“戴玉超”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果15个，建议您升级VIP下载更多相关专利

[发明专利]一种高帧率视频合成方法、装置、设备和存储介质-CN202111481413.2有效
发明人： 戴玉超;万哲雄 -专利权人：西北工业大学
申请日： 2021-12-06 - 公布日： 2023-09-05 - 主分类号： H04N23/951 文献下载
摘要：本发明公开了一种高帧率视频合成方法、装置、设备和存储介质，获取一帧图像和以该图像采集时刻到截止时刻的一段不定数量的事件序列；将事件序列拆分成设定份数；将每份事件数据流表示为能够作为网络输入数据的表示形式；图像和第一个事件表示输入至隐帧合成模型，经由该模型中连接在一起的多个模块的运算，模型输出合成的图像帧，作为合成的高帧率视频中除输入图像外的第一帧；重复上一步骤，将剩余的事件表示按照顺序分别输入至隐帧合成模型中，模型输出的多帧图像帧按照顺序合并作为高帧率视频合成结果。本发明方法基于高分辨率传统彩色快门相机图像数据，结合使用仿生视觉传感器的事件数据，将两种传感器优势互补，进而实现高帧率高质量的视频合成。
一种高帧率视频合成方法装置设备存储介质

[发明专利]从卷帘快门图像恢复高帧率全局快门视频的方法-CN202210726715.X有效
发明人： 戴玉超;樊斌;张志远;郭相 -专利权人：西北工业大学
申请日： 2022-06-23 - 公布日： 2023-08-08 - 主分类号： H04N23/68 文献下载
摘要：本发明涉及一种从卷帘快门图像恢复高帧率全局快门视频的方法，为了克服现有技术的不足，本发明提出了卷帘快门图像校正问题的内在几何模型：在匀速运动模型下，建模了去除卷帘快门畸变的双向卷帘快门去畸变流；然后，通过简单的缩放操作建立了连续帧之间的光流和对应于任意扫描线的去畸变流之间的几何联系；进而，建立了对应于不同扫描线的不同去畸变流之间的相互转换机制。本发明方法基于CMOS相机获取的连续两帧卷帘快门图像数据，通过将上述的几何模型有机地融合到深度学习网络中，可以逆转卷帘快门成像机制，同时实现去卷帘伪影与图像时间超分辨，比较适用于采用CMOS相机的手机拍摄、无人机拍摄、计算摄影等实际应用中。
卷帘快门图像恢复高帧率全局视频方法

[发明专利]基于代价体的异源图像配准方法及装置-CN202310060721.0在审
发明人：李波;章飞宇;王绍谦;戴玉超 -专利权人：西北工业大学
申请日： 2023-01-17 - 公布日： 2023-07-11 - 主分类号： G06T7/30 文献下载
摘要：本发明公开了一种基于代价体的异源图像配准方法及装置，获取参考图像和模板图像；通过U‑Net网络分别提取参考图像的第一特征图和模板图像的第二特征图；基于L组预定旋转尺度参数对第二特征图进行仿射变换，得到与第二特征图对应的L个第三特征图；以第三特征图作为三维卷积核、第一特征图为三维输入信号进行傅里叶卷积，得到L个相位相关图；根据L个相位相关图构造代价体计算参考图像和模板图像之间的旋转参数、尺度参数和平移参数；本发明通过U‑Net网络提取参考图像和模板图像的特征图，再对提取得到的特征图进行仿射变换，结合傅里叶卷积生成相位相关图，可以降低异源图像配准的计算量，减少配准时间。
基于代价图像方法装置

[发明专利]基于SAR-Optical图像匹配的有效数据样本群的建立方法-CN202310071993.0在审
发明人：李波;简若冰;章飞宇;王绍谦;戴玉超 -专利权人：西北工业大学
申请日： 2023-02-01 - 公布日： 2023-07-07 - 主分类号： G06V10/75 文献下载
摘要：本发明公开了一种基于SAR‑Optical图像匹配的有效数据样本群的建立方法，获取SAR图像和光学遥感图像对；对SAR图像和光学遥感图像对进行矩形模板区域匹配，匹配中不需要人工使用肉眼对待测数据进行选择，减少了人工筛选分类错误的同时，提高了数据集制作效率，降低了时间和人力成本，并且更能适应目前基于深度学习的匹配算法；最后，对筛选出的所有有效SAR图像和光学遥感图像对进行校准对齐，生成基于SAR‑Optical图像匹配的有效数据样本群，并通过阈值法去除无效数据，保留有效数据，提高数据的有效性，解决如何自动生成有效数据集，减小人工数据处理成本的技术问题。
基于 sar optical 图像匹配有效数据样本建立方法

[发明专利]一种基于相位相关计算的异源图像配准方法及装置-CN202310061058.6在审
发明人：李波;章飞宇;王帅;王绍谦;戴玉超 -专利权人：西北工业大学
申请日： 2023-01-17 - 公布日： 2023-05-30 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于相位相关计算的异源图像配准方法及装置，分别提取模板图像的第一特征图S1和参考图像的第二特征图S2；根据S1确定通道信息KP1；根据S2确定通道信息KP2；根据KP1和KP2生成相位相关图RS；根据RS确定模板图像和参考图像之间的旋转参数r和尺度参数s；基于r、s、S1的剩余通道信息L1和S2的剩余通道信息L2计算模板图像和参考图像之间的平移参数(x,y)；本发明通过提取模板图像和参考图像的特征图，再将特征图分通道进行处理，可以一次性计算出模板图像和参考图像的旋转参数、尺度参数和平移参数，减少了计算量，降低了计算的冗余，可适用于小显存空间的设备，降低对设备性能的要求，提升了实时性。
一种基于相位相关计算图像方法装置

[发明专利]基于深度学习的Android手机端侧AR交互系统-CN202210541388.0在审
发明人： 戴玉超;朱睿杰;项末初;卢馨悦;徐智鸿 -专利权人：西北工业大学
申请日： 2022-05-17 - 公布日： 2022-11-08 - 主分类号： G06F3/04815 文献下载
摘要：本发明公开了基于深度学习的Android手机端侧AR交互系统，包括一部带有摄像头的手机，手机摄像头采集原始彩色图像数据，通过对相机API的调用，实时处理图像流，并利用Pytorch Mobile深度学习框架训练高效的、鲁棒的轻量化深度估计神经网络模型，在手机端侧利用手机的有限算力，运行神经网络推理，生成与原始图像数据对应的预测深度图。结合原始图像和预测的深度图，利用ARCore Depth Lab的AR交互功能和Unity开发示例实现不依赖于Depth API的Android手机端侧AR交互系统。
基于深度学习 android 手机 ar 交互系统

[发明专利]一种端到端学习的基于硬匹配的三维点云配准方法-CN202210773065.4在审
发明人： 戴玉超;张志远;樊斌;郭相 -专利权人：西北工业大学
申请日： 2022-06-30 - 公布日： 2022-10-11 - 主分类号： G06V10/75 文献下载
摘要：本发明涉及一种端到端学习的基于硬匹配的三维点云配准方法，本发明提出学习一个部分置换匹配矩阵来建立点匹配，它不会将对应点分配给异常值，并实施硬匹配以防止歧义。从软匹配到硬匹配的模块，其求解软匹配矩阵，并将该软矩阵投影到部分置换矩阵。在硬匹配之前增广收益矩阵以求解增广的置换矩阵，然后裁剪该矩阵以实现最终的部分置换矩阵。为了保证端到端的学习，本发明监督得到的部分置换矩阵，但将梯度传播到软匹配矩阵。因此，所设计的S2H匹配同时保证了端到端学习和硬匹配。3，本发明中的S2H匹配模块可以轻松与现有点云注册框架相集成以提升配准性能。通过在大量测试验证了本发明，其在鲁棒3D点云配准任务中实现了最先进的性能。
一种端到端学习基于匹配三维点云配准方法

[发明专利]一种利用事件相机作为星敏感器的飞行器姿态确定方法-CN202210142077.7在审
发明人： 戴玉超;王元淳;万哲雄;王涵;舒涵;王磊 -专利权人：西北工业大学
申请日： 2022-02-16 - 公布日： 2022-06-24 - 主分类号： G06T7/70 文献下载
摘要：本发明公开了一种利用事件相机作为星敏感器的飞行器姿态确定方法，首先通过安装在飞行器上的事件相机获得事件信息；然后将事件信息进行时空聚合；接下来通过星图匹配和求解PnP问题，得到相机的绝对位姿；之后应用五点法求解本质矩阵，得到相邻两帧的相对位姿；再利用相对位姿对绝对位姿进行优化；最后对求得的位姿进行全局优化，得到任意时刻相机位姿的三轴表示；采用本发明方法，可以使系统整体功耗更低，动态范围更高，灵敏度更高，并且能实现与现有同分辨率星敏感器更高的精度。
一种利用事件相机作为敏感飞行器姿态确定方法

[发明专利]一种物体位姿估计和物理属性协同估计方法-CN202210000263.7在审
发明人： 戴玉超;沈守刚;邓辉;刘奇;何人杰 -专利权人：西北工业大学
申请日： 2022-01-03 - 公布日： 2022-05-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种物体位姿估计和物理属性协同估计方法，通过在物体位姿估计的同时，获得物体的物理属性，以获得更多的交互先验信息，提高交互的准确性和稳定性。在进行机器人交互时，使用普通相机和多光谱相机同时拍摄待估计物体，对于物体位姿估计，从单张视觉图像中估计物体六自由度位姿，对于物体的物理属性估计，融合视觉信息和多光谱信息以获得待估计物体的物理属性。本发明可以在物体位姿估计的同时，可以同时获得物体的物理属性，以获得更多的交互先验信息，提高交互的准确性和稳定性。
一种物体估计物理属性协同方法

[发明专利]多模态影像的端到端的模板匹配法-CN202110801659.7在审
发明人：李波;万哲雄;王帅;贾华荣;倪亮;戴玉超 -专利权人：西北工业大学
申请日： 2021-07-15 - 公布日： 2021-11-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种多模态影像的端到端的模板匹配法，包括如下步骤：步骤Sc、获取多模态影像，并分为训练样本集和测试样本集；步骤S0、为训练阶段：构建特征提取网络A和B，并训练，得到训练后的特征提取网络A和B；步骤S1、为推理阶段，选取测试样本集中成对的模板图像和参考图像，将模板图像输入训练后的特征提取网络A中，参考图像输入训练后的特征提取网络B中，傅里叶卷积后，得到score map1*图像，对score map1*图像上采样后得到score map2*图像，在score map 2*上选取score值最大的位置作为匹配点。采用该模板匹配法避免了人工设计特征描述子，是一种数据驱动的方式，泛化性强，具有快速性与精确性的优点。
多模态影像端到端模板匹配

[发明专利]基于半监督学习的主动显著性目标检测方法-CN202011517056.6在审
发明人： 戴玉超;刘博文;吕韵秋;李艾轩;何明一 -专利权人：西北工业大学
申请日： 2020-12-21 - 公布日： 2021-04-02 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于半监督学习的主动显著性目标检测方法，首先通过设计判决器网络来对样本在显著性目标检测的结果进行不确定性验证，其次，训练了一个变分自动编码器进行图像重建任务，通过比较无标签数据在其隐空间中的特征向量之间的相似性，从中选择最具代表性的数据并给予完整的显著性标注。重复该过程直到获得预先设定好数量的含标签数据，在此过程中利用不同类型的数据分别对显著性目标检测网络进行训练优化。本发明能够在仅有少量的标签数据的情景下获得与全监督学习算法相近的性能结果。
基于监督学习主动显著目标检测方法

[发明专利]无需精确时空同步的多相机运动目标三维轨迹重建方法-CN202011517068.9在审
发明人： 戴玉超;邓辉;万哲雄;何明一 -专利权人：西北工业大学
申请日： 2020-12-21 - 公布日： 2021-04-02 - 主分类号： G06T7/246 文献下载
摘要：本发明提供了一种无需精确时空同步的多相机运动目标三维轨迹重建方法，部署多相机视角的多台相机及运算器构成的装置并标定相机，观测运动目标并记录运动目标的运动轨迹，粗对齐观测数据时间轴，移除无效观测点，标定各相机的时间同步参数和运动参数，重建三维运动轨迹并进行优化。本发明无需使用特殊标识物对运动目标进行标识，无需对观测设备进行预先标定，无需精确的多相机时空同步即可实现多相机运动目标三维轨迹重建，能够自动对标定信息和时空同步信息进行优化，以实现更精确的多相机运动目标三维轨迹重建。
无需精确时空同步多相机运目标三维轨迹重建方法

[发明专利]一种融合三维模型信息的单张图像物体位姿估计方法-CN202011518313.8在审
发明人： 戴玉超;沈守刚;邓辉;何明一 -专利权人：西北工业大学
申请日： 2020-12-21 - 公布日： 2021-04-02 - 主分类号： G06T7/73 文献下载
摘要：本发明提供了一种融合三维模型信息的单张图像物体位姿估计方法，从图像中获得图像特征、三维坐标预测结果以及物体的分割结果，利用物体的分割结果提取初始的坐标预测结果以及图像特征，将其融合之后可以获得初始的物体局部三维点云以及其特征；将初始的局部三维点云特征与从完整三维模型提取的全局特征进行局部‑全局特征融合，可以在初始的三维坐标基础上进行精细化，获得更加精确的三维坐标预测；更加精确的三维坐标预测可以获得更加精确的二维‑三维对应，依据二维‑三维对应可以获得精确的物体位姿。
一种融合三维模型信息单张图像物体估计方法

[发明专利]大场景非共同视野多相机标定方法-CN202011518342.4在审
发明人： 戴玉超;王凯铎;邓辉;项末初;沈守刚;何明一 -专利权人：西北工业大学
申请日： 2020-12-21 - 公布日： 2021-04-02 - 主分类号： G06T7/80 文献下载
摘要：本发明提供了一种大场景非共同视野多相机标定方法，在测试区域布置若干标志物，测定标志物的世界坐标系位置；利用云台相机对标志物进行观测，待标定的各台相机对云台相机进行观测；通过对标志物的观测计算云台相机在世界坐标系下的真实三维轨迹；利用时间戳对应出现在每台待标定相机视野中的云台相机轨迹段，求解待标定相机在世界坐标系下的精确位姿；对各台待标定相机在世界坐标系下的位姿做矩阵变换，获得任意两个相机间的外参数矩阵。本发明简便快捷，无需专门布置实验场地即可完成相机外参数的标定，能够实现对更大规模场景的视觉覆盖。
场景共同视野多相标定方法

[发明专利]一种基于自动机器学习的图结构搜索方法-CN202011357356.2在审
发明人：李波;任怡彬;王绍谦;戴玉超 -专利权人：西北工业大学
申请日： 2020-11-27 - 公布日： 2021-04-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自动机器学习的图结构搜索方法，如下：步骤S1、从输入的图像或者视频中，按照时间先后顺序顺次提取每一帧图像中的图结构的节点信息，节点信息和边形成拓扑结构图序列Gt，Gt＝(Vt，Et)；上述各帧图像中的边构成一个边集Et＝{vtivtj|(i,j)∈H}；步骤S2、将边集Et和连接权重构建邻接矩阵W＝{Wij|i，j＝1,…,N}。初始化邻接矩阵，得初始化后的邻接矩阵W1。步骤S3、得训练后的邻接矩阵W2；由邻接矩阵W2得超参数邻接矩阵W3，超参数邻接矩阵W3和节点集Vt形成高鲁棒性拓扑图结构。通过搜索整个样本集学习得到一种高鲁棒性图结构，将图卷积中的权重矩阵扩大到整个拓扑图结构。
一种基于自动机器学习结构搜索方法

1
共 15 条