“最终深度图”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果4265153个，建议您升级VIP下载更多相关专利

[发明专利]一种基于可变高度旋转平行四边形的光场深度估计方法-CN201910463742.0有效
发明人：朴永日;张淼;宁琪琦 -专利权人：大连理工大学
申请日： 2019-05-30 - 公布日： 2023-02-17 - 主分类号： G06T7/557 文献下载
摘要：本发明公开了一种基于可变高度旋转平行四边形的光场深度估计方法，包括以下步骤：A、输入四维光场数据生成对极平面图像；B、运用可变高度的旋转平行四边形运算符(HSPO)对对极平面图像进行数据计算，得到距离度量；C、对所述距离度量进行置信、加权得到最终距离度量；D、得到滤波后的距离度量体积；E、根据所述滤波后的距离度量体积，得到初始深度图；F、对所述初始深度图进行处理得到平滑深度图；G、对所述平滑深度图运用软抠图算法，得到最终深度图。本发明提供的光场深度估计方法不仅具有能够处理减弱遮挡物对深度估计的消极影响，提升弱纹理区域的局部深度估计精度的特点，而且对合成光场数据和真实光场数据都有效。
一种基于可变高度旋转平行四边形深度估计方法

[发明专利]消除深度图序列背景和边缘抖动的方法-CN201010222349.1有效
发明人：戴琼海;刘继明 -专利权人：清华大学
申请日： 2010-06-30 - 公布日： 2010-10-27 - 主分类号： H04N13/00 文献下载
摘要：本发明提出了一种消除深度图序列背景和边缘抖动的方法和装置，其中，该方法包括以下步骤：读取源图像序列的背景图像对并计算得到所述背景图像的深度图；计算所述源图像序列和所述背景图像的帧差以得到帧差数组；计算以得到所述源图像序列每一帧的深度图；根据预设阈值判断所述源图像深度图的前景和背景，且消除背景抖动；对所述源图像深度图的前景赋值以消除前景轮廓抖动；通过中值滤波和双边滤波以优化得到最终所述源图像深度图。通过本发明提出的消除深度图序列背景和边缘抖动的方法，克服了已有技术的不足，能够有效地消除图像抖动，消除干扰噪声，平滑边缘。
消除深度序列背景边缘抖动方法

[发明专利]基于图像分解的单一深度图的超分辨率方法-CN202011606394.7有效
发明人：赵利军;王可;高腾飞;史炳闲;王昊;任康;王安红 -专利权人：太原科技大学
申请日： 2020-12-30 - 公布日： 2023-07-25 - 主分类号： G06T5/50 文献下载
摘要：本发明一种基于图像分解的单一深度图的超分辨率方法属于图像质量增强领域，致力于解决在实际场景拍摄中由于相机硬件配置低和环境干扰而导致低分辨率深度图的几何结构信息不准确问题，首先，通过深度对偶分解模块将单一低分辨率深度图分解成两个高分辨率的图像：高质量的精细结构图和粗糙结构图，同时提出深度图初始化增强模块来生成高分辨率的初始化深度图并将其作为深度图重建模块的输入；其次，在深度图重建模块中提出加权融合单元来实现多种特征融合，接下来，将这些融合特征输入到基于残差学习的深度图重建模块中，用来得到高质量的深度残差图，最后，将该残差图和高分辨率的初始化深度图逐像素相加，即可得到最终的高质量深度图。
基于图像分解单一深度分辨率方法

[发明专利]一种深度图人像边缘优化方法及处理装置-CN202010422372.9有效
发明人：赵晓刚;王永滨;江南;余维学 -专利权人：上海海栎创科技股份有限公司
申请日： 2020-05-19 - 公布日： 2023-06-16 - 主分类号： G06T7/50 文献下载
摘要：本发明提出了一种深度图人像边缘优化方法及处理装置，包括深度图像采集模块，置信度估计模块，深度学习模块，人像特征训练模块，以及边缘优化模块；深度图像采集模块获取到人像的深度图与原图，将深度图以及原图传输给置信度估计模块；置信度估计模块将深度图像转化为三元图，原图与三元图传输到深度学习模块中，得到修正后的三元图，然后三元图与原图传输给人像特征训练模块对原图上前景背景上的点进行分类训练，再将分类模型以及原图传递给边缘优化模块；边缘优化模块根据获取到分类模型对三元图上的未知区域内的点进行预测和深度填充，最终得到优化后的人像深度图像。
一种深度人像边缘优化方法处理装置

[发明专利]一种基于虚拟视点绘制质量的深度图上采样方法-CN201610751851.9有效
发明人：雷建军;李乐乐;侯春萍;丛润民;张凝;吴敏 -专利权人：天津大学
申请日： 2016-08-27 - 公布日： 2019-08-02 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及一种基于虚拟视点绘制质量的深度图上采样方法，包括：对当前视点i低分辨率深度图采用双线性插值算法，得到其对应的初始高分辨率深度图；获取初始深度图的位置坐标信息和对应的颜色信息，再用相应的彩色值对虚拟视图中匹配像素点进行填充；检测出深度图的边缘区域；对深度边缘图和彩色边缘图进行分割，获得当前像素窗口的深度边缘分割图和彩色边缘分割图；根据上述计算的深度边缘分割图和彩色边缘分割图，计算匹配比率；根据匹配比率和深度值的控制参数计算平滑因子，计算初始高分辨率深度图中每个像素点的权重；计算当前视点最终的深度值。本发明可以提高深度图超分辨率重建及绘制虚拟视图的质量。
一种基于虚拟视点绘制质量深度采样方法

[发明专利]一种基于多尺度网络的稀疏深度稠密化方法-CN201811531022.5有效
发明人：刘光辉;朱志鹏;孙铁成;李茹;徐增荣 -专利权人：电子科技大学
申请日： 2018-12-14 - 公布日： 2023-03-21 - 主分类号： G06T7/593 文献下载
摘要：本发明公开了一种基于多尺度网络的稀疏深度稠密化方法。属于计算机视觉的深度估计技术领域。本发明使用多尺度卷积神经网络，将RGB图像数据和稀疏点云数据进行有效的融合，最终得出稠密的深度图像。将稀疏点云映射到二维平面生成稀疏深度图，并与RGB图像对齐，然后将稀疏深度图和RGB图像连接在一起生成RGBD图像，将RGBD图像输入到多尺度卷积神经网络进行训练和测试，最终估计出一个稠密的深度图。RGB图像和稀疏点云相结合的方式估计深度，可以让点云包含的距离信息去指导RGB图像转化为深度图；多尺度网络利用了原始数据不同分辨率的信息，一方面扩大了视野域，另一方面小分辨率上的输入深度图更稠密，可以获得更高的准确率
一种基于尺度网络稀疏深度稠密方法

[发明专利]一种基于机器视觉的缺陷检测方法、装置及电子设备-CN202211204162.8在审
发明人：张天一;龙学雄 -专利权人：杭州海康机器人股份有限公司
申请日： 2022-09-29 - 公布日： 2022-12-30 - 主分类号： G06T7/00 文献下载
摘要：本申请实施例中，通过基于场景深度图对应的第一点云中的目标点以及标准模型深度图对应的第二点云中的配对点实现了场景深度图的增强，比如依赖于场景深度图对应的第一点云中的目标点以及标准模型深度图对应的第二点云中的配对点的残差信息，更加突出待检测对象表面上的缺陷区域，最终实现了通过场景深度图的增强方式来进行缺陷检测。
一种基于机器视觉缺陷检测方法装置电子设备

[发明专利]一种基于深度先验的深度估计空间划分优化方法及系统-CN202310448412.0在审
发明人：颜成钢;杨智文;李亮;张杰华;殷海兵;王鸿奎;赵治栋;孙垚棋;朱尊杰;王帅;高宇涵;张继勇;李宗鹏 -专利权人：杭州电子科技大学丽水研究院
申请日： 2023-04-24 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于深度先验的深度估计空间划分优化方法，首先获取RGB图及对应的稀疏深度图，通过轻量化特征提取模块处理稀疏深度图，获得空间划分结果；再通过深度估计网络进行概率预测；最后将得到的空间划分结果和概率结合起来得到最终的深度图本发明相较于传统的分类‑回归类单目深度估计方法增加了基于稀疏深度图的引导，在一定程度上提升了深度空间划分的质量，达到使深度估计结果更加准确的效果。
一种基于深度先验估计空间划分优化方法系统

[发明专利]深度图增强方法及装置-CN202210295510.0在审
发明人：高跃;徐阳;别林 -专利权人：清华大学
申请日： 2022-03-23 - 公布日： 2022-07-29 - 主分类号： G06T5/00 文献下载
摘要：本申请公开了一种深度图增强方法及装置，其中，方法包括：从原始视觉数据中获取初始深度图，对初始深度图进行交替卷积与反卷积模块的多尺度特征提取，并得到特征视图，并进行尺度压缩和卷积，依次得到两阶段的特征向量；对初始深度图进行空间变换和特征提取，得到深度图特征，并基于两阶段的特征向量对深度图特征进行强化，并恢复深度结构，生成特征图，进而通过多层感知机映射得到最终深度图。由此，解决了相关技术中由于目标物体需满足某种特定的几何对称性，再进行特征提取和预测，导致在深度采集的过程中，难以使用通用的增强模型进行几何特征的补全和稠密化，使得采集中存在信息残缺以及精度低下的情况的技术问题
深度增强方法装置

[发明专利]基于深度信息指导的视频去雾方法-CN202111470522.4在审
发明人：万亮;裴顺达;冯伟 -专利权人：天津大学
申请日： 2021-12-03 - 公布日： 2022-03-29 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于深度神经网络的视频去雾方法，包含以下步骤：将当前帧和参考帧信息逐帧插入去雾子网络，对多帧信息进行充分提取；通过深度预测子网络对当前帧深度图进行估计；采用非局部结构将第一步中提取得到的特征和第二步中估计的深度图进行融合，捕获深度图自身、输入特征自身、深度图和输入特征之间三个层次的长距离的像素相关性，实现深度图对视频去雾的指导，得到最终去雾结果。
基于深度信息指导视频方法

[发明专利]一种针对微观离散噪声场景的深度估计方法-CN202211605054.1在审
发明人：闫涛;刘凤娴 -专利权人：山西大学;太原理工大学
申请日： 2022-12-14 - 公布日： 2023-04-07 - 主分类号： G06T7/50 文献下载
摘要：本发明涉及一种针对微观离散噪声场景的深度估计方法。包括：步骤1，微米级步进电机采集微观离散噪声场景的多景深图像序列；步骤2，采用多方向拉普拉斯算子与图像序列进行卷积操作得到多个聚焦体积结果；步骤3，通过聚焦体积结果最大值所在位置得到多个初始深度图；步骤4，从统计学数据稳定性视角提出的约束条件对初始深度图进行筛选；步骤5，对筛选后的深度图进行融合；步骤6，联合图像序列与融合后的深度图得到融合图像；步骤7，融合后的深度图与融合图像通过加权中值滤波得到微观场景最终的深度图本发明提出的方法可对微观离散噪声场景的深度信息进行准确估计。
一种针对微观离散噪声场景深度估计方法

[发明专利]基于全尺寸深度图监督的人脸表示攻击检测方法-CN202110354595.0有效
发明人：傅予力;许晓燕;黄汉业;杨国栋;吕玲玲;向友君 -专利权人：华南理工大学
申请日： 2021-03-29 - 公布日： 2023-06-20 - 主分类号： G06V40/40 文献下载
摘要：本发明公开了一种基于全尺寸深度图监督的人脸表示攻击检测方法，该方法包括：构建基于全尺寸深度图监督的人脸表示攻击检测模型；输入待检测人脸图片到经过训练的人脸表示攻击检测模型中，得到与待检测人脸图片宽和高尺寸完全相同的全尺寸预测深度图，该全尺寸预测深度图上的每个像素值是对待检测人脸图片对应像素点的深度预测值；取全尺寸预测深度图的平均深度预测值作为最终得分，与事先设定的判别阈值进行比较，得到检测结果。本发明采用全尺寸深度图作为标签进行监督建模，融合输入人脸图片的浅层特征和深层特征得到全尺寸预测深度图，检测精度高，能够适应不同的光照和采集设备条件下的现实检测场景。
基于尺寸深度监督表示攻击检测方法

[发明专利]一种融合的深度测量装置及测量方法-CN201911306106.3有效
发明人：许星 -专利权人：奥比中光科技集团股份有限公司
申请日： 2019-12-18 - 公布日： 2022-06-28 - 主分类号： G01S17/894 文献下载
摘要：本发明公开了一种融合的深度测量装置，包括发射模块，用于向目标物体发射振幅时序被调制的斑点图案光束；接收模块，接收目标物体反射的斑点图案光束并形成电信号；控制和处理电路，接收所述电信号并计算得到TOF深度图和结构光图案，将所述TOF深度图中的深度值作为可靠点，赋值到所述结构光深度图中对应像素位置，并利用所述可靠点校正所述结构光深度图，最终得到目标物体的深度图像。本发明基于TOF深度值具有较高的测量精度，以TOF深度值为依据校正结构光深度图因匹配计算所引起的误差，获得高精度的深度图，结合结构光测量的高分辨的优点，实现了一种高精度、高分辨率、低功耗、小型化的深度测量装置
一种融合深度测量装置测量方法

[发明专利]一种基于深度图质量增强的低精度三维人脸识别方法-CN202011000990.0在审
发明人：肖建安;沈琳琳 -专利权人：江西吉为科技有限公司
申请日： 2020-09-22 - 公布日： 2020-12-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度图质量增强的低精度三维人脸识别方法，其包括有如下步骤：步骤S1，利用pixel2pixel的网络将低质量深度图生成高质量深度图；步骤S2，设计一个多尺度跨通道特征融合网络，利用多尺度跨通道特征融合网络提取并融合低质量深度图和所生成的高质量深度图的特征本发明可降低低质量深度图噪声对最终识别结果的影响，能够解决三维数据不足等问题，进而实现数据质量增强以及提高人脸识别精度。
一种基于深度质量增强精度三维识别方法

[发明专利]一种基于深度图修补的植物三维重建方法及系统-CN201910521425.X在审
发明人：刘骥;郭轶 -专利权人：重庆大学
申请日： 2019-06-17 - 公布日： 2019-09-10 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于深度图修补的植物三维重建方法及系统。该方法包括：得到多幅视图；获取每幅视图对应的深度图，记为第一深度图；修补第一深度图中的空洞区域，并利用超像素块标签信息动态调整修补算法中滤波窗口的大小；对修补后的第一深度图进行滤波处理，获得第二深度图；对第二深度图进行融合处理，得到植物稠密点云模型；利用表面重建算法，从稠密点云模型中提取出植物三维表面，完成植物三维模型的重建。该方法操作简单、成本低廉；利用超像素块边界信息，动态调整滤波窗口大小，使得不属于同一深度区域的像素不参与滤波计算，减少误差的出现，使得植物稠密点云更加密集，最终重建的植物模型更加精确完整。
深度图修补稠密点云模型动态调整滤波窗口三维重建算法像素块边界标签信息表面重建多幅视图空洞区域滤波处理滤波计算融合处理三维表面三维模型深度区域植物模型像素块重建点云像素