|
钻瓜专利网为您找到相关结果 646745个,建议您 升级VIP下载更多相关专利
- [发明专利]一种基于引导信息的立体匹配方法-CN202110943550.7在审
-
魏东;何雪;刘涵;于璟玮
-
沈阳工业大学
-
2021-08-17
-
2021-12-07
-
G06T7/55
- 一种基于引导信息的立体匹配方法,包括:图像输入:输入左右相机两幅图像,将左图像和右图像分别作为参考图像和目标图像;特征提取:使用卷积网络VGG对输入的两幅图像分别进行特征提取,获取不同尺度图像特征;提取边缘信息:使用HED网络对输入的两幅图像分别提取边缘特征图,获取边缘细节信息;视差注意力计算初始视差:提取到的不同尺度的特征与边缘信息融合后输入到视差注意力模块,生成视差注意力图,再回归到初始视差图;提取语义信息:特征提取的最后池化层得到的特征送入到DenseASPP网络提取语义特征图,获取语义信息;视差优化:语义特征图与初始视差图融合,利用语义信息进行视差优化得到最终视差图。
- 一种基于引导信息立体匹配方法
- [发明专利]一种基于双目视频的测距方法和装置-CN201511033213.5有效
-
王晓曼
-
青岛歌尔声学科技有限公司
-
2015-12-31
-
2019-06-04
-
G06T7/70
- 该方法包括,获取双目图像;对双目图像进行预处理;通过立体匹配算法从双目图像中找到各像素点匹配的对应点,计算双目图像各像素点的视差值,获得视差图;设置样本集,采用被处理的第一帧视差图对样本集进行初始化;利用样本集对当前帧视差图进行视差优化和提取目标,并更新样本集,将其用于下一帧视差图的视差优化和提取目标;对从当前帧视差图提取出的目标的所有像素点的视差值求取平均值,根据双目测距原理,计算获得目标的距离。本发明提供的技术方案采用立体匹配算法得到视差图后,通过多帧的处理提高算法精度,并且有效地提取出目标,能够解决现有技术效率和精度不能兼顾的问题。
- 一种基于双目视频测距方法装置
- [发明专利]基于双目视觉和激光雷达融合的深度估计方法-CN201911221616.0在审
-
陈昆;沈会良
-
浙江大学
-
2019-12-03
-
2020-04-17
-
G06T7/593
- 本发明公开了一种基于双目视觉和激光雷达融合的深度估计方法,本发明将激光雷达和双目相机采集的数据通过联合标定进行配准;根据联合标定的结果得到激光雷达视差图;通过双目立体匹配算法得到双目视差图,对双目视差图进行置信度分析,去除双目视差图中置信度低的点,得到置信度处理后的双目视差图;将得到的激光雷达视差图和置信度处理后的双目视差图进行特征的提取和融合;通过级联沙漏结构进行进一步特征提取并做视差回归;采用中继监督,将前后级联的沙漏结构的输出都加以利用;输出融合之后准确稠密的视差图。本发明方法设计了一种更加有效的网络结构,将激光雷达视差图和双目视差图的特征更好的提取出来并进行融合,得到更加准确的视差图。
- 基于双目视觉激光雷达融合深度估计方法
- [发明专利]一种基于注意力机制的视差优化方法-CN202011441310.9有效
-
杜娟;李博涵;林登萍
-
华南理工大学
-
2020-12-11
-
2023-08-22
-
G06T7/33
- 本发明公开了一种基于注意力机制的视差优化方法,使用视差预估主干网络对双目视觉图像进行初始视差值计算,得到预测视差值,所述双目视觉图像包括左图像及右图像;设置多层次信息提取子网络,将注意力机制嵌入到子网络中,将左图像输入后,得到两幅不同维度的特征图;将子网络提取的特征图与视差预估主干网络中不同位置的特征图在对应维度上合并,进行细化视差值计算;采用监督回归损失函数端对端训练网络,所述网络包括视差预估主干网络和多层次信息提取子网络;将待预测的双目视觉图像输入完成训练的网络中,得到对应的视差预测值。本方法提升视差预估结果的精确度和鲁棒性。
- 一种基于注意力机制视差优化方法
|