[发明专利]一种基于图像金字塔距离度量的近邻传播立体匹配方法有效

专利信息
申请号: 201811285297.5 申请日: 2018-10-31
公开(公告)号: CN109492649B 公开(公告)日: 2021-09-21
发明(设计)人: 傅予力;周玉龙;陈维翔;赖凯敏;向友君 申请(专利权)人: 华南理工大学
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06T7/33;G06T17/00
代理公司: 广州市华学知识产权代理有限公司 44245 代理人: 李斌
地址: 510640 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于图像金字塔距离度量的近邻传播立体匹配方法,包括:对由左图I1和右图I2组成的立体图像对进行特征提取,利用距离度量的方式对左右图中特征进行配对,获取匹配点对;对左右图进行连续二倍下采样,直至尺寸为一个像素,获得一系列不同尺寸的左右图,以图像金字塔的形式表示不同尺寸的图片;对于左右原图中每个像素点,在每个尺寸的左右图中找到其对应的像素点;计算左右图原图中像素点的匹配正确性;根据获取的匹配点对,以匹配点对为传播起点,以比较匹配正确性的方式为传播条件,向相邻像素点传播匹配结果。本发明通过使用特征匹配寻找定位点建立的全局约束,大量减少计算成本,提高匹配速度,适合用于实时立体匹配。
搜索关键词: 一种 基于 图像 金字塔 距离 度量 近邻 传播 立体 匹配 方法
【主权项】:
1.一种基于图像金字塔距离度量的近邻传播立体匹配方法,其特征在于,该方法包括:特征提取步骤,对立体图像对进行特征提取,其中,立体图像对由左图I1和右图I2组成,对立体图像对进行特征提取,分别把左图I1和右图I2获得的特征存储到相应的集合中;特征匹配步骤,利用距离度量的匹配方法为左图I1对应特征集中的每一个特征在右图I2对应特征集中寻找匹配特征,获取特征对,设置距离匹配阈值选取有效匹配的特征对作为匹配点对,匹配点对存储的值为两张图片中距离最近的两个特征点分别在两张图片中的位置,用二维坐标表示,把通过筛选的匹配点对存储在集合S中,匹配点对中左图I1的特征存储在集合E1中,右图I2的特征存储在集合E2中;生成左右图金字塔步骤,对左图I1和右图I2进行连续下采样,直至尺寸缩小为一个像素,获得一系列不同尺寸的左右下采样图,左右下采样图构成金字塔形式的立体图像对,记为l表示下采样的层数,表示原尺寸的左右图,表示由下采样获得的左右图;存储对应像素点步骤,对于左右原图中每个像素点,在每层图片中找到其对应的像素点,存储到对应的集合中;初始化步骤,设置左图I1存储矩阵,尺寸与立体图像对中左图I1大小相同,矩阵中每个位置最终用来存储左图I1相应位置上的像素点在右图I2中的匹配像素点坐标;对矩阵每个位置设置初值:左图I1中在该位置上的像素点如果属于E1,则在集合S中找到该像素点的匹配点对,把该位置的初值设置为找到的匹配点对中右图特征的坐标;否则该位置的初值设置为一个随机坐标值;传播步骤,根据获取的匹配点对,以匹配点对为传播起点,以比较匹配正确性的方式为传播条件,向相邻像素点传播匹配结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201811285297.5/,转载请声明来源钻瓜专利网。

同类专利
  • 一种水印信息提取方法、装置、设备及存储介质-202111081193.4
  • 单纯;周斯译;李冕杰;沈卫强;李佳锐 - 广东技术师范大学
  • 2021-09-15 - 2021-12-31 - G06K9/46
  • 本发明公开了一种水印信息提取方法、装置、设备及存储介质,本发明通过获取原始水印信息以及载体图像,通过可逆矩阵集对所述原始水印信息的像素进行变换置乱处理,得到加密水印,根据所述加密水印对所述载体图像进入水印嵌入处理,得到水印载体数据,根据所述水印载体数据,进行攻击处理,得到攻击图像,根据所述可逆矩阵集对所述攻击图像进行解密处理,得到提取水印信息;像素的变换置乱对原始水印信息的误差具有全局性和扩散性,出现微小误差会使得原始水印信息难以恢复,且通过可逆矩阵集进行变换置乱处理能够增大秘钥空间,提高安全性,本发明可广泛应用于加密技术领域。
  • 样本确定方法、装置、电子设备及介质-202111182263.5
  • 刘博晓;宋广录;刘宇 - 北京市商汤科技开发有限公司
  • 2021-10-11 - 2021-12-31 - G06K9/46
  • 本公开提供了一种样本确定方法、装置、电子设备及介质。其中,该方法包括:获取样本集;所述样本集中包括多张样本图像;利用教师神经网络,对所述多张样本图像分别进行特征提取,得到所述多张样本图像分别在特征空间中的特征数据;基于所述多张样本图像分别对应的特征数据,对所述多张样本图像进行所述特征空间上的均匀采样,得到目标样本图像。
  • 水下鱼类目标检测方法、装置及存储介质-202111188098.4
  • 蔡克卫;庞洪帅;刘敏 - 大连智慧渔业科技有限公司
  • 2021-10-12 - 2021-12-31 - G06K9/46
  • 本发明公开了水下鱼类目标检测方法、装置及存储介质,对水下鱼类目标检测模型中的主干网络进行了改进,改进后的主干网络包括融合局部与全局特征提取能力的快速傅里叶变换模块,通过该快速傅里叶变换模块能够得到待检测水下图像的局部特征图和全局特征图,从而获取更优质图像特征,提高了目标检测的准确率;同时,该快速傅里叶变换模块中在频域进行全局特征图的提取,极大地降低了计算复杂度,能够高效的提取特征,从而提高了目标检测的效率。
  • 基于遥感影像的水体提取方法、装置、设备及存储介质-202111189625.3
  • 吴梦娟;郑越 - 平安科技(深圳)有限公司
  • 2021-10-13 - 2021-12-31 - G06K9/46
  • 本发明涉及人工智能技术,揭露一种基于遥感影像的水体提取方法,包括:对原始遥感影像集进行影像预处理及样本变换,得到变换影像集,并将变换影像集划分为训练数据集和验证数据集,利用训练数据集对区域识别模型进行训练并利用验证数据集对训练好的区域识别模型进行验证,得到标准区域识别模型,利用标准区域识别模型提取出待识别影像的原始水体提取结果,并对原始水体提取结果进行优化,得到优化水体提取结果,对优化水体提取结果进行轮廓后处理,得到标准水体提取结果。此外,本发明还涉及区块链技术,变换影像集可存储于区块链的节点。本发明还提出一种基于遥感影像的水体提取装置、电子设备以及存储介质。本发明可以提高水体提取的准确度。
  • 图像特征提取方法和设备-202010611356.4
  • 童强;许宽宏 - 索尼公司
  • 2020-06-30 - 2021-12-31 - G06K9/46
  • 本公开涉及图像特征提取方法和设备。提出了一种图像特征提取设备,包括处理电路,所述处理电路被配置为:将图像划分为至少两个图像区域;将所述至少两个图像区域中的各图像区域的图像区域特征值与特定特征值进行比较,以基于比较结果来设定图像区域的特征指示符;以及组合各图像区域的特征指示符以确定图像的特征。
  • 用于分布式计算系统的安全模型-202080036902.4
  • M·克林吉;O·拉齐马尼 - 万事达卡国际公司
  • 2020-04-22 - 2021-12-31 - G06K9/46
  • 一种用于计算节点响应于服务请求而提供密码密钥的方法,该方法包括:建立密钥列表,其中该密钥列表包括多个密钥的密钥标识符;接收服务请求并且响应于服务请求而识别出需要密钥;以及使用根据与服务请求相关联的数据的确定性过程来分配密钥标识符中的一个密钥标识符,并且因此将与密钥标识符中的所述一个密钥标识符相关联的密钥分配给服务请求。还描述了适当配置的计算节点。
  • 图像处理方法、装置、设备及介质-202110998187.9
  • 郑安林 - 北京旷视科技有限公司;北京迈格威科技有限公司
  • 2021-08-27 - 2021-12-31 - G06K9/46
  • 本申请实施例提供了一种图像处理方法、装置、设备及介质,旨在降低图像处理所消耗的计算机内存,提高图像处理效率,所述图像处理方法包括:获得目标图像的低层次特征图和高层次特征图;其中,所述高层次特征图是基于对所述低层次特征图进行降采样得到的;确定所述低层次特征图中各个特征块与所述高层次特征图中各个第二特征点之间的映射关系;其中,所述特征块包括多个第一特征点,所述第一特征点为所述低层次特征图中的特征点;基于所述映射关系,分别将各个所述特征块与所映射的所述第二特征点进行融合,得到所述目标图像对应的初始融合特征图;基于所述初始融合特征图,对所述目标图像进行处理。
  • SURF特征点提取方法、系统、计算机设备和存储介质-202111030496.3
  • 范大勇;高合社 - 中航航空电子有限公司
  • 2021-09-03 - 2021-12-31 - G06K9/46
  • 本发明适用于图像匹配技术领域,提供了SURF特征点提取方法、系统、计算机设备和存储介质。一种SURF特征点提取方法包括:获取图像数据,将所述图像数据存入内部处理模块中,得到第一图像数据;将所述图像数据存入外部存储模块中,得到第二图像数据;从所述第一图像数据中提取特征点,根据所述特征点的参数信息在所述第二图像数据中获取预设大小的方形区域,根据所述参数信息和所述方形区域计算得到所述特征点的主方向;根据所述参数信息、所述主方向和所述方形区域,计算得到第一特征点描述符。该方法通过设置外部存储模块,快速为特征点主方向计算和特征点描述符计算提供周围源数据,降低图像处理延迟。
  • 一种基于土壤元素含量检测的数据处理方法及系统-202111033245.0
  • 刘伟;张小明;董萍 - 刘伟
  • 2021-09-03 - 2021-12-31 - G06K9/46
  • 本发明提供的一种基于土壤元素含量检测的数据处理方法及系统,涉及土壤元素含量检测技术领域。在本发明中,基于获取的多帧土壤信息采集图像进行检测处理,得到目标土壤区域中铁的氧化物的含量信息,其中,在目标土壤区域中铁的氧化物的含量信息不同时,目标土壤区域具有不同的颜色;获取对目标土壤区域中进行含量检测得到的历史含量信息,并确定含量信息与历史含量信息之间的匹配度;基于含量信息与历史含量信息之间的匹配度,确定含量信息的有效程度表征信息,用于表征基于土壤元素含量检测模型检测得到的含量信息的准确度。基于上述方法,可以改善现有技术中难以有效确定检测得到的元素含量的有效性的问题。
  • 车辆关键点检测方法、电子设备和存储介质-202110949381.8
  • 邹伟;巫立峰 - 浙江大华技术股份有限公司
  • 2021-08-18 - 2021-12-31 - G06K9/46
  • 本申请公开了一种车辆关键点检测方法、电子设备和存储介质,其中,该检测方法包括:获取待检测图像;利用车辆关键点检测模型对待检测图像进行检测,得到待检测图像的第一预测结果和第二预测结果,其中,第一预测结果包含待检测图像中车辆的关键点的预测位置信息,第二预测结果包含待检测图像中的像素点与至少一个约束区域的预设位置关系,每个约束区域是基于一组关键点对确定的。通过上述方式,本申请能够为应用任务和场景提供更多的有效信息。
  • 一种基于多模态融合的视频常识性知识推理实现方法-202110954600.1
  • 方跃坚;梁健;余伟江 - 北京大学
  • 2021-08-19 - 2021-12-31 - G06K9/46
  • 本发明公开了一种基于多模态融合的视频常识性知识推理实现方法,其步骤包括:1)对输入视频分别提取帧内空间特征Vi、帧间时序特征Vt以及声音特征Vs;2)将帧内空间特征Vi、帧间时序特征Vt以及声音特征Vs进行融合,得到该输入视频的多模态的视频特征VE;3)对该输入视频的描述性文本进行特征抽取,得到语言特征Ccap,并将视频特征VE和语言特征Ccap进行融合,得到上下文特征[VE,Ccap];4)将所述上下文特征[VE,Ccap]输入常识推理解码器得到答案的概率分布,然后根据所得答案的概率分布预测该输入视频的常识性知识文本序列。本发明所得结果拥有更高的预测精度和可解释性。
  • 基于判别稀疏保持投影的非约束人脸图像降维方法-201710969273.0
  • 童莹;田亚娜;陈瑞;曹雪虹 - 南京工程学院
  • 2017-10-17 - 2021-12-31 - G06K9/46
  • 本发明提供一种基于判别稀疏保持投影的非约束人脸图像降维方法,通过1),在计算样本重构关系矩阵W时,利用类别标签和类内紧凑度约束,增大同类非近邻样本权重系数;2)计算低维映射矩阵P时,增加全局约束因子,进一步降低异类伪近邻样本对投影矩阵的影响,能够更准确挖掘出隐藏在复杂冗余数据中的低维流形本质结构;3)实现高维样本数据的低维线性映射;对于真实环境中获取的非约束人脸图像,本发明DSPP可以更准确消除高维数据中的冗余信息,抽取本质特征,增强表征能力;同时,也减少了数据维度,节约存储空间,大大提高了人脸识别的可靠性和有效性。
  • 一种图像特征提取与匹配方法-201810291396.8
  • 李建圃;樊晓东 - 南昌奇眸科技有限公司
  • 2018-04-03 - 2021-12-31 - G06K9/46
  • 一种图像特征提取与匹配方法,包括以下步骤:S1、输入二维图像,对所述二维图像进行边缘检测和角点检测,将所述角点检测得到的角点和所述边缘检测得到的边缘点进行组合,以确定图像显著区域;S2、采用多尺度滑窗的方式分割图像,在整幅图像内滑动采样,在每个窗口内提取图像梯度方向直方图特征,其中,显著区域滑窗的滑动步长小于非显著区域的滑动步长;S3、计算检索图像任意窗口图像与数据库图像的相似距离,如果相似距离在相似阈值范围内则标记这一对相似窗口,查找出最相似的窗口,得到一系列相似窗口的匹配结果;S4、排除错误的匹配对,保留在尺度和空间位置上都具有一致性的匹配,分割出相似区域。
  • 一种基于DMD及随机傅里叶特征变换的图像分类方法-202111084757.X
  • 吴浩;卢继华;陈子健;冯立辉;傅雄军;韩航程;谢民 - 北京理工大学
  • 2021-09-16 - 2021-12-28 - G06K9/46
  • 本发明涉及一种基于DMD及随机傅里叶特征变换的图像分类方法,属于图像分类技术领域。所述方法,包括:步骤1、对训练图片进行基于颜色的动态模式分解,得到训练图片显著色彩矩阵;步骤2、基于步骤1得到的显著色彩矩阵作为DMD特征,得到提取特征后的同类图片,并基于同类图片构建特征训练集X;步骤3、对特征训练集X中的同类图片特征进行训练,得到训练好的分类模型参数;步骤4、对于待分类图片进行分类。所述方法对于小样本图像、单一样本图像的识别准确率高;对于具有复杂背景的图像识别准确率高,且时间复杂度和空间复杂度低;避免神经网络结果选择和局部最小值问题;对高维、非线性分类问题具有很好的泛化性。
  • 一种基于HOG特征及DMD的图像分类方法-202111084915.1
  • 陈劭元;冯立辉;陈子健;卢继华;辛喆;武祎;聂振钢 - 北京理工大学
  • 2021-09-16 - 2021-12-28 - G06K9/46
  • 本发明涉及一种基于HOG特征及DMD的图像分类方法,属于图像分类技术领域。所述图像分类方法,包括对图像进行基于颜色的动态模式分解得到的显著色彩矩阵提取HOG特征,得到提取特征后的同类图片,之后将同类图片进行模型训练,得到新的权重向量和分离距离,最后对于待分类的图片进行分类。所述方法对于小样本图像、单一样本图像的识别准确率高;对具有复杂背景的图像识别准确率高;算法时间复杂度和空间复杂度低;所述方法避免神经网络结果选择问题和局部最小值问题;算法对于高维、非线性分类问题具有很好的泛化性。
  • 图像处理方法、装置、电子设备及存储介质-202111114340.3
  • 乔宇;何军军;王亚立;邓重英 - 深圳市商汤科技有限公司
  • 2019-09-27 - 2021-12-28 - G06K9/46
  • 本公开涉及一种图像处理方法、装置、电子设备及存储介质,所述方法包括:获取待处理图像的第一图像特征;根据所述第一图像特征及一个或多个预设滤波核分别生成一个或多个滤波器;根据所述第一图像特征及所述一个或多个滤波器,得到所述待处理图像的一个或多个第二图像特征;根据所述一个或多个第二图像特征,确定所述待处理图像中各像素的标签信息。本公开实施例可提高待处理图像中各像素标签信息识别的准确性。
  • 线段的提取方法和装置、存储介质、电子装置-202111117664.2
  • 王朕;郁顺昌;汤盛浩 - 追觅创新科技(苏州)有限公司
  • 2021-09-23 - 2021-12-28 - G06K9/46
  • 本发明实施例提供了一种线段的提取方法和装置、存储介质、电子装置,上述线段的提取方法包括:将移动机器人获取的第一目标图像输入到视觉检测模型中,以获取第一目标图像对应的目标区域,其中,目标区域中包括待提取的目标线段;通过图像增强算子增大目标区域中的目标线段的第一像素值和目标区域的背景的第二像素值的对比度,得到第一图像;从第一图像中提取目标线段,采用上述技术方案,解决了相关技术中,对于线特征不明显的图像,线段检出率不高且线段提取效果并不理想等问题。
  • 物体颜色确定方法和装置、存储介质、电子装置-202111117667.6
  • 王朕 - 追觅创新科技(苏州)有限公司
  • 2021-09-23 - 2021-12-28 - G06K9/46
  • 本发明实施例提供了一种物体颜色确定方法和装置、存储介质、电子装置,上述物体颜色确定方法包括:对获取的目标图像进行识别,得到目标物体在所述目标图像中所处的目标区域;根据预设规则从所述目标区域中提取能够表征所述目标物体颜色特征的目标子区域;其中,所述目标子区域小于所述目标区域;根据所述目标子区域中包含的像素值确定所述目标物体的颜色,采用上述技术方案,解决了相关技术中,由于物体图像存在背景干扰,在识别物体颜色时,得到的最佳颜色并不能准确反映物体的真实颜色等问题。
  • 在线特征库的构建方法、装置和电子设备-202110952910.X
  • 谢奕;张阳;周炜;杨双全 - 北京百度网讯科技有限公司
  • 2021-08-19 - 2021-12-28 - G06K9/46
  • 本公开公开了一种在线特征库的构建方法、装置和电子设备,涉及数据生产、大数据、云服务等人工智能技术领域。具体方案:构建在线特征库时,先确定待存储的特征的更新频率;更新频率包括第一更新频率和第二更新频率,且第一更新频率高于第二更新频率;并根据更新频率,分别确定用于存储基于第一更新频率更新的特征的第一特征库、和用于存储基于第二更新频率更新的特征的第二特征库;第一特征库的更新速率高于第二特征库的更新速率,且第二特征库的存储空间大于第一特征库的存储空间;这样通过第一特征库可以满足更新速率较高的需求,提高了在线特征库的存储效率,通过第二特征库可以满足存储空间较大的需求,解决了在线特征库存储空间不足的问题。
  • 基于本地差分隐私的联邦学习图像分类方法-202111059634.0
  • 朱笑岩;王亚杰;张琳杰;马建峰 - 西安电子科技大学
  • 2021-09-10 - 2021-12-28 - G06K9/46
  • 本发明提出一种基于本地差分隐私的联邦学习图像分类方法,实现步骤为:构建联邦学习场景模型;本地客户端获取训练样本集和测试样本集;构建基于卷积神经网络的图像分类模型;本地客户端初始化参数;本地客户端对基于卷积神经网络的图像分类模型的权重参数进行本地更新;本地客户端对权重参数进行本地差分隐私扰动并上传;中心服务器获取权值参数全局更新后的基于卷积神经网络的图像分类模型并发送;中心服务器获取训练好的基于卷积神经网络的图像分类模型;本地客户端获取图像分类结果。本发明通过对本地更新后的权重参数进行本地差分隐私扰动后,再全局更新,降低了计算存储开销,进而提高了训练效率,且适用于不同隐私保护需求场景的图像分类。
  • 基于点云-体素聚合网络模型的语义场景补全方法及系统-202110422598.3
  • 陈小康;唐嘉祥;王靖博;曾钢 - 北京大学
  • 2021-04-15 - 2021-12-28 - G06K9/46
  • 本发明公布了一种基于点云‑体素聚合网络模型的语义场景补全方法,建立点云‑体素聚合网络模型作为三维图像语义场景补全深度神经网络模型,包括点云‑体素双路编码器和以语义传播模块为基本单元构成的解码器;点云‑体素双路编码器以点云模型作为主干,使用浅层的三位卷积神经网络作为体素分支,将二维单目深度图像转换为三维点云,提取点云与体素两种数据模态中互补的特征,并对特征进行融合;且保留稠密体素中的局部结构特征;再通过解码器对提取特征逐层上采样,恢复三维场景的几何结构以及语义信息,最终对应到体素中得到三维场景的结构与语义。本发明方法能够高效且准确地完成语义场景补全任务。
  • 面向多标签识别与分布优化的RFID图像快速匹配方法-202111134292.4
  • 张科;俞晓磊;赵志敏;李琳;刘振鲁 - 南京航空航天大学
  • 2021-09-27 - 2021-12-24 - G06K9/46
  • 本发明公开了一种面向多标签识别与分布优化的RFID图像快速匹配方法,具体为:步骤1:对多标签RFID图像进行灰度化处理;步骤2:特征点提取;步骤3:将多标签RFID图像均分成N个图像块,计算每个图像块的特征向量;步骤4:计算多标签RFID图像A和多标签RFID图像D之间任意两个特征向量之间的相似度,选择相似度大于等于预设的相似度阈值的特征向量为相似的特征向量,计算相似的特征向量在图像A中对应的图像块a,以及在图像D中对应的图像块d;并计算图像块a和图像块d中特征点的欧氏距离,将欧氏距离小于预设的距离阈值的两个特征点作为匹配对。本发明为RFID多标签实时快速匹配与精准定位提供了一种有效途径。
  • 一种基于跨层残差双路金字塔网络的图像特征提取方法-202111002973.5
  • 胡杰;谢礼浩;安永鹏;熊宗权;徐文才 - 武汉理工大学
  • 2021-08-30 - 2021-12-24 - G06K9/46
  • 本发明公开了一种基于跨层残差双路金字塔网络的图像特征提取方法,将原始RGB彩色图像输入残差网络ResNet50中进行初步特征提取,得到自底向上的特征金字塔网络DTFPN;实现基于残差网络ResNet50的跨层残差网络;经特征金字塔网络FPN处理后得到输出的特征图P1”’、P2”’、P3”’、P4”’、P5”’。本发明进一步减轻残差网络ResNet50网络退化问题并混合利用不同层级的特征进一步抽取深层特征来显著增强残差网络ResNet50的特征提取能力。解决特征金字塔网络(FPN)中高层特征缺失低层细节纹理信息这一缺陷,实现各层特征图信息的高效融合。
  • 一种视觉显著性检测中的自主学习方法-202111012352.5
  • 王涵宇;王致畅;边疆;裴轶敏;章涛;潘晨 - 中国计量大学
  • 2021-08-31 - 2021-12-24 - G06K9/46
  • 本发明公开了一种视觉显著性检测中的自主学习方法,包括以下各个步骤:(1)借助两个有监督的深度SOD模型构造两个并行的视觉感知通道,形成一套双视觉信息流的显著目标检测框架;(2)比较同一时刻两个感知通道输出显著图的二值化掩膜之间的差异,判断显著目标区域的感知饱和程度;(3)若感知饱和度大,双通道输出的显著图可叠加生成一个最终显著图,该显著图的二值化掩膜被视为高可信度的目标区域;由此收集一定数量可信度高的自动标注目标区域,形成算法自主标注的训练样本集,用于步骤(1)中两个有监督的深度SOD模型的进一步自主学习更新。
  • 特征点的提取方法、图像的重建方法及装置-202111038925.1
  • 叶培楚;曾宪贤 - 广州极飞科技股份有限公司
  • 2021-09-06 - 2021-12-24 - G06K9/46
  • 本申请提供了一种特征点的提取方法、图像的重建方法及装置,该特征点的提取方法包括:基于输入图像的大小和期望特征点数量n,确定实际网格大小;基于实际网格大小对输入图像进行网格划分以得到n个网格,其中,n为大于1的整数;基于初始阈值对n个网格中的每个网格进行特征点的提取,以得到针对网格的g个特征点;在g大于K时,确定g个特征点中响应值靠前的K个特征点作为网格的特征点,其中K为每个网格需要提取的特征点的数量。本申请的技术方案能够获得均匀分布的高质量特征点。
  • 特征点的提取方法、图像的重建方法及装置-202111040342.2
  • 叶培楚;曾宪贤 - 广州极飞科技股份有限公司
  • 2021-09-06 - 2021-12-24 - G06K9/46
  • 本申请提供了一种特征点的提取方法、图像的重建方法及装置,该特征点的提取方法包括:确定针对输入图像初步提取到的多个特征点的数量;在多个特征点的数量大于期望特征点数量时,基于空间划分方法对输入图像进行第一网格划分以得到K个第一网格,其中,K大于或等于期望特征点数量;确定K个第一网格中每个第一网格的特征点数量,在第一网格的特征点数量大于1时,基于第一网格中各个特征点距离第一网格的中心的距离确定各个特征点的统计置信度分数;基于各个特征点的统计置信度分数对第一网格的特征点进行筛选,以得到第一网格中统计置信度分数最高的特征点。本申请的技术方案能够提高特征点的分布均匀性。
  • 使用图像理解配置数据管道-202080035405.2
  • A·A·瓦杰斯;A·科亨;下村宗弘;三好弘孝 - 森纳拉公司;索尼半导体解决方案公司
  • 2020-03-12 - 2021-12-24 - G06K9/46
  • 一种节点网络被组织成数据管道,以用于需要图像理解的一个或多个应用。取决于应用,节点可配置为形成不同数据管道。从节点配置数据管道的过程可以标准化。在一种实现方式中,节点具有各种能力,这些能力可以包括传感器功能(例如,图像捕获)和图像理解功能(例如,对象检测和识别)。基于对节点的能力的描述,选择各种节点以包含在数据管道中,并且还确定选定节点之间用于形成数据管道的互连。控制数据被传输到所选择的节点以形成数据管道。控制数据根据每个节点在数据管道中的角色为选择的节点指定传感器功能和/或图像理解功能,并且还指定选择的节点之间的互连。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top