“戴琼海”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925个，建议您升级VIP下载更多相关专利

[发明专利]基于无监督数据的TOF深度数据优化方法及装置-CN202010128595.4有效
发明人：刘烨斌;赵笑晨;王立祯;于涛;戴琼海 -专利权人：清华大学
申请日： 2020-02-28 - 公布日： 2022-07-29 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于无监督数据的TOF深度数据优化方法及装置，其中，方法包括：获取不含噪声的人体三维模型数据库；确定模拟噪声的自变量；分别在纵向方向和横向方向添加噪声；对原始三维模型和加噪后的三维模型进行渲染，并搭建编码器解码器网络；设计能量函数和监督网络，将网络输出结果输入监督网络，约束监督网络逐卷积层提取的特征图趋近；利用人体三维模型数据库和能量函数对生成式对抗神经网络中的生成器和鉴别器的参数权重进行迭代回归优化，直至权重收敛，将采集的真实场景下人物深度图片作为输入，得到包含几何细节且不含噪声的人体网格模型。该方法使用无监督的三维扫描数据生成式对抗网络，在保留几何细节的同时提升深度数据质量。
基于监督数据 tof 深度优化方法装置

[发明专利]一种扩展景深的光场显微成像系统及光学设备-CN202110919852.0有效
发明人：季向阳;张亿;吴嘉敏;戴琼海 -专利权人：清华大学
申请日： 2021-08-11 - 公布日： 2022-07-29 - 主分类号： G02B21/00 文献下载
摘要：本发明公开了一种扩展景深的光场显微成像系统，包括样本、物镜、微透镜阵列和相机，物镜和微透镜阵列之间设置反射镜和套筒透镜，微透镜阵列和相机之间设置4f系统，利用物镜与样本之间的介质与样本的折射率不匹配，在光路中引入球差，使得不同角度的光线聚焦在样本不同的深度；同时充分利用光场角度的冗余性，使用传统的解卷积算法，达到了扩展光场景深的技术效果，实现了大轴向范围、高分辨率的三维显微成像效果。本发明还公开了一种包含扩展景深的光场显微成像系统的光学设备。
一种扩展景深显微成像系统光学设备

[发明专利]基于色散进行编码压缩的多光谱成像方法、装置及设备-CN202210207786.9有效
发明人：索津莉;张伟航;董开明;戴琼海 -专利权人：清华大学
申请日： 2022-03-04 - 公布日： 2022-07-29 - 主分类号： G01J3/28 文献下载
摘要：本申请涉及一种基于色散进行编码压缩的多光谱成像方法、装置及设备，方法包括：基于设置有与光轴夹角存在预设角度玻璃的高分辨率镜头对掩膜进行成像得到在水平方向产生不同偏移的不同光谱的掩膜图像，将采集的掩膜图像叠加后得到多光谱胶片掩膜并将贴有多光谱胶片掩膜的相机在白光下采集视野，获得经过色散编码后的场景图像并在待重建的谱段下，对场景图像进行向量化计算，并在计算次数达到迭代次数时得到未编码的不同光谱的图像。由此，解决了普通相机无法将简单的系统在一次拍摄中采集动态、高空间分辨率的光谱信息等问题，通过构建成像系统和执行重建算法分辨不同光谱波段精细特征，提升了一次拍摄后重建多光谱高分辨率图像的能力。
基于色散进行编码压缩光谱成像方法装置设备

[发明专利]多传感器图像增强方法及装置-CN201910945317.5有效
发明人：方璐;朱胤恒;戴琼海 -专利权人：清华大学
申请日： 2019-09-30 - 公布日： 2022-07-22 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种多传感器图像增强方法及装置，其中，方法包括以下步骤：根据参照图对低清目标图进行一次在图像域的对齐；在图像域的对齐之后，在特征域上再次对齐；将低清目标图的多尺度特征与对齐后的低清目标图的多尺度参照图特征融合，生成最终输出。该方法具有性能指标显著高和视觉效果显著好，且速度显著提升，并且没有网格状噪声，并且在特征层面的对齐和直接的监督信号让收敛效果更好，得到的输出性能指标更高的优点。
传感器图像增强方法装置

[发明专利]自行车三维模型重建方法和装置-CN202110286477.0有效
发明人：刘烨斌;林思有;戴琼海 -专利权人：清华大学
申请日： 2021-03-17 - 公布日： 2022-07-19 - 主分类号： G06F30/15 文献下载
摘要：本发明提出一种自行车三维模型重建方法和装置，其中，方法包括：根据预设的深度神经网络学习RGB图像对应的目标基础几何体，并根据目标基础几何体组成候选三维模型，其中，RGB图像中包含自行车图像区域；将候选三维模型投影到RGB图像中，确定候选三维模型与RGB图像对应的对齐点；根据对齐点确定候选三维模型的纹理特征，并根据纹理特征生成候选三维模型的纹理生成自行车三维模型。由此，可以实现结构化的，具有细粒度几何与纹理特征的自行车三维模型的构建。
自行车三维模型重建方法装置

[发明专利]基于光场信息去除光学像差的方法及装置-CN202010099885.0有效
发明人： 戴琼海;张亿;季向阳;吴嘉敏 -专利权人：清华大学
申请日： 2020-02-18 - 公布日： 2022-07-19 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于光场信息去除光学像差的方法及装置，其中，该方法包括：获取荧光样本的光场图像，将光场图像重排得到荧光样本不同角度下的子孔径图像；计算各个子孔径图像相对于中心孔径图像的位移量，根据计算出的位移量得到一张位移图，根据位移图计算相应频域面上的相位并得到相位图；对相位图进行处理得到正确相位图，将正确相位图加入点扩散函数的仿真中，得到新的子孔径点扩散函数，根据新的子孔径点扩散函数解得荧光样本正确的三维信息。该方法可以消除光学系统像差与环境样本带来的空间不一致的像差，利用光场信息进行准确的三维重建，不需要标定点扩散函数，简化重建过程。
基于信息去除光学方法装置

[发明专利]基于深度学习的非视域飞秒成像三维重建方法及装置-CN202010136035.3有效
发明人： 戴琼海;张安科;裴承全;乔晖 -专利权人：清华大学
申请日： 2020-03-02 - 公布日： 2022-07-19 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于深度学习的非视域飞秒成像三维重建方法及装置，其中，方法包括以下步骤：建立视域场景的三维模型，利用空间坐标系确定每个离散面片的位置和方向，并且进行视域下高速渲染；对光照场景进行非视域光追渲染；基于数据学习的神经网络架构，以从非视域场到视域场的三维重建扫描。该方法通过神经网络学习视域场和非视域场之间的传递函数，可以在没有过多硬件约束的条件下，将非视域场中采集到的条纹信息重建成为视域信息，从而使用数据而非光学模型对视域场进行重建，有效提高重建的适用性和实用性，简单易实现。
基于深度学习视域成像三维重建方法装置

[发明专利]单目图像深度估计方法及装置-CN201910800196.5有效
发明人： 戴琼海;郝敏升;李一鹏 -专利权人：清华大学
申请日： 2019-08-28 - 公布日： 2022-07-19 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种单目图像深度估计方法及装置，其中，该方法包括：获取单目视频序列，通过SLAM算法对单目视频序列进行处理生成关键帧稀疏特征点深度信息；根据关键帧稀疏特征点深度信息和单目视频序列构建训练集；构建端对端网络模型；对关键帧稀疏特征点深度信息进行恢复生成深度图，根据深度图及深度图对应的深度点计算几何误差，根据几何误差、相似性误差及深度图光滑度构造损失函数；根据训练集和损失函数对端对端网络模型进行训练，生成单目图像深度估计模型，通过单目图像深度估计模型对单目图像的深度信息进行估计。该方法通过SLAM系统得到的深度信息作为弱监督信息并基于此训练网络模型，提高了CNN输出深度图的准确度。
图像深度估计方法装置

[发明专利]基于隐式场的十亿像素场景人群三维重建方法和装置-CN202110265313.X有效
发明人：刘烨斌;邵睿智;于涛;戴琼海 -专利权人：清华大学
申请日： 2021-03-11 - 公布日： 2022-07-15 - 主分类号： G06T17/00 文献下载
摘要：本发明提出一种基于隐式场的十亿像素场景人群三维重建方法和装置，其中，方法包括：获取十亿像素场景图像；检测出十亿像素场景中的人和并将其分割出来；对于分割出的场景图片，使用深度神经网络进行特征提取，并估计出人的形状和姿态；使用高精度扫描的人体模型渲染出观察人体不同视角的图片作为训练数据；训练遮挡情况下的人体重建；使用基于可见性的重要性采样，对三维人体可见部分加强采样点密度并提高权重，加强模型的细节。使用卷积神经网络提取训练图片的特征，并使用注意力机制关联三维人体先验与隐式场模型，在遮挡情况下完成对人体的高精度重建。将十亿像素场景中得到的三维人体与隐式场模型结合，生成高分辨率的人群三维重建模型。
基于隐式场十亿像素场景人群三维重建方法装置

[发明专利]基于压缩感知和深度光学的高速超分辨成像方法及装置-CN202210191905.6有效
发明人：索津莉;张博;戴琼海 -专利权人：清华大学
申请日： 2022-03-01 - 公布日： 2022-07-15 - 主分类号： G06T3/40 文献下载
摘要：本申请公开了一种基于压缩感知和深度光学的高速超分辨成像方法及装置，其中，方法包括：基于衍射光学和压缩感知理论，建立衍射光学元件和视频单帧压缩共同作用的成像模型，并利用深度学习框架端到端优化点扩散函数和重构网络，进而对三维视觉信号在空域进行编码，生成第一编码信息，并采用随机采样矩阵对三维视觉信号在时域进行编码，生成第二编码信息，并通过重构网络对时域和空域压缩采集的单帧低分辨观测图像进行重建，生成成像结果。由此，解决了相关技术采用分布式方法解决高速成像和超分辨成像问题，导致无法同时考虑时间与空间两个维度，视觉信息采集的效率和通量较低，无法有效满足成像需求的技术的问题。
基于压缩感知深度光学高速分辨成像方法装置

[发明专利]基于标签传播算法的多视角人体姿态重建方法-CN202010313008.9有效
发明人：刘烨斌;张宇翔;安亮;于涛;戴琼海 -专利权人：清华大学
申请日： 2020-04-20 - 公布日： 2022-07-05 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于标签传播算法的多视角人体姿态重建方法，包括以下步骤：搭建多相机捕捉系统，对多相机捕捉系统中多个工业相机的内参和外参进行标定；利用多相机捕捉系统采集数字信息，将数字信息转码为RGB输入图像；利用预先训练完成的卷积神经网络对输入图像进行姿态估计，得到每个视角下的人体关节候选节点；根据每个视角下的人体关节候选节点求得关节亲和度、极线距离和重投影误差，通过关节亲和度、极线距离和重投影误差构造概率图；利用COPRA社区发现算法对概率图进行求解，得到每个节点的社区隶属关系，利用每个节点的社区隶属关系重建人体的三维骨架姿态。该方法无需依赖可穿戴传感器，操作过程简单且计算量需求小。
基于标签传播算法视角人体姿态重建方法

[发明专利]结合深度学习的单目SLAM方法及装置-CN201910696435.7有效
发明人：李一鹏;郝敏升;戴琼海 -专利权人：清华大学
申请日： 2019-07-30 - 公布日： 2022-07-05 - 主分类号： G06T7/55 文献下载
摘要：本发明公开了一种结合深度学习的单目SLAM方法及装置，其中，方法包括以下步骤：使用CNN处理输入图像以得到初始的深度信息；利用深度图作为初值初始化单目同时定位及地图构建SLAM系统，并结合优化的深度图获得高精度深度图；根据高精度深度图辅助关键帧进行选取与优化，并利用优化后的关键帧进行定位与建图优化，得到最终同时定位及地图构建结果。该方法将CNN网络得到的深度信息作为图像深度的初值，从而大大提高了SLAM系统初始化的速度以及之后联合优化的精度。
结合深度学习 slam 方法装置

[发明专利]对多个样本进行网格布局可视化的方法和系统-CN201910656140.7有效
发明人：刘世霞;陈长建;袁隽;张慧;戴琼海;娄昕 -专利权人：清华大学;中国人民解放军总医院
申请日： 2019-07-19 - 公布日： 2022-07-01 - 主分类号： G06F16/904 文献下载
摘要：本发明公开了一种用于对多个样本进行网格布局可视化的方法、系统和计算机可读存储介质。该方法包括：将多个样本中的每个样本投影在二维平面上，所述二维平面至少包括多个网格；获得所述多个样本中的每个样本与所述多个网格的每个网格之间的距离；根据所述获得的距离，调整所述多个样本中的每个样本与所述多个网格的每个网格之间的对应关系，使得每一个样本可放置的网格数为k，并且每个网格允许放置的样本数为k，所述k为大于等于1的整数；计算所述多个样本中的每个样本对应的唯一网格；根据计算的所述多个样本中的每个样本对应的唯一网格在所述二维平面中对所述多个样本进行可视化展示。
样本进行网格布局可视化方法系统

[发明专利]十亿像素动态大场景图像采集和多目标检测方法及装置-CN202210234371.0在审
发明人：方璐;李晓飞;戴琼海;董众 -专利权人：清华大学
申请日： 2022-03-10 - 公布日： 2022-06-28 - 主分类号： G06V20/58 文献下载
摘要：本发明提出一种基于十亿像素动态大场景图像采集和多目标检测方法及装置，其中方法包括，获取待检测道路中设定的多个路段的图像，以及多个路段的深度信息；根据多个路段的图像和多个路段的深度信息生成整个路段的大场景深度图像；采用分割算法将大场景深度图像进行分割以提取至少一个候选框，并将至少一个候选框内的图像输入到卷积神经网络进行特征提取，得到各候选框内的图像特征图；将各候选框内的图像特征图输入到全连接神经网络进行目标初步分类，根据目标初步分类结果、候选框内目标的物理大小和标注各目标物理大小范围的类别标签集得到目标最终分类结果；根据目标最终分类结果和道路上下道地图信息生成目标检测结果。
十亿像素动态场景图像采集多目标检测方法装置

[发明专利]基于光学衍射原理和可编程器件的光学衍射计算处理器-CN202011339778.7有效
发明人： 戴琼海;周天贶;林星;吴嘉敏 -专利权人：清华大学
申请日： 2020-11-25 - 公布日： 2022-06-28 - 主分类号： G06N3/04 文献下载
摘要：本发明提成了一种基于光学衍射原理和可编程器件的光学衍射计算处理器，包括：多个输入节点和多个输出节点：多个神经元，其中，所述多个输入节点通过多个光衍射连接到所述多个神经元，其中，所述多个神经元的连接强度的权重由衍射调制确定，且每个所述光电神经元执行其加权输入的光场总和，并通过对光电转换过程中自然发生的计算光场应用复数激活函数来生成单位输出，并输出至多个输出节点，其中，所述多个神经元由可编程器件构成。本发明的优势在于现有的光学计算存在可编程性和大规模计算不可兼顾的矛盾，提出了一种可实际应用的通用光学计算处理器。
基于光学衍射原理可编程器件计算处理器