[发明专利]一种连续剖面点云特征分析的路面坑槽提取方法有效
申请号: | 202010926112.5 | 申请日: | 2020-09-07 |
公开(公告)号: | CN112132159B | 公开(公告)日: | 2022-10-28 |
发明(设计)人: | 刘如飞;畅陈豪;柴永宁;马新江 | 申请(专利权)人: | 山东科技大学 |
主分类号: | G06V10/44 | 分类号: | G06V10/44;G06V10/30;G06V10/762 |
代理公司: | 青岛智地领创专利代理有限公司 37252 | 代理人: | 陈海滨 |
地址: | 266590 山东*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种连续剖面点云特征分析的路面坑槽提取方法,属于移动测量系统路面病害检测技术领域。本发明包括以下实施步骤:对原始点云进行滤波获得路面点云,将路面点云进行高斯平滑去噪,将路面点云数据预处理为道路行驶方向和道路横断面方向,分别获取两个方向上的剖面;采用道格拉斯‑普克算法拟合道路剖面的轮廓,分析坑槽剖面的积分不变性和微分特征,根据特征约束自动识别路面坑槽点云;通过点云的连续性和点云间的距离约束进行聚类去噪,通过形状约束分析进一步确定坑槽。以坑槽矢量化的轮廓得到坑槽面积,以坑槽点云最低点到坑槽边界所在面的距离为坑槽的深度。 | ||
搜索关键词: | 一种 连续 剖面 特征 分析 路面 提取 方法 | ||
【主权项】:
暂无信息
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山东科技大学,未经山东科技大学许可,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/202010926112.5/,转载请声明来源钻瓜专利网。
- 上一篇:一种节能高压变频器降温系统
- 下一篇:一种黄花菜加工速冻装置
- 同类专利
- 电力防护装备检测网络训练方法、应用方法及电子设备-202310879107.7
- 曾亮;张琛宁;胡谦;陈嘉;王珊珊;冯峥;向思颖;简俊杰;常昕宇;王嘉诚;陈壮;简玲;刘登;李维刚 - 湖北工业大学
- 2023-07-17 - 2023-10-27 - G06V10/44
- 本发明涉及一种电力防护装备检测网络训练方法、应用方法、电子设备及介质,包括:获取电力防护装备检测数据集;构建初始电力防护装备检测网络;将检测图像为输入,基于特征提取模块进行特征提取得到特征图像,基于多尺度融合模块依次进行上采样特征融合和下采样特征融合得到融合特征数据,基于检测头进行解码得到预测框和置信度预测值;基于变焦损失模块计算预测框和检测框的交并比,根据交并比和检测标签确定样本损失权重并计算加权预测损失,调整网络参数直至损失不再降低,得到训练完备的电力防护装备检测网络。本发明通过变焦损失模块确定正负样本的损失权重,根据损失权重计算加权预测损失,解决样本间不平衡性问题,提高网络的检测准确性。
- 一种复杂背景下识别条码的方法-202310739185.7
- 柏艳林;王森森;宋明岑 - 珠海格力智能装备有限公司;珠海格力电器股份有限公司
- 2023-06-21 - 2023-10-27 - G06V10/44
- 本发明公开了一种复杂背景下识别条码的方法,包括:获取条码图像,基于视觉图像处理算法模型中的卷积模块读取目标条码图像的条码轮廓状态;在读取到所述条码轮廓为完整状态的情况下,基于所述卷积模块和视觉图像处理算法模型中的区域筛选模块对所述目标条码图像进行条码轮廓识别,得到筛选条码轮廓结果,对所述条码轮廓结果进行框选拟合条码区域结果;对所述条码区域基于条码译码算法进行解码,输出条码解码信息。本发明利用视觉图像处理算法模型中的卷积模块来读取条码轮廓,并利用区域筛选模块进行条码轮廓识别,可以更准确地识别条码,提高条码识别成功率,方便后续对条码解码操作。
- 图像自聚焦方法和图像自聚焦网络、电子设备及存储介质-202211528488.6
- 邱裕鹤;崔诚煜;秦正;周剑;何虎 - 中移(成都)信息通信科技有限公司;中国移动通信集团有限公司
- 2022-11-30 - 2023-10-27 - G06V10/44
- 本申请提供一种图像自聚焦方法和图像自聚焦网络、电子设备及存储介质。图像自聚焦方法应用于图像自聚焦网络。图像自聚焦网络包括第一池化层和卷积模块。上述图像自聚焦方法包括:确定第一图像的第一特征图,其中,第一图像为失焦图像;通过第一池化层,在多个尺度上分别对第一特征图进行池化处理,以得到多个第二特征图,其中,多个第二特征图具有多个尺寸;通过卷积模块,对多个第二特征图分别进行卷积处理,以得到多个第三特征图,其中,多个第三特征图分别对应于多个第二特征图;基于第一特征图和多个第三特征图,确定第二图像,其中,第二图像为与第一图像对应的聚焦图像。以此方式,本申请能够实现SAR图像的快速自聚焦。
- 回环检测方法、装置及相关设备-202210374484.0
- 熊振华;许寒旭;徐享;彭盖伦;吴建华;张旖旎 - 中移(上海)信息通信科技有限公司;上海交通大学;中国移动通信集团有限公司
- 2022-04-11 - 2023-10-27 - G06V10/44
- 本申请提供一种回环检测方法、装置及相关设备,其中方法包括获取检测场景的当前帧和多个历史帧;根据当前帧和多个历史帧,确定用于描述当前帧中物体类别的第一语义信息,以及用于描述多个历史帧中物体类别的第二语义信息;根据第一语义信息与第二语义信息,确定多个历史帧中与当前帧最相近的历史帧为目标帧;根据目标帧进行回环检测。本申请实施例提供的方法解决了回环检测的准确性较低的问题。
- 一种基于点线仿射不变性的图像匹配方法-202210389788.4
- 周庆国;李妍;张昊玮;张智赫;闫朝焱;俞挺挺 - 兰州大学
- 2022-04-13 - 2023-10-27 - G06V10/44
- 本发明提供一种基于点线仿射不变性的图像匹配方法,所述方法基于点线仿射不变性,利用图像中点特征和线特征描述子的结合,通过相同的点线元素的几何关系在图像变换之间的稳定性,能够实现在旋转等场景之下的稳定且鲁棒的线段匹配,而且保证较快的匹配速度。
- 一种对抗样本的生成方法、装置、电子设备及存储介质-202211610096.4
- 尹邦杰;姚太平;张克越;李博;吴双;丁守鸿 - 腾讯科技(深圳)有限公司
- 2022-12-14 - 2023-10-27 - G06V10/44
- 本申请公开了一种对抗样本的生成方法、装置、电子设备及存储介质,其中,对抗样本的生成方法可应用于人工智能等场景,该抗样本的生成方法通过获取目标样本图像以及与目标样本图像对应的攻击图像;攻击图像上设有预设图像信息;预设图像信息用于表征攻击图像与目标样本图像为同一类别的分类信息;对所述攻击图像进行语义特征提取,得到攻击语义特征,以及对所述目标样本图像进行语义特征提取,得到目标语义特征;再利用定向攻击拉近目标样本图像和对应的攻击图像在特征层面的距离,从而实现将攻击图像迁移到了目标样本图像的对抗样本上,实现隐蔽式的数据篡改,在后续模型训练过程中,用对抗样本来替换训练过程中的相应的篡改数据,从而达到隐蔽式篡改的目的。
- 影像建筑物的轮廓提取方法、装置、网络设备和存储介质-202211073231.6
- 王东伟;李晓静;赵光 - 中移(上海)信息通信科技有限公司;中移智行网络科技有限公司;中国移动通信集团有限公司
- 2022-09-02 - 2023-10-27 - G06V10/44
- 本发明提供一种影像建筑物的轮廓提取方法、装置、网络设备和存储介质,属于图像处理技术领域。本发明提供的影像建筑物的轮廓提取方法,通过提取所述目标影像的多尺度特征图,根据所述目标影像的多尺度特征图,获取所述目标影像的不同层次的特征图;基于所述目标影像的不同层次的特征图,获取所述不同层次的特征图的融合结果;对所述不同层次的特征图的融合结果进行优化,对优化后的融合结果提取所述目标影像中的建筑物边界;能够提高影像建筑物提取的效率和精确度,并且能是适用于多种场景。
- 数据处理方法、装置、设备及存储介质-202310101810.5
- 宋奕兵 - 腾讯科技(深圳)有限公司
- 2023-02-02 - 2023-10-27 - G06V10/44
- 本申请属于人工智能技术领域,具体涉及一种数据处理方法、装置、设备及存储介质。该方法包括:获取待处理数据;对待处理数据进行线性变换处理,得到预设查询矩阵、预设键矩阵和预设值矩阵;对预设查询矩阵中的元素、预设键矩阵中的元素以及预设值矩阵中的元素分别进行聚合处理,得到预设查询矩阵对应的目标查询矩阵、预设键矩阵对应的目标键矩阵和预设值矩阵对应的目标值矩阵;基于目标查询矩阵、目标键矩阵与目标值矩阵进行注意力计算,得到待处理数据的注意力计算结果。通过对矩阵中的元素进行聚合,来实现注意力计算,从而能够更好的帮助图像特征提取模型增强自注意力的运算过程,提升图像特征提取模型对图像理解等各种任务的处理精度。
- 一种处理三维点云的方法、装置、设备以及存储介质-202110163660.1
- 乔宇;徐名业;张钧皓;周志鹏 - 中国科学院深圳先进技术研究院
- 2021-02-05 - 2023-10-27 - G06V10/44
- 本申请适用于计算机技术领域,提供了一种处理三维点云的方法、处理三维点云的装置、处理三维点云的设备及存储介质,包括:获取包括多个点的点云数据;将所述点云数据输入到已训练的卷积神经网络中处理,得到每个点对应的目标特征,所述卷积神经网络包括几何注意力融合模块和聚焦模块;基于每个点对应的目标特征,确定每个点对应的预测类别。基于该方法提取到的每个点的目标特征,包含了每个点对应的重要的几何信息,使提取到的每个点的目标特征更加准确、有效,进而根据每个点的目标特征进行预测类别时,得到的预测结果非常准确。
- 用于图像特征点匹配的方法、装置及计算机程序产品-202111151056.3
- 陈曲;谭啸;叶晓青;孙昊 - 北京百度网讯科技有限公司
- 2021-09-29 - 2023-10-27 - G06V10/44
- 本公开提供了用于图像特征点匹配的方法、装置、电子设备、存储介质及计算机程序产品,涉及人工智能领域,具体涉及计算机视觉和深度学习技术,可用于图像拼接和图像识别场景下。具体实现方案为:对于所获取的图像序列中的图像,执行如下操作:根据当前图像之前的相邻图像之间的映射变换信息,得到当前图像的映射图像;确定映射图像中与当前图像的上一帧图像中的特征点进行匹配的目标区域;将上一帧图像中的特征点与对应于该特征点的目标区域中的特征点进行匹配,确定当前图像与上一帧图像之间关于特征点的匹配信息;根据匹配信息,确定当前图像与上一帧图像之间的映射变换信息。本公开提高了特征点匹配的准确度和效率。
- 一种游戏图像识别方法及处理系统-202310930268.4
- 李银 - 深圳市豆悦网络科技有限公司
- 2023-07-27 - 2023-10-27 - G06V10/44
- 本申请涉及计算机技术领域,提供一种游戏图像识别方法及处理系统,该方法包括:获取待处理游戏图像;提取每一个目标对象的对象轮廓,基于每一个目标对象的对象轮廓的像素点数目和像素值,确定每一个目标对象的轮廓特征;提取每一个目标对象的图像特征,对每一个目标对象的图像特征的低层特征信息、中层特征信息、高层特征信息和全局特征信息进行信息融合,确定每一个目标对象的对象特征;根据每一个目标对象的特征差异值获取细粒度调整模型;根据每一个目标对象的细粒度调整模型对每一个目标对象进行细粒度处理,得到每一个目标对象的对象内容。本申请能够准确地识别出游戏图像中每一个目标对象的对象内容,提高了游戏图像识别的准确性。
- 极片隔膜袋热封质检方法、电子设备及存储介质-201910355631.8
- 张俊峰;叶长春;冯学慧 - 广州超音速自动化科技股份有限公司
- 2019-04-29 - 2023-10-27 - G06V10/44
- 本发明公开了一种极片隔膜袋热封质检方法、电子设备及存储介质,该方法包括以下步骤:当接收到到位信号后,通过图像采集装置采集当前极片隔膜袋的图像;通过图像识别方式识别出所述图像中的极片隔膜袋的轮廓区域;在所述极片隔膜袋的轮廓区域中寻找特征位置点并获取各个特征位置点的坐标;根据各个特征位置点的坐标计算热封带尺寸;判断所述极片隔膜袋的热封带尺寸是否合格;若否,则判定为次品并启动回收处理流程;若是,则判定为合格品并启动出料流程。该方法通过图像识别以及坐标测量算法测出极片隔膜袋的热封带尺寸,自动判断极片隔膜袋的热封带尺寸是否合格,无需人工参与,方便快速,检测效率高。
- 一种基于深度学习自适应可变形卷积的特征图像提取方法-202011212397.2
- 赵成明;陈金令;李洁 - 西南石油大学
- 2020-11-03 - 2023-10-27 - G06V10/44
- 本发明公开了一种基于深度学习自适应可变形卷积的特征图像提取方法,包括自适应可变形卷积模块和自适应可变形的ROIpooling模块;所述自适应可变形卷积模块最主要的是采用了两种不同的可学习因子对偏移量和采样位置进行学习微调的方式,然后通过使用网格根据目标物体进行自适应的形变,产生更能符合目标物体的特征;所述自适应可变形的ROIpooling模块为池化层中的每个bin位置添加的一个偏移量,偏移量能从前面的特征图像以及感兴趣区域中进行学习得到,能对具有不同形变特性的目标物体实现自适应的准确定位。本发明提供的两个模块能够轻松替换现在主流的卷积层,且在不增加较多的参数情况下,提升卷积神经网络对模型的建模能力和图像检测精度。
- 一种基于图像的钻井液气泡识别方法-202310925739.2
- 蒋俊;曾俊霞;李皋;肖东;夏文鹤;李红涛;刘厚彬;方潘;杨旭;王怀钊 - 西南石油大学
- 2023-07-26 - 2023-10-24 - G06V10/44
- 本发明公开了一种基于图像的钻井液气泡识别方法,包括如下步骤:S1:对输入气泡图像进行多尺度特征提取,并结合上下文信息提取特征图;S2:使用端到端架构将输入气泡图像转换为气泡密度图;S3:使用多层知识蒸馏对端到端架构进行训练;S4:使用轮廓查找进行高精度的气泡识别。本发明实现了更好的计数性能,并使用知识蒸馏来提高推理过程中的准确性,可以显著减少浮点运算的数量,而精度没有显著下降,以更小的计算实现与现有技术相当的性能。
- 训练图像识别模型的方法、图像识别方法及装置-202310893347.2
- 陈璟洲;刘健 - 支付宝(杭州)信息技术有限公司
- 2023-07-20 - 2023-10-24 - G06V10/44
- 本说明书实施例提供了一种训练图像识别模型的方法、图像识别方法及装置。本说明书实施例基于多层级的标签关系树,通过层级特征交互网络对各类别层级上的特征进行交互,并基于图像样本在各类别层级上的特征表示,得到图像样本属于标签关系树中各类别的概率,以及利用图像样本在目标类别层级上的特征表示,得到图像样本属于目标类别层级上各类别的概率。通过最大化图像样本属于被标注类别标签以及与被标注类别标签具有继承关系的上层级类别和/或下层级类别的概率来训练图像识别模型。这种训练方式有效利用具有不同层级的类别标签的图像样本进行学习,传递类别层级之间的知识,降低对于目标类别层级的图像样本的质量依赖,提高图像识别的鲁棒性。
- 一种基于FPGA的高性能亚像素边缘定位方法-202310977550.8
- 邓华健;王昊;金仲和 - 浙江大学
- 2023-08-04 - 2023-10-24 - G06V10/44
- 本发明提出了一种基于FPGA的高性能亚像素边缘定位方法。该方法在FPGA采集相机输入的图像数据流时,一边由FPGA对输入的图像数据流进行像素级边缘定位操作,一边用由FPGA对输入的图像数据流进行亚像素边缘定位操作;对上述两个操作输出的数据流进行信号同步后,依照FPGA像素级边缘定位结果,即可以确定并存储最终定位的图像亚像素边缘和相应的单位矢量。该方法采用多级流水线操作,多项任务并行加速,能够在图像采集的同时完成图像的像素级边缘定位和亚像素边缘定位,还能同时完成图像的解畸变投影,并求解出亚像素边缘点相应的单位矢量,极大程度地降低了图像处理所带来的延时,是一种高效的亚像素边缘定位方法,具有重要的工程意义。
- 一种基于熔断与融合的车道线实例检测方法及系统-202310711226.1
- 谢建;黄莹;罗浩;董方洲;解立磊 - 武汉长江通信智联技术有限公司;武汉长江通信产业集团股份有限公司
- 2023-06-14 - 2023-10-24 - G06V10/44
- 本发明提供一种基于熔断与融合的车道线实例检测方法及系统,属于智能交通领域,包括:利用预设场景语义分割模型分割道路原始图像数据,得到二值化车道线分割图,通过骨架提取算法提取二值化车道线分割图的车道线细化图;基于交叉点检测算法检测车道线细化图,获得车道线交叉点;对车道线交叉点进行腐蚀熔断,得到交叉点熔断后的车道线细化图;采用连通域分析算法获取细化车道线片段实例并进行过滤得到过滤后细化车道线片段实例;基于角度匹配算法融合过滤后细化车道线片段实例,输出车道线实例。本发明通过交叉点熔断的方式解决车道线交叉导致车道线实例混乱的问题,采用角度匹配方式将拆分后的车道线片段融合,达到复杂场景下车道线实例检测目的。
- 一种沃辛顿射流机械能定量分析的装置和方法-202210370040.X
- 王毅琳;蔡卓均;王博;李浩飞;罗思琪 - 中国科学院化学研究所
- 2022-04-08 - 2023-10-24 - G06V10/44
- 本发明涉及沃辛顿射流领域,具体涉及一种沃辛顿射流机械能定量分析的装置和方法。所述装置包括激发物位置及能量控制组件、释放组件、液池、数字图像记录组件和数据解析系统,所述释放组件用于携带并释放激发物,所述释放组件活动连接在激发物位置及能量控制组件上,所述激发物位置及能量控制组件用于带动释放组件运动至释放位置,所述数字图像记录组件用于拍摄液池中发生沃辛顿射流的图像信息,所述数据解析系统与图形记录组件连接,用于对图形记录组件获取的图像信息进行解析,并获得沃辛顿射流机械能定量分析结果。本发明能够获得准确的沃辛顿射流物体的机械能。
- 果串采摘机器人采摘目标建模方法-202311205328.2
- 冯青春;李亚军;彭传浪;张艺凡 - 北京市农林科学院智能装备技术研究中心
- 2023-09-19 - 2023-10-24 - G06V10/44
- 本发明涉及一般的图像数据处理或产生技术领域,提供一种果串采摘机器人采摘目标建模方法,包括:获取采摘机器人待采摘区的图像,通过多任务感知网络提取待采摘区的图像中的所有枝干和果簇的图像特征;根据果簇的图像特征确定待采摘的果簇;将枝干和果簇的图像特征输入从属决策模型,确定与待采摘的果簇相连的枝干;提取待采摘的果簇及其相连枝干的图像特征的关键点,对待采摘的果簇及其相连枝干进行建模。本发明的果串采摘机器人采摘目标建模方法,通过从属决策模型确定果簇和枝干的连接从属关系,将不属于采摘目标的枝干筛除,对采摘目标的确定更加精确,有效解决了现有技术中在进行果串采摘时,机器人识别到错误枝干,导致采摘失败的问题。
- 基于改进注意力机制的人机不同步检测方法、装置和介质-202311187641.8
- 徐山;程海博;涂燕晖;陈一昕 - 山东未来网络研究院(紫金山实验室工业互联网创新应用基地)
- 2023-09-15 - 2023-10-24 - G06V10/44
- 本发明提供了基于改进注意力机制的人机不同步检测方法、装置和介质,属于呼吸机人机不同步检测技术领域。数据采集,将采集的数据切片,再将数据切片的数据绘制为图像生成模型样本;对模型样本通过数据集清洗和图像标注进行预处理;建立并通过训练集训练改进注意力机制的yolov5s人机不同步识别网络模型,采集实时检测的患者呼吸机数据,输入到训练完成的改进注意力机制的yolov5s人机不同步识别网络模型,获取患者是否发生人机不同步的情况;根据置信度判定此标注框是否为人机不同步,并进行处理。本发明对人机不同步的的表达更高效准确,所提取的抽象特征鲁棒性更强,泛化能力更好。
- 一种航空影像中道路斑马线角点提取方法及系统-202010320732.4
- 朱二巧;翟成森;王超;唐佑辉;王福杰;刘斌;王骞颍;王琴;商建伟;董诚;曹新国;许鹏;王丽 - 山东省国土测绘院
- 2020-04-22 - 2023-10-24 - G06V10/44
- 本公开提供了一种航空影像中道路斑马线角点提取方法及系统,通过获取航空摄影影像,初选存在斑马线的区域;基于灰度统计特征的自适应阈值法对道路区域进行图像分割,将道路背景与道路标线分割开;用局部区域生长的方法对图像进行聚类,提取出交通斑马线集合;对每一个交通斑马线进行方向约束的腐蚀膨胀;根据斑马线初始形状确定初始模板,依据斑马线形状约束,更新模板形状,反复迭代直至模板符合斑马线形状,此时模板的端点即为该斑马线的角点。本公开能从大范围航摄影像上快速、自动提取道路斑马线角点坐标。
- 用于检测图像中的对象的神经网络-202310957614.8
- 韩玮;杨建朝;张宁;李佳 - 斯纳普公司
- 2017-11-01 - 2023-10-20 - G06V10/44
- 提供了用于识别和分类标记一组图像内的对象的系统、装置、介质和方法。该系统和方法接收描绘关注对象的图像(310),使用多层对象模型检测图像内的关注对象的至少一部分(330),确定上下文信息(340),以及识别被包括在两个或更多个边界框中的关注对象(350)。
- 一种短时紧凑联级的轻量化结构裂隙分割方法-202310661258.5
- 袁景凌;李森垚;钟忺;江春鹏;蔡思琦;黄文心 - 武汉理工大学
- 2023-06-06 - 2023-10-20 - G06V10/44
- 本发明提供了一种短时紧凑联级的轻量化结构裂隙分割方法,采集待识别的混凝土工程结构图片;将所述混凝土工程结构图片输入至经过训练的轻量化结构裂隙分割网络进行特征提取;输出预测裂缝识别结果图片;使用一种轻量级网络构造单元来替换传统的卷积,在这种轻量级网络构造单元引入多尺度的卷积核从而可以扩展感受野,采用短期密集级联模块,将网络的两个分支合并成为一个分支,并通过Detail Head生成细节图对底层细节进行指导预测,使用ADD操作代替Concatenate操作来实现特征隐式复用,减少计算量,降低计算成本,减小对硬件性能的需求。
- 一种物体6D姿态估计方法、装置、设备及存储介质-202310864222.7
- 谢雪梅;骆佳凯;李旭阳;于明轩;石光明 - 西安电子科技大学广州研究院;琶洲实验室(黄埔)
- 2023-07-13 - 2023-10-20 - G06V10/44
- 本发明公开了一种物体6D姿态估计方法、装置、设备及存储介质,通过将待检测图像中的目标物体根据空间结构拆解为基本几何体部件的组合,得到简化部件模型的目标图像;采用预先训练的部件检测器获取所述简化部件模型的部件检测框,将所述部件检测框间的相对几何关系构建成节点特征;采用预先训练得到的图神经网络输出所述部件检测框的邻接矩阵;将所述邻接矩阵和所述节点特征组合为结构特征,采用预设的姿态预测头输出所述结构特征对应的6D姿态。无需预先获取目标物体的三维模型,高效、低成本地实现物体6D姿态估计。
- 焊接图像特征提取方法和自动焊接机-202310877481.3
- 范李哲;张旺;李泽昊 - 上海电机学院
- 2023-07-18 - 2023-10-20 - G06V10/44
- 本发明公开了一种焊接图像特征提取方法和自动焊接机。本发明的焊接图像特征提取方法包括:基于标定板,对自动焊接机上的相机进行标定;在用自动焊接机进行焊接作业的过程中,相机实时地摄取焊接图像;对焊接图像提取出焊枪轮廓图像特征;对焊接图像提取出焊道上下坡口图像特征;基于焊枪轮廓图像特征和焊道上下坡口图像特征,得出焊枪中心和焊缝中心。本发明的自动焊接机,其纠偏系统中采用上述焊接图像特征提取方法来确定焊枪中心和焊缝中心。本发明的焊接图像特征提取方法和自动焊接机,解决了相机视场畸变的问题;能够消除图像中的干扰,并且准确快速地识别焊接图像的有效特征,有利于准确快速识别焊缝中心和焊枪中心。
- 终端轨迹处理方法、装置和可读存储介质-202211613653.8
- 刘宁;张雪艳;郭叶;陈星宇;刘慧丽 - 中国移动通信有限公司研究院;中国移动通信集团有限公司
- 2022-12-15 - 2023-10-20 - G06V10/44
- 本发明提供一种终端轨迹处理方法、装置和可读存储介质,涉及通信技术领域。该方法包括:获取目标轨迹片段集合,目标轨迹片段集合包括多个轨迹片段对,每个轨迹片段对包括与第一终端关联的轨迹片段和与第二终端关联的轨迹片段,每个轨迹片段对中的轨迹片段对应相同的采样时间;生成每个轨迹片段对应的灰度图像;根据每个轨迹片段对中的两个轨迹片段对应的灰度图像的相似度,确定第一终端对应的终端轨迹与第二终端对应的终端轨迹的匹配结果。本发明通过上述匹配结果能够确定出第一终端对应的终端轨迹与第二终端对应的终端轨迹是否属于相同用户,从而实现了多终端识别,且上述方案无需对两个轨迹中每个轨迹点的位置点进行匹配,节约了计算成本。
- 基于特征关系的局部可解释方法-202310978031.3
- 练智超;陈洲源;周宏拓 - 南京理工大学
- 2023-08-04 - 2023-10-20 - G06V10/44
- 本发明公开一种基于特征关系的局部可解释方法,属于深度学习可解释领域。包括获得输入样本的超像素分割结果;对超像素进行遮蔽与组合遮蔽,获取特征间的关联大小;随机选择超像素块进行遮蔽,生成扰动数据集并通过该数据集训练一个简单模型;通过简单模型获取特征块的贡献并结合特征间关联大小进行特征块选择,得到最终的解释。本发明利用超像素遮蔽的方法,来获取特征间的关联大小,并结合特征本身的贡献大小,对深度学习模型进行解释,提高了解释的可信度,又降低了解释的随机性与敏感性。
- 一种单阶段细粒度轻量化点云3D目标检测系统及方法-202310960023.6
- 陈杰;徐睿;李兵;李倩;曾繁博;冯玉洁;丁彤;屈磊;吴军 - 安徽大学;安徽中科星联信息技术有限公司
- 2023-08-02 - 2023-10-20 - G06V10/44
- 本申请公开了一种单阶段细粒度轻量化点云3D目标检测系统及方法,其中系统包括:点云特征编码模块、体素特征提取模块、BEV特征提取模块和检测模块;点云特征编码模块用于对输入的点云数据进行体素化,并对每个体素中的点云特征进行编码,得到编码后特征;体素特征提取模块用于对编码后特征进行体素特征提取,得到体素特征;BEV特征提取模块基于体素特征进行特征转化提取,得到BEV特征;检测模块基于BEV特征进行目标检测。本申请体素特征的提取比传统的稀疏卷积网络更快更准确,尽可能保持原始点云特征的完整性和稀疏性,使提取的点云特征具有一定的细粒度;构建的BEV特征提取模块可以非常有效地提取细粒度BEV特征。
- 电路板故障检测方法、装置、设备以及存储介质-202110717896.5
- 冯博豪 - 北京百度网讯科技有限公司
- 2021-06-28 - 2023-10-20 - G06V10/44
- 本公开提供了电路板故障检测方法、装置、设备以及存储介质,涉及云计算、计算机视觉领域。具体实现方案为:获取电路板的显微图像;根据显微图像以及预先训练的图像识别模型,确定候选故障区域,图像识别模型用于表征显微图像与故障区域的对应关系;根据候选故障区域,确定出测试输入节点和测试输出节点;响应于向测试输入节点输入测试激励,对测试输出节点的输出信号进行分析,确定故障特征向量;基于故障特征向量以及预先训练的故障预测模型,预测电路板的故障信息,故障预测模型用于表征特征向量与故障信息之间的对应关系。本实现方式可以对电路板进行自动故障检测,诊断速度快,结果准确度高。
- 图像边缘拟合方法、电子设备及存储介质-202310857214.X
- 单立波 - 深圳市维谱科技有限公司
- 2023-07-12 - 2023-10-17 - G06V10/44
- 本申请涉及图像处理的技术领域,提供一种图像边缘拟合方法、电子设备及存储介质,通过用户在图像中设置一条靠近物体边缘的线段以确定图像边缘处理区域,根据用户设置的线段生成感兴趣区域,能够排除不需要的区域的干扰;通过在感兴趣区域中过滤出边缘点,能够有效的减少寻找边缘点的搜索范围,从而能够提高边缘拟合的效率;通过对所述边缘点进行再过滤获得拟合点,进一步排除了干扰点的影响,使得边缘拟合算法只需处理具有意义的数据,从而可以进一步提高边缘拟合效率和质量,最终通过对拟合点进行边缘拟合,获得了用于表征所述目标图像中物体边缘的线段。
- 专利分类