“涂静敏”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25个，建议您升级VIP下载更多相关专利

[发明专利]一种车载点云杆状物实例分割方法及计算机可读介质-CN202310672472.0在审
发明人： 涂静敏;严进;沈阳;李婕;姚剑 -专利权人：湖北工业大学
申请日： 2023-06-07 - 公布日： 2023-10-03 - 主分类号： G06T7/11 文献下载
摘要：本发明提出了一种车载点云杆状物实例分割方法及计算机可读介质。本发明点云体素化，并确定体素属性；以体素为节点，连接体素的八邻域为边，体素中心点间的欧式距离为边权重，构建图割优化模型，得到能量函数最优化时的粗分割结果；利用自采集数据集来训练PointNet++网络模型，从中得到出原始输入点云的32维深度特征；在粗分割结果中找到粘连杆状地物连接区域，确定缓冲区域；以缓冲区域中的点为节点，k近邻内的点为邻域构建边，高维深度学习特征距离为边权重，构建图割优化模型，得到最终的精分割结果。本发明极大程度的保留点云边界信息，利用能量函数最小化来实现分割结果的全局最优化，且有效地实现粘连杆状地物精细化分割。
一种车载杆状实例分割方法计算机可读介质

[发明专利]基于全尺度密集连接的图像语义分割方法、系统及设备-CN202211229781.2有效
发明人：熊炜;田紫欣;陈奕博;强观臣;郑大定;汪锋;邹勤;王松;李利荣;宋海娜;李婕;涂静敏 -专利权人：湖北工业大学
申请日： 2022-10-08 - 公布日： 2023-07-21 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于全尺度密集连接的图像语义分割方法、系统及设备，首先对待分割图像进行预处理，将其切割或填充为预设大小；然后使用图像语义分割网络实现对待分割图像的语义分割；本发明的图像语义分割网络(UNet4+)通过全尺度和密集的跳跃连接，编码器中的每个节点从不同尺度的编码器接收中间聚合特征图，而解码器中的每个节点不仅从不同尺度的编码器和解码器接收中间聚合特征图，而且还从相同尺度的编码器接收中间聚合特征图。因此，解码器中的聚合层可以学习使用节点上的所有收集的特征图。本发明的UNet4+缓解了梯度消失的问题，这也使得网络中的信息流最大化；同时加强了网络中的特征传播；具备更紧凑的模型和极端的特征重用性。
基于尺度密集连接图像语义分割方法系统设备

[发明专利]一种深度信息引导的图像超分辨率方法-CN202010421041.3有效
发明人：姚剑;史海涛;蒋佳芹;涂静敏 -专利权人：武汉大学
申请日： 2020-05-18 - 公布日： 2023-04-07 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种深度信息引导的图像超分辨率方法，具体方法如下：S1、用预训练的特征提取模块提取低分辨率图像的高层特征；S2、采用预训练的单目深度预测网络获取低分辨率图像的深度图；S3、将图像的高层特征和深度图同时输入到带有自适应特征变换层的残差模块中，利用深度信息对图像进行自适应的特征变换；S4、融合后的特征输入到像素洗牌上采样模块中，输出与目标图像尺寸一致的特征图；S5、上采样后的特征图输入到重建模块中，输出超分重建的图像。本发明的方法可以有效解决基于生成对抗网络的超分辨率方法中存在较多高频噪声和伪影的问题，本方法可用于提升低分辨率图像的质量，产生清晰的高分辨率图像。
一种深度信息引导图像分辨率方法

[发明专利]一种基于GMS和运动检测的动态视觉SLAM方法-CN202011282866.8有效
发明人：姚剑;卓德胜;程军豪;龚烨;涂静敏 -专利权人：武汉大学
申请日： 2020-11-17 - 公布日： 2023-02-03 - 主分类号： G06V10/75 文献下载
摘要：本发明属于视觉空间定位技术领域，公开了一种基于GMS和运动检测的动态视觉SLAM方法，包括：结合GMS和滑动窗口对SLAM系统进行初始化，得到初始地图；结合GMS实现SLAM系统的跟踪定位；进行回环检测、全局优化；针对RGB‑D图像，构建静态点云地图；数据处理完成后输出位姿轨迹；针对RGB‑D图像，输出静态点云地图。本发明解决了现有技术中动态环境中的SLAM追踪定位效果较差的问题。本发明可以很好的剔除动态特征的影响并融合在SLAM系统的各个功能模块中，解决动态场景中视觉SLAM定位和建图的问题，实时性好且定位精度较高。
一种基于 gms 运动检测动态视觉 slam 方法

[发明专利]工业产品表面缺陷检测与定位方法、系统及设备-CN202211208711.9在审
发明人：熊炜;田紫欣;陈奕博;强观臣;郑大定;汪锋;邹勤;王松;李利荣;宋海娜;李婕;涂静敏 -专利权人：湖北工业大学
申请日： 2022-09-30 - 公布日： 2023-01-06 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种工业产品表面缺陷检测与定位方法、系统及设备，首先预处理待检测产品的原始外观图像为预设大小；然后使用语义分割网络实现对产品表面缺陷进行像素级定位；最后将原始外观图像以及语义分割网络的输出作为分类决策网络的输入，进行产品表面缺陷检测与定位；本发明通过利用一种基于两阶段架构的深度卷积网络的有效方法来解决数据样本需求问题，新的语义分割网络和分类决策网络的提出，适合从少量缺陷样本中学习，但仍然可以得到最优性能。
工业产品表面缺陷检测定位方法系统设备

[发明专利]一种联合优化全局和局部颜色一致性的色彩校正方法-CN202010958837.2有效
发明人：姚剑;李云梦;李礼;龚烨;涂静敏 -专利权人：武汉大学
申请日： 2020-09-14 - 公布日： 2022-09-13 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种联合优化全局和局部颜色一致性的色彩校正方法，主要包括以下步骤：第一步，影像的超像素分割。第二步，色彩校正模型的构建，对于一张影像中不同的超像素部分，将应用不同的线性模型来对映射函数进行建模。第三步，模型参数的优化，基于上述模型，设计了同时考虑颜色一致性和梯度保持的能量函数，并额外融合了全局颜色约束以确保校正后的影像具有相似的全局色调。最后，根据超像素分割结果分别对影像中各部分进行色彩校正，实现具有色彩一致性的大规模合成影像的生成。本发明在全局优化的基础上，基于超像素分割提出了一种局部优化模型，使得色彩校正算法可以有效消除多个影像之间的全局和局部颜色差异，并尽可能保留影像梯度。
一种联合优化全局局部颜色一致性色彩校正方法

[发明专利]一种融合云端的视觉SLAM系统及方法-CN202010994717.8有效
发明人：姚剑;卓德胜;廖志;龚烨;涂静敏 -专利权人：武汉大学
申请日： 2020-09-21 - 公布日： 2022-07-15 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种融合云端的视觉SLAM系统及方法，该SLAM系统包括：本地端和云端；本地端包括追踪模块、局部地图维护模块；云端包括局部建图模块、闭环检测模块。该方法包括：步骤1，完成云端的地图初始化，本地端获取局部地图；步骤2，进入追踪定位与地图创建模式；步骤3，本地端局部地图的更新维护；步骤4，系统重定位、更新维护云端地图并进行闭环检测，开始全局优化消除累计误差，优化位姿和云端地图；步骤5，输出优化后的位姿结果。本发明通过对SLAM系统功能模块进行分离，利用云端对资源占用较大，时间成本较高的模块处理，本地端处理要求实时性的模块并通过BRPC实现云端和本地端的数据传输，缓解了本地端运行SLAM的计算、存储和实时性的压力。
一种融合云端视觉 slam 系统方法

[发明专利]一种基于深度学习的车载道路场景点云自动分类方法-CN201910046768.5有效
发明人：姚剑;项彬彬;涂静敏;龚烨 -专利权人：武汉大学
申请日： 2019-01-18 - 公布日： 2022-07-05 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于深度学习的车载道路场景点云自动分类方法及系统，构建训练样本集，包括采集道路场景车载激光的三维点云数据，标注类别标签，将三维点云数据和对应的类别标签信息打包作为点云数据集；设计基于八叉树数据结构的三维深度学习网络模型，所述三维深度学习网络模型采用U型全卷积神经网络模型；利用对各类别加权的损失函数，解决道路场景车载激光点云不同类别点数量差异大的问题，基于训练样本集，对网络模型进行训练，得到训练好的点云分类模型；输入待分类的车载激光三维点云数据。采用本发明技术方案能稳定、精确地对具有不同种类、数量和尺寸的分类目标的车载道路场景下的激光点云进行自动分类。
一种基于深度学习车载道路景点自动分类方法

[发明专利]一种基于平面选择的车载点云杆状物提取方法-CN202010072804.8有效
发明人：姚剑;涂静敏;李礼;蒋佳芹 -专利权人：武汉大学
申请日： 2020-01-21 - 公布日： 2022-06-07 - 主分类号： G06V20/56 文献下载
摘要：本发明提出了一种基于平面选择的车载点云杆状物提取方法。本发明根据八叉树分裂的思想将无序列点云根据空间位置迭代地划分为不同尺度的点集，并从中选择出具有平面性的平面片作为初始平面；利用局部几何特征以及平面孤立性检测对初始平面进行选择过滤得到杆状物的候选平面；基于竖直方向上区域增长算法实现杆状物缺失部分的提取；同时通过竖直方向上合并算法使得同一根杆状物能够被尽可能少的候选平面所表示；最终过滤删除候选平面最低点到地面高度不满足杆状物的候选平面；本发明有效的将车载点云数据中杆状物的提取问题转化为平面选择过滤的问题，最终准确且鲁棒地实现了车载点云杆状物的提取。
一种基于平面选择车载杆状提取方法

[发明专利]一种基于照度约束和格网变形的图像对齐方法-CN201910720981.X有效
发明人：姚剑;陈凯;涂静敏;李寅暄;赵琳钰 -专利权人：武汉大学
申请日： 2019-08-06 - 公布日： 2022-02-01 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种基于照度约束和格网变形的图像对齐方法，对具有重叠的图像进行精确的对齐。包括色彩映射模型的初始化，格网坐标与色彩映射模型的联合优化，模型参数的优化调整；实现了对格网变形中模型参数稳健地估计。最后，根据变形前后格网点坐标的对应关系，计算每个格网内局部的单应变换矩阵，并利用图像变形与纹理映射的技术实现图像之间的精确对齐。本发明在传统几何约束的基础上，进一步利用了照度约束，使得对齐算法可以处理纹理不丰富的场景。此外，本发明对传统图像变形框架进行了色彩映射模型的扩展，使基于格网变形的图像对齐算法可以在具有显著颜色差异的图像之间实现精确的对齐。
一种基于照度约束变形图像对齐方法

[发明专利]一种基于细节增强的双目立体匹配方法-CN201910580140.3有效
发明人：姚剑;谈彬;陈凯;涂静敏 -专利权人：武汉大学
申请日： 2019-06-28 - 公布日： 2021-11-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于细节增强的双目立体匹配方法，首先，利用视差初始化子网络来获取低分辨率下的初始视差估计结果；然后，通过带引导模块的优化子网络，结合多尺度优化策略，逐步上采样并优化低分辨率初始视差，并输出全分辨率下的稠密视差估计结果；接着，使用多尺度损失函数，将低分辨率下的视差估计结果作为中间监督，以提高网络的收敛精度，促进全分辨率下的视差估计结果；再将待匹配的双目立体像对输入训练好的网络，得到视差估计结果。该方法通过对具有真实视差的训练数据集进行学习与训练，在极大提高了立体匹配所得到的视差结果的精度与鲁棒性的同时，还显著提升了视差图中对小目标以及边缘等细节信息的估计结果。
一种基于细节增强双目立体匹配方法

[发明专利]一种基于广义图卷积和强化学习的人体骨架动作识别方法-CN202011526101.4在审
发明人：姚剑;许哲源;汪颖夫;涂静敏 -专利权人：武汉大学
申请日： 2020-12-22 - 公布日： 2021-04-02 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于广义图卷积和强化学习的人体骨架动作识别方法。本发明构建人体骨架序列矩阵，构建预定义骨架图，将训练集送入到广义图卷积网络中进行特征提取，利用全局平均池化对特征进行聚合，利用全连接层分类器对特征进行分类，根据损失函数更新网络参数；结合训练后的广义图卷积网络、分类器，广义图卷积学习到的特征，构建特征选择网络来自适应地选择时间维上对识别有用的特征，并利用强化学习方法进行训练。本发明针对人体骨架动作识别任务，设计了一个广义图卷积网络，用于捕获任意结点间的相关依赖，以提取结点间更丰富的关联特征。同时设计了一种特征选择网络，用于选择时间维上对识别有用的特征，从而实现更精确的动作识别。
一种基于广义图卷强化学习人体骨架动作识别方法

[发明专利]一种基于深度学习的高分辨率遥感影像舰船目标检测方法-CN201810628290.2有效
发明人：姚剑;韩婧;李昊昂;涂静敏 -专利权人：武汉大学
申请日： 2018-06-19 - 公布日： 2021-04-02 - 主分类号： G06K9/00 文献下载
摘要：一种基于深度学习的高分辨率遥感影像舰船目标检测方法，包括采集包含舰船目标的高分辨率遥感影像，使用能包围舰船目标的最小四边形对影像中的舰船进行人工标注；设置深度学习网络模型的结构，对具有不同语义性和分辨率的特征映射图进行连接，然后对特征映射图上的每个位置设置多个参考四边形，使用全连接层对参考四边形分类；训练网络模型，将待检测的高分辨率遥感影像输入到训练好的网络模型中，检测影像中的舰船区域，并构建包围舰船目标的最小四边形，从而指示舰船目标的精确位置。本发明相比传统舰船目标检测方法，能更有效地抵抗环境因素的干扰，更稳定、更精确地对高分辨率遥感影像中处于不同场景、具有不同尺寸和姿态的舰船进行检测。
一种基于深度学习高分辨率遥感影像舰船目标检测方法

[发明专利]一种基于骨架特征和深度学习的人体动作识别方法-CN201910167706.X有效
发明人：姚剑;汪颖夫;许哲源;涂静敏 -专利权人：武汉大学
申请日： 2019-03-06 - 公布日： 2021-03-16 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于骨架数据和深度学习的人体动作识别方法，用于提高基于骨架的人体动作识别效果。本发明针对基于骨架的动作识别任务，设计了一个多特征学习网络，具有数个独立学习的网络流，能够鲁棒的处理针对不同维度的各低维特征，并有效的将其经过网络学习进行高维特征的特征融合，实现通过人体骨架运动精确识别人体动作。本发明对于不同的相机视角，动作类别及实施对象均有良好的识别效果。相对于目前的方法，本方法具有更好的动作识别精度，且相对于绝大部分基于深度学习的方法有更好的计算效率。
一种基于骨架特征深度学习人体动作识别方法

[发明专利]一种基于光流和语义分割的视觉SLAM方法-CN202010488128.2在审
发明人：姚剑;卓胜德;程军豪;龚烨;涂静敏 -专利权人：武汉大学
申请日： 2020-06-02 - 公布日： 2020-10-20 - 主分类号： G06K9/00 文献下载
摘要：本发明属于视觉空间定位技术领域，公开了一种基于光流和语义分割的视觉SLAM方法，包括：采用语义分割网络对输入的图像信息进行分割，得到静态区域、预测动态区域；采用稀疏光流法对静态区域、预测动态区域进行特征追踪；对输入的图像信息中的特征点的类型进行判定，并移除动态特征点；将剔除运动特征点的集合作为追踪数据，输入至ORB‑SLAM中进行处理，输出位姿结果。本发明解决了动态环境中SLAM追踪定位效果较差的问题，可以得到动态环境中位姿精度较高的轨迹信息。
一种基于语义分割视觉 slam 方法

1
2
下一页»
尾页
共 25 条