Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 厦门大学侯亮获国家专利权

厦门大学侯亮获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉厦门大学申请的专利基于铲装前后物料堆三维重构的铲装体积获取方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116258832B

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211594238.2,技术领域涉及:G06T17/20;该发明授权基于铲装前后物料堆三维重构的铲装体积获取方法及系统是由侯亮;吴彬云;王少杰;卜祥建;吴衍锋;穆雨涵设计研发完成,并于2022-12-13向国家知识产权局提交的专利申请。

基于铲装前后物料堆三维重构的铲装体积获取方法及系统在说明书摘要公布了:本发明方法包括:采集铲装前物料堆表面的双目图像;对双目图像进行特征点检测、描述、匹配和提纯,计算得到稀疏匹配特征点和视差,并获得三角映射参数;基于稀疏特征点和视差,构建得到稀疏三维点云;基于稀疏三维点云和三角映射参数,构建得到铲装前物料堆表面稠密三维点云模型;对工程机械完成铲装后的物料堆表面进行双目图像采集,构建得到铲装后物料堆表面稠密三维点云模型;对铲装前后物料堆表面稠密三维点云模型进行点云降采样及点云配准;根据铲装区域边界对配准后点云模型进行精分割,得到实际铲装区域点云模型,并获得铲装体积。本发明能够快速准确地估计工程机械铲装物料体积,对于实时评估工程进度和操作人员作业效率具有重要意义。

本发明授权基于铲装前后物料堆三维重构的铲装体积获取方法及系统在权利要求书中公布了:1.一种基于铲装前后物料堆三维重构的铲装体积获取方法,其特征在于,包括: 步骤1,对铲装前物料堆表面进行双目图像采集; 步骤2,对铲装前物料堆表面的双目图像,采用SuperPoint算法进行特征点检测和特征点描述,及采用SuperGlue算法和随机抽样一致性算法进行特征点匹配和提纯,计算得到稀疏匹配特征点和视差,并通过Delaunay三角化处理得到对应的三角映射参数;根据匹配得到的稀疏特征点和视差,基于双目相机立体成像原理构建得到稀疏三维点云;根据获得的稀疏三维点云和三角映射参数,构建最大后验概率模型估计剩余像素点的最优视差值,并构建得到铲装前物料堆表面稠密三维点云模型; 步骤3,对工程机械完成铲装后的物料堆表面进行双目图像采集; 步骤4,对铲装后物料堆表面的双目图像,采用SuperPoint算法进行特征点检测和特征点描述,及采用SuperGlue算法和随机抽样一致性算法进行特征点匹配和提纯,计算得到稀疏匹配特征点和视差,并通过Delaunay三角化处理得到对应的三角映射参数;根据匹配得到的稀疏特征点和视差,基于双目相机立体成像原理构建得到稀疏三维点云;根据获得的稀疏三维点云和三角映射参数,构建最大后验概率模型估计剩余像素点的最优视差值,并构建得到铲装后物料堆表面稠密三维点云模型; 步骤5,采用体素化网格方法对铲装前物料堆表面稠密三维点云模型和铲装后物料堆表面稠密三维点云模型分别进行点云降采样;根据铲装区域边界向外扩展一定距离区域处对降采样后点云进行粗分割,并对粗分割后的铲装前点云模型和铲装后点云模型采用ICP算法进行点云配准;根据铲装区域边界对配准后点云模型进行精分割,得到实际铲装区域点云模型,并采用Delaunay三角剖分的Alpha形状算法估计得到铲装体积; 采用SuperPoint算法进行特征点检测和特征点描述,及采用SuperGlue算法和随机抽样一致性算法进行特征点匹配和提纯,计算得到稀疏匹配特征点和视差,并通过Delaunay三角化处理得到对应的三角映射参数,具体包括: 步骤2.1,将预先标注的集合形状数据集作为监督数据,以类VGG16作为基础检测器预训练得到基础检测网络,分别提取左侧图像和右侧图像的角点,进行关键点标注;构建关键点损失函数和描述子损失函数,联合训练得到SuperPoint检测网络; 步骤2.2,根据SuperPoint检测网络分别得到物料堆左侧图像和右侧图像对应特征点的描述子和坐标位置,并联立得到左侧图像和右侧图像的特征描述向量Dl和Dr;将两组向量输入到SuperGlue的注意力图神经网络和最优匹配层,通过Sinkhorn算法迭代求解分配优化问题,得到最优的分配矩阵;再根据分配矩阵每列最大值横、纵坐标对应的特征点对作为匹配点对,采用随机抽样一致性算法求仿射变换矩阵,对物料堆右侧图像进行对应仿射变换,完成左侧图像和右侧图像的匹配和提纯,得到稀疏匹配点; 步骤2.3,根据稀疏匹配点,通过Delaunay三角化处理得到对应的三角映射参数计算如下: 其中,n表示包含左侧图像像素的三角形序号;对每个三角形的三个顶点求解线性方程可获得三角形平面参数ai,bi,ci;un表示图像像素横坐标;vn表示图像像素纵坐标。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人厦门大学,其通讯地址为:361000 福建省厦门市思明南路422号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。