的激光投影系统的标定方法,属于激光投影领域,其特征在于:首先建立激光投影系统的矢量模型,考虑入射光偏差、激光器位置偏差、振镜间轴线间距以及振镜转动角度偏差的影响。其次对投影系统和视觉测量系统标定时,将待标定参数分为旋转参数和位置参数,对旋转参数使用列文伯格‑马夸尔特算法解算;解算位置参数时,把参数的标定问题转化为最优化问题,通过视觉测量系统获得多个投影点的实际三维坐标值与模拟投影点的三维坐标值的最小化偏差值的平方和构建目标函数使用粒子群算法进行解算。最后设计实际投影流程,实现在待投影工件上投影。本发明通过的矢量模型和列文伯格‑马夸尔特算法结合四元数法和粒子群算法完成对旋转参数和位置参数的求解的方法,使投影系统的标定避免了一起求解和引入过多参数容易陷入局部最优解的问题,提高了投影系统的可靠性和投影精度。

    一种基于双目孔探相机的工件表面缺陷面积测量方法及装置

    公开(公告)号:CN118781058A

    公开(公告)日:2024-10-15

    申请号:CN202410769630.9

    申请日:2024-06-14

    摘要: 本发明提供一种基于双目孔探相机的工件表面缺陷面积测量方法及装置,属于缺陷检测技术领域。缺陷面积测量方法包括:S1,通过双目孔探相机采集待检测工件的图像,得到深度图和RGB图像;S2,通过深度学习图像分割网络对所述RGB图像进行缺陷识别,得到缺陷掩模图;S3,对所述深度图进行滤波,得到预处理深度图;S4,将所述缺陷掩模图的缺陷区域分割为若干个三角形,结合所述预处理深度图的深度值,得到每个三角形的面积,然后累加得到缺陷区域的总面积。本发明基于缺陷的掩膜信息和深度信息相关数据,通过有限元的分析方法能够计算得到缺陷的面积,适用于发动机内部、管道内部、腔体类工件内部的检测。

    用于确定三维姿态估计模型的方法和用于确定姿态的方法

    公开(公告)号:CN118710703A

    公开(公告)日:2024-09-27

    申请号:CN202311118894.X

    申请日:2023-08-31

    发明人: 程征

    摘要: 本公开提供了一种用于确定三维姿态估计模型的方法和用于确定姿态的方法。具体实现方案为:通过待训练模型执行如下操作,直至待训练模型训练结束,得到三维姿态估计模型:对于任一个批次中的任一包含样本对象的样本图像,利用待训练模型确定该样本图像的预测结果;基于每个可见关键点的深度真值和预测结果中的相对深度预测值,确定每个可见关键点相对于参考关键点的相对深度真值和相对深度预测值;基于预测结果中参考关键点的相对深度预测值和目标关键点的绝对深度预测值,确定参考关键点的绝对深度预测值;基于确定的各预测值和各真值,确定该样本图像的模型损失;基于该批次中各样本图像分别对应的模型损失,对待训练模型的模型参数进行更新。