CN117252996A - 一种特种车辆在船舱环境下的数据扩充系统及方法 - Google Patents
一种特种车辆在船舱环境下的数据扩充系统及方法 Download PDFInfo
- Publication number
- CN117252996A CN117252996A CN202311540522.6A CN202311540522A CN117252996A CN 117252996 A CN117252996 A CN 117252996A CN 202311540522 A CN202311540522 A CN 202311540522A CN 117252996 A CN117252996 A CN 117252996A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- cabin
- dimensional
- model
- picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000000779 smoke Substances 0.000 claims abstract description 16
- 230000002068 genetic effect Effects 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 abstract description 5
- 239000000463 material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/50—Lighting effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明涉及数据扩充技术领域,具体是涉及一种特种车辆在船舱环境下的数据扩充系统及方法,获取含有车辆的图片;从图片中提出背景信息,获取只含有车辆图像的图片;使用改进的匹配遗传算法对图片进行图像重建,并生成车辆三维模型;将生成的车辆三维模型导入到三维船舱模型;通过调整车辆位置、角度、灯光强度、烟雾强度获取车辆不同场景下的模型图;输出为车辆模型的图片信息。本发明提出了一种使用三维模型数据扩充的方法,有效减少深入学习对实际场景数据的使用需求,提高系统实用性。
Description
技术领域
本发明涉及数据扩充技术领域,具体是涉及一种特种车辆在船舱环境下的数据扩充系统及方法。
背景技术
当特种车辆在装载运输船内转运时,需要对其进行识别跟踪识别车辆并确定其在船舱内的具体位置。特种车辆因其在作业过程中会产生大量烟雾且舱内的灯光也不同于露天环境下的灯光照射,对车辆的识别造成了一定的难度。同时由于特种车辆在一次转运过程中会消耗大量的人力和物力,因此无法通过实船装载来采集大量的数据用于识别跟踪深度学习的训练。
发明内容
本发明旨在至少解决相关技术中存在的技术问题之一。为此,本发明提出了一种首先通过特种车辆的图片进行三维重建,然后在船舱三维模型中通过修改灯光、烟雾、车辆位置等进行不同场景下的特种车辆图片输出,用于深度学习的特种车辆在船舱环境下的数据扩充系统及方法。
一种特种车辆在船舱环境下的数据扩充方法,包括以下步骤:
S1:获取含有车辆的图片;
S2:从S1步骤的图片中提出背景信息,获取只含有车辆图像的图片;
S3:使用改进的匹配遗传算法对S2步骤所得图片进行图像重建,并生成车辆三维模型;
S4:将S3步骤生成的车辆三维模型导入到三维船舱模型;
S5:通过调整S4步骤车辆位置、角度、灯光强度、烟雾强度获取车辆不同场景下的模型图;
S6:将S5步骤模型图输出为车辆模型的图片信息。
进一步的,S3步骤中改进的匹配遗传算法进行对S2步骤所得图片进行图像重建,包括以下步骤:
S31:利用运动结构法恢复相机的运动和车辆的点云信息;
S32:根据S31步骤的点云信息查找适用于MMP方法的图像对;
S33:对S32步骤选定的图像对应用MMP方法;
S34:将S33步骤应用MMP方法后选定的图像对之间的三维点云信息进行融合;
S35:将S34步骤融合结果进行网格划分和纹理映射。
进一步的,S31步骤中利用运动结构法恢复相机的运动和车辆的点云信息包括以下步骤:
S311:对点云信息内的兴趣点进行检测和匹配,得到图像的兴趣点;
S312:通过恢复相机的位置和方向实现对相机姿态的估计,得到相机参数及相机姿态;
S313:从S311步骤的图像的兴趣点和S312步骤的相机参数之间匹配来恢复点云三维坐标;
S314:使用光束平差法来优化S313步骤的点云三维坐标和S312步骤的相机姿态。
进一步的,S32步骤中根据S31步骤的点云信息查找适用于MMP方法的图像对的方法如下:
S321:初始化图像对集合:和/>是获取的含有车辆的两张匹配的图像对,分别表示/>和/>图像中第 k个感兴趣的点,/>表示两幅图像中感兴趣的点的个数,/>为/>和/>经过三角转换后的坐标,
则是/>和/>的集合;
为/>经过三角转换后的三维坐标点;
令j=i+1,,/>是图像对的集合,/>为/>中图像对的数量,令i=1,通过图像对/>初始化/>;
S322:逐一增大i的取值,当增大后的三维坐标点与增大前的三维坐标点的交集最小且高于阈值时,则该图像对被选入图像对集合中;
S323:重复S322步骤,直至得到一组连续的图像对集合。
本发明还提供了一种特种车辆在船舱环境下的数据扩充系统,执行权利要求上述的特种车辆在船舱环境下的数据扩充方法。
进一步的,包括车辆三维重建系统及场景三维重建系统,所述车辆三维重建系统依据少量车辆的外形图,对车辆的外形进行重建;场景三维重建系统在船舱的三维模型中部署车辆的模型,并通过灯光、烟雾、位置设置车辆的在船舱中的使用场景,并将使用场景输出。
进一步的,所述车辆三维重建系统,包括车辆检测提取模块及车辆三维重建模块。
进一步的,所述场景三维重建系统包括船舱模型导入模块、灯光调节模块、烟雾调节模块、位置调节模块和图片输出模块。
进一步的,所述车辆三维重建系统中车辆检测提取模块用于检测图片中的车辆信息并进行车辆提取,剔除背景的噪声信息,生成用于重建的车辆图片集;车辆三维重建模块使用改进的匹配遗传算法,提取图片特征和点云信息,生成车辆的三维模型。
进一步的,所述车辆三维重建系统中船舱模型导入模块用于导入设计好的船舱模块;灯光调节模块用于调整船舱内部的灯光照射效果;烟雾调节模块用于模仿车辆在船舱内活动时产生的烟雾;位置调节模块用于导入车辆模型,并调整车辆模型在船舱内的摆放位置;图片输出模块用于输出不同的角度、灯管、烟雾、位置情况的车辆模型的图片信息。
本发明与现有技术相比的优点在于:
本发明提出了一种使用三维模型数据扩充的方法,有效减少深入学习对实际场景数据的使用需求,提高系统实用性。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的系统框架图。
图2是本发明提供的车辆三维重建流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。以下实施例用于说明本发明,但不能用来限制本发明的范围。
在本发明实施例的描述中,需要说明的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明实施例的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明实施例中的具体含义。
在本发明实施例中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
请参阅图1所示,一种特种车辆在船舱环境下的数据扩充系统由车辆三维重建系统、场景三维重建系统组成。车辆三维重建系统负责依据少量车辆的外形图,对车辆的外形进行重建,重建后模型用于三维场景的重建,主要由车辆检测提取模块、车辆三维重建模块组成;场景三维重建系统负责在船舱的三维模型中部署车辆的模型,并通过灯光、烟雾、位置等设置车辆的在船舱中的使用场景,并将使用场景输出,主要由船舱模型导入模块、灯光调节模块、烟雾调节模块、位置调节模块和图片输出模块组成。
车辆三维重建系统中车辆检测提取模块用于检测图片中的车辆信息并进行车辆提取,剔除背景的噪声信息,生成可用于重建的车辆图片集;车辆三维重建模块使用改进的匹配遗传算法(MMP),提取图片特征和点云信息,生成车辆的三维模型。
车辆三维重建系统中船舱模型导入模块用于导入设计好的船舱模块;灯光调节模块用于调整船舱内部的灯光照射效果;烟雾调节模块用于模仿车辆在船舱内活动时产生的烟雾;位置调节模块用于导入车辆模型,并调整车辆模型在船舱内的摆放位置;图片输出模块用于输出不同的角度、灯管、烟雾、位置情况的车辆模型的图片信息。
一种特种车辆在船舱环境下的数据扩充方法,主要包括以下步骤:
S1:获取含有车辆的图片;
S2:从S1步骤的图片中提出背景信息,获取只含有车辆图像的图片;
S3:使用改进的匹配遗传算法对S2步骤所得图片进行图像重建,并生成车辆三维模型;
S4:将S3步骤生成的车辆三维模型导入到三维船舱模型;
S5:通过调整S4步骤车辆位置、角度、灯光强度、烟雾强度获取车辆不同场景下的模型图;
S6:将S5步骤模型图输出为车辆模型的图片信息。
如图2所示,步骤3中采用的改进匹配遗传方法(MMP)进行车辆三维模型重建主要包括以下步骤:
S31:利用运动结构法恢复相机的运动和车辆的点云信息;
S311:对点云信息内的兴趣点进行检测和匹配,得到图像的兴趣点;
S312:通过恢复相机的位置和方向实现对相机姿态的估计,得到相机参数及相机姿态;
S313:从S311步骤的图像的兴趣点和S312步骤的相机参数之间匹配来恢复点云三维坐标;
S314:使用光束平差法来优化S313步骤的点云三维坐标和S312步骤的相机姿态。
S32:根据S31步骤的点云信息查找适用于MMP方法的图像对;
S321:初始化图像对集合:和/>是获取的含有车辆的两张匹配的图像对,分别表示/>和/>图像中第 k个感兴趣的点,/>表示两幅图像中感兴趣的点的个数,/>为/>和/>经过三角转换后的坐标,
则是/>和/>的集合;
为/>经过三角转换后的三维坐标点;
令j=i+1,,/>是图像对的集合,/>为/>中图像对的数量,令i=1,通过图像对/>初始化/>;
S322:逐一增大i的取值,当增大后的三维坐标点与增大前的三维坐标点的交集最小且高于阈值时,则该图像对被选入图像对集合中;
S323:重复S322步骤,直至得到一组连续的图像对集合。
S33:对S32步骤选定的图像对应用MMP方法;
S34:将S33步骤应用MMP方法后选定的图像对之间的三维点云信息进行融合;
S35:将S34步骤融合结果进行网格划分和纹理映射。
本发明提出了一种使用三维模型数据扩充的方法,有效减少深入学习对实际场景数据的使用需求,提高系统实用性。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种特种车辆在船舱环境下的数据扩充方法,其特征在于,包括以下步骤:
S1:获取含有车辆的图片;
S2:从S1步骤的图片中提出背景信息,获取只含有车辆图像的图片;
S3:使用改进的匹配遗传算法对S2步骤所得图片进行图像重建,并生成车辆三维模型;
S4:将S3步骤生成的车辆三维模型导入到三维船舱模型;
S5:通过调整S4步骤车辆位置、角度、灯光强度、烟雾强度获取车辆不同场景下的模型图;
S6:将S5步骤模型图输出为车辆模型的图片信息。
2.根据权利要求1所述的一种特种车辆在船舱环境下的数据扩充方法,其特征在于,S3步骤中改进的匹配遗传算法进行对S2步骤所得图片进行图像重建,包括以下步骤:
S31:利用运动结构法恢复相机的运动和车辆的点云信息;
S32:根据S31步骤的点云信息查找适用于MMP方法的图像对;
S33:对S32步骤选定的图像对应用MMP方法;
S34:将S33步骤应用MMP方法后选定的图像对之间的三维点云信息进行融合;
S35:将S34步骤融合结果进行网格划分和纹理映射。
3.根据权利要求2所述的一种特种车辆在船舱环境下的数据扩充方法,其特征在于,S31步骤中利用运动结构法恢复相机的运动和车辆的点云信息包括以下步骤:
S311:对点云信息内的兴趣点进行检测和匹配,得到图像的兴趣点;
S312:通过恢复相机的位置和方向实现对相机姿态的估计,得到相机参数及相机姿态;
S313:从S311步骤的图像的兴趣点和S312步骤的相机参数之间匹配来恢复点云三维坐标;
S314:使用光束平差法来优化S313步骤的点云三维坐标和S312步骤的相机姿态。
4.根据权利要求2所述的一种特种车辆在船舱环境下的数据扩充方法,其特征在于,S32步骤中根据S31步骤的点云信息查找适用于MMP方法的图像对的方法如下:
S321:初始化图像对集合:和/>是获取的含有车辆的两张匹配的图像对,/>分别表示/>和/>图像中第 k个感兴趣的点,/>表示两幅图像中感兴趣的点的个数,为/>和/>经过三角转换后的坐标,
则是/>和/>的集合;
为/>经过三角转换后的三维坐标点;
令j=i+1,,/>是图像对的集合,/>为/>中图像对的数量,令i=1,通过图像对/>初始化/>;
S322:逐一增大i的取值,当增大后的三维坐标点与增大前的三维坐标点的交集最小且高于阈值时,则该图像对被选入图像对集合中;
S323:重复S322步骤,直至得到一组连续的图像对集合。
5.一种特种车辆在船舱环境下的数据扩充系统,其特征在于,执行权利要求1-4任一项所述的特种车辆在船舱环境下的数据扩充方法。
6.根据权利要求5所述的一种特种车辆在船舱环境下的数据扩充系统,其特征在于,包括车辆三维重建系统及场景三维重建系统,所述车辆三维重建系统依据少量车辆的外形图,对车辆的外形进行重建;场景三维重建系统在船舱的三维模型中部署车辆的模型,并通过灯光、烟雾、位置设置车辆的在船舱中的使用场景,并将使用场景输出。
7.根据权利要求6所述的一种特种车辆在船舱环境下的数据扩充系统,其特征在于,所述车辆三维重建系统,包括车辆检测提取模块及车辆三维重建模块。
8.根据权利要求6所述的一种特种车辆在船舱环境下的数据扩充系统,其特征在于,所述场景三维重建系统包括船舱模型导入模块、灯光调节模块、烟雾调节模块、位置调节模块和图片输出模块。
9.根据权利要求7所述的一种特种车辆在船舱环境下的数据扩充系统,其特征在于,所述车辆三维重建系统中车辆检测提取模块用于检测图片中的车辆信息并进行车辆提取,剔除背景的噪声信息,生成用于重建的车辆图片集;车辆三维重建模块使用改进的匹配遗传算法,提取图片特征和点云信息,生成车辆的三维模型。
10.根据权利要求8所述的一种特种车辆在船舱环境下的数据扩充系统,其特征在于,所述车辆三维重建系统中船舱模型导入模块用于导入设计好的船舱模块;灯光调节模块用于调整船舱内部的灯光照射效果;烟雾调节模块用于模仿车辆在船舱内活动时产生的烟雾;位置调节模块用于导入车辆模型,并调整车辆模型在船舱内的摆放位置;图片输出模块用于输出不同的角度、灯管、烟雾、位置情况的车辆模型的图片信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311540522.6A CN117252996A (zh) | 2023-11-20 | 2023-11-20 | 一种特种车辆在船舱环境下的数据扩充系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311540522.6A CN117252996A (zh) | 2023-11-20 | 2023-11-20 | 一种特种车辆在船舱环境下的数据扩充系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252996A true CN117252996A (zh) | 2023-12-19 |
Family
ID=89137298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311540522.6A Pending CN117252996A (zh) | 2023-11-20 | 2023-11-20 | 一种特种车辆在船舱环境下的数据扩充系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252996A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191399A (zh) * | 2018-08-29 | 2019-01-11 | 陕西师范大学 | 基于改进的多路径匹配追踪算法的磁共振图像去噪方法 |
CN113040740A (zh) * | 2016-06-24 | 2021-06-29 | 生命解析公司 | 用于测量心肌缺血、狭窄识别、定位和血流储备分数估计的非侵入式方法和系统 |
CN113284237A (zh) * | 2021-07-07 | 2021-08-20 | 中国工商银行股份有限公司 | 一种三维重建方法、系统、电子设备及存储介质 |
CN114424167A (zh) * | 2019-05-06 | 2022-04-29 | 强力物联网投资组合2016有限公司 | 用于促进工业物联网系统智能开发的平台 |
CN114842438A (zh) * | 2022-05-26 | 2022-08-02 | 重庆长安汽车股份有限公司 | 用于自动驾驶汽车的地形检测方法、系统及可读存储介质 |
CN115205489A (zh) * | 2022-06-06 | 2022-10-18 | 广州中思人工智能科技有限公司 | 一种大场景下的三维重建方法、系统及装置 |
CN116402978A (zh) * | 2023-03-28 | 2023-07-07 | 山东浪潮科学研究院有限公司 | 一种基于双目视觉结构特性的稠密三维重建方法 |
CN116977596A (zh) * | 2023-07-07 | 2023-10-31 | 杭州电子科技大学 | 一种基于多视角图像的三维建模系统及方法 |
-
2023
- 2023-11-20 CN CN202311540522.6A patent/CN117252996A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113040740A (zh) * | 2016-06-24 | 2021-06-29 | 生命解析公司 | 用于测量心肌缺血、狭窄识别、定位和血流储备分数估计的非侵入式方法和系统 |
CN109191399A (zh) * | 2018-08-29 | 2019-01-11 | 陕西师范大学 | 基于改进的多路径匹配追踪算法的磁共振图像去噪方法 |
CN114424167A (zh) * | 2019-05-06 | 2022-04-29 | 强力物联网投资组合2016有限公司 | 用于促进工业物联网系统智能开发的平台 |
CN113284237A (zh) * | 2021-07-07 | 2021-08-20 | 中国工商银行股份有限公司 | 一种三维重建方法、系统、电子设备及存储介质 |
CN114842438A (zh) * | 2022-05-26 | 2022-08-02 | 重庆长安汽车股份有限公司 | 用于自动驾驶汽车的地形检测方法、系统及可读存储介质 |
CN115205489A (zh) * | 2022-06-06 | 2022-10-18 | 广州中思人工智能科技有限公司 | 一种大场景下的三维重建方法、系统及装置 |
CN116402978A (zh) * | 2023-03-28 | 2023-07-07 | 山东浪潮科学研究院有限公司 | 一种基于双目视觉结构特性的稠密三维重建方法 |
CN116977596A (zh) * | 2023-07-07 | 2023-10-31 | 杭州电子科技大学 | 一种基于多视角图像的三维建模系统及方法 |
Non-Patent Citations (3)
Title |
---|
JAN‑N. WALTHER .ETC: ""Expansion of the cabin description within the CPACS air vehicle data schema to support detailed analyses"", 《CEAS AERONAUTICAL JOURNAL》 * |
吴铮铮;寇展;: "基于单目多视角影像的场景三维重建", 光学与光电技术, no. 05 * |
陈莹, 韩崇昭: "基于三维模型的多传感车辆定位与识别研究", 系统工程与电子技术, no. 11 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7190842B2 (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
CN111063021B (zh) | 一种空间运动目标的三维重建模型建立方法及装置 | |
CN108090435B (zh) | 一种可停车区域识别方法、系统及介质 | |
Chen et al. | A deep learning approach to drone monitoring | |
CN109934848B (zh) | 一种基于深度学习的运动物体精准定位的方法 | |
WO2022165809A1 (zh) | 一种训练深度学习模型的方法和装置 | |
CN112528960A (zh) | 一种基于人体姿态估计和图像分类的吸烟行为检测方法 | |
CN106372629A (zh) | 一种活体检测方法和装置 | |
CN110163930A (zh) | 车道线生成方法、装置、设备、系统及可读存储介质 | |
US20070185946A1 (en) | Method and apparatus for matching portions of input images | |
CN103430218A (zh) | 用3d脸部建模和地标对齐扩增造型的方法 | |
JP2007310707A (ja) | 姿勢推定装置及びその方法 | |
CN110853032B (zh) | 基于多模态深度学习的无人机视频标签获取方法 | |
Shimada et al. | Ismo-gan: Adversarial learning for monocular non-rigid 3d reconstruction | |
CN106599806A (zh) | 一种基于局部曲面几何特征的人体动作识别方法 | |
CN104463962B (zh) | 基于gps信息视频的三维场景重建方法 | |
Diaz et al. | Detecting dynamic objects with multi-view background subtraction | |
CN114611600A (zh) | 一种基于自监督技术的滑雪运动员三维姿态估计方法 | |
Huang et al. | Multi‐class obstacle detection and classification using stereovision and improved active contour models | |
CN117252996A (zh) | 一种特种车辆在船舱环境下的数据扩充系统及方法 | |
CN115115847B (zh) | 三维稀疏重建方法、装置及电子装置 | |
Savkin et al. | Adversarial appearance learning in augmented cityscapes for pedestrian recognition in autonomous driving | |
CN113887468B (zh) | 一种三阶段网络框架的单视角人-物交互的识别方法 | |
Lien et al. | Automatic object extraction in single-concept videos | |
CN113920270B (zh) | 一种基于多视角全景的布局重建方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |