嵌入式标定立体视觉方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61773062
  • 项目类别：
    面上项目
  • 资助金额：
    64.0万
  • 负责人：
    贾云得
  • 依托单位：
    北京理工大学
  • 学科分类：
    F0304.系统工程理论与技术
  • 结题年份：
    2021
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2021-12-31

项目摘要

Stereovision system is one of the most attractive topics in computer vision. It can be widely used for many applications, such as 3D scene understanding, obstacle avoidance of autonomous robotic vehicles, and et al. The two key problems of stereo vision are camera calibration and stereo matching. This proposal proposes to use embedded calibration device to realize online automatic strong calibration to obtain high precision and high resolution depth map. Under this framework, we plan to investigate the design of embedded calibration stereo system, the automatic calibration method for the embedded calibration stereo system, the stereo matching method for the embedded calibration stereo system, and the depth enhancement method for the depth map obtained by the embedded calibration stereo system. This proposal poses significant importance on proposing new theroies and methodologies on stereo vision calibration and stereo matching, and also beneficial for developing more technologies and methods for wide applications of stereo vision systems.
立体视觉是计算机视觉领域的经典内容，一直是广大学者大力关注和研究的内容。立体视觉的二个关键问题是立体视觉标定和立体视觉匹配。立体视觉标定追求标定的高精度和简单性；立体视觉匹配则要在弱纹理、遮挡、噪声等因素的影响下，求解对应点问题，是计算机视觉领域最具挑战性的问题。本项目针对两个关键问题，研究嵌入式标定立体视觉方法，目的是实现在线全自动立体视觉标定和场景高精度彩色-深度图像（RGB-D）恢复。嵌入式标定是指采用光学镜组把位于场景外的标定装置图像嵌入到场景图像中，等同于在场景内放置标定装置。本项目的研究内容包括嵌入式标定立体视觉系统设计、嵌入式标定立体视觉系统的自动高精度标定方法、嵌入式标定立体匹配方法和深度估计方法、深度图增强方法等。本项目预期研究成果可以促进计算机视觉方法的发展，并推动计算机视觉技术的广泛应用。

结项摘要

立体视觉是计算机视觉领域的经典内容，立体视觉的二个关键问题是立体视觉标定和立体视觉匹配。本项目针对两个关键问题，研究嵌入式标定立体视觉方法，研究成果总结如下:（1）高效立体匹配方法，包括基于显式代价聚合函数的立体匹配、显式上下文映射的立体匹配、可分解的立体匹配等算法；（2）三维重建，包括频域中的三维物体重建、结构感知的三维物体重建、三维肖像重建与肖像编辑等；（3）通过对嵌入式标定立体视觉的研究，本项目进而将相关研究成果应用到人机交互（例如机器人远程呈现系统）、场景理解（例如异常事件检测），包括大场景图像中的高清图像嵌入、广角视频和鱼眼视频的实时拼接等。

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（0）
会议论文数量（14）
专利数量（0）
Stitching Videos from a Fisheye Lens Camera and a Wide-Angle Lens Camera for Telepresence Robots
用于远程呈现机器人的鱼眼镜头相机和广角镜头相机的拼接视频
  • DOI：
    10.1007/s12369-020-00744-8
  • 发表时间：
    2019-03
  • 期刊：
    International Journal of Social Robotics
  • 影响因子：
    4.7
  • 作者：
    Yanmei Dong;Mingtao Pei;Lijia Zhang;Bin Xu;Yuwei Wu;Yunde Jia
  • 通讯作者：
    Yunde Jia
A Robust Distance Measure for Similarity-Based Classification on the SPD Manifold
SPD流形上基于相似性分类的鲁棒距离测量
  • DOI：
    10.1109/tnnls.2019.2939177
  • 发表时间：
    2020-09-01
  • 期刊：
    IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS
  • 影响因子：
    10.4
  • 作者：
    Gao, Zhi;Wu, Yuwei;Jia, Yunde
  • 通讯作者：
    Jia, Yunde
Learning a robust representation via a deep network on symmetric positive definite manifolds
通过对称正定流形上的深度网络学习鲁棒表示
  • DOI：
    10.1016/j.patcog.2019.03.007
  • 发表时间：
    2019-08-01
  • 期刊：
    PATTERN RECOGNITION
  • 影响因子：
    8
  • 作者：
    Gao, Zhi;Wu, Yuwei;Jia, Yunde
  • 通讯作者：
    Jia, Yunde
Adversarial 3D Convolutional Auto-Encoder for Abnormal Event Detection in Videos
用于视频中异常事件检测的对抗性 3D 卷积自动编码器
  • DOI：
    10.1109/tmm.2020.3023303
  • 发表时间：
    2021
  • 期刊：
    IEEE Transactions on Multimedia (T-MM)
  • 影响因子：
    --
  • 作者：
    Che Sun;Yunde Jia;Hao Song;Yuwei Wu
  • 通讯作者：
    Yuwei Wu
Unsupervised deep quantization for object instance search
用于对象实例搜索的无监督深度量化
  • DOI：
    10.1016/j.neucom.2019.06.088
  • 发表时间：
    2019-10
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Jiang Wei;Wu Yuwei;Jing Chenchen;Yu Tan;Jia Yunde
  • 通讯作者：
    Jia Yunde

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

一类完备正交函数系下的轮廓曲线匹配算法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机辅助设计与图形学学报
  • 影响因子：
    --
  • 作者：
    张彩霞;孙凤梅;苗志华;贾云得
  • 通讯作者：
    贾云得
一种视觉单词软直方图图像表示方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    软件学报
  • 影响因子：
    --
  • 作者：
    王彦杰;刘峡壁;贾云得
  • 通讯作者：
    贾云得
梯度矢量流Snake模型临界点剖析
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    软件学报，2006,17(9):1915-1921
  • 影响因子：
    --
  • 作者：
    王元全;贾云得
  • 通讯作者：
    贾云得
一种视觉词软直方图的图像表示方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    软件学报
  • 影响因子：
    --
  • 作者：
    王彦杰;刘峡壁;贾云得
  • 通讯作者：
    贾云得
一种基于视觉的手指屏幕交互方法
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    电子学报35（11）2007-11。（EI收录）
  • 影响因子：
    --
  • 作者：
    徐一华;李善清;贾云得
  • 通讯作者：
    贾云得

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

贾云得的其他基金

知识与数据联合驱动的视觉内容理解
  • 批准号：
    62176021
  • 批准年份：
    2021
  • 资助金额：
    58 万元
  • 项目类别：
    面上项目
视频中交互行为的表示与理解方法
  • 批准号：
    61375044
  • 批准年份：
    2013
  • 资助金额：
    81.0 万元
  • 项目类别：
    面上项目
基于认知的视觉模式表达及其运动分析的高效计算方法
  • 批准号：
    90920009
  • 批准年份：
    2009
  • 资助金额：
    50.0 万元
  • 项目类别：
    重大研究计划
嵌入式立体视觉系统技术研究
  • 批准号：
    60675021
  • 批准年份：
    2006
  • 资助金额：
    26.0 万元
  • 项目类别：
    面上项目
基于立体视觉的动态手势识别与语义描述方法
  • 批准号：
    60473049
  • 批准年份：
    2004
  • 资助金额：
    23.0 万元
  • 项目类别：
    面上项目
基于全方向成像摄象机的立体视觉方法
  • 批准号：
    60075005
  • 批准年份：
    2000
  • 资助金额：
    17.0 万元
  • 项目类别：
    面上项目
基于触觉图象序列的物体识别方法研究
  • 批准号：
    69005002
  • 批准年份：
    1990
  • 资助金额：
    2.65 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码