-
题名基于机器视觉的物料袋图像深度信息的提取
被引量：3
- 1
-
-
作者
李国平
刘华冠
李长春
张天厚
-
机构
济南大学机械工程学院
-
出处
《济南大学学报（自然科学版）》
CAS
北大核心
2010年第2期193-197,共5页
-
基金
山东省自然科学基金(Y2007G23)
山东省教育厅资助项目(J07WJ06)
-
文摘
建立机器视觉的几何测量模型,设计实验装置并进行标定。得到输出深度图像中灰度值与物体实际深度之间的反比例关系式。实现物料袋深度信息的提取,很好地反应出物料袋的表面形貌,并对所得结果的误差进行分析。
-
关键词
机器视觉
物料袋
图像深度信息
灰度值
-
Keywords
machine vision
bag
image＇s depth information
gray value
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的单目图像深度信息恢复
- 2
-
-
作者
秦文光
付新竹
张楠
-
机构
山西中煤华晋集团公司王家岭矿
中国矿业大学
-
出处
《机电工程技术》
2022年第5期153-156,197,共5页
-
文摘
为了解决现有单目图像深度信息恢复方法中参数量较多,预测结果存在部分深度信息丢失的问题,结合编-解码结构提出RG-ResNet网络模型。首先,提出相关联分组卷积替代分组卷积,弥补了分组卷积通道间信息不关联的缺陷;然后,基于相关联分组卷积进一步改进ResNet的残差结构,得到RG-ResNet残差模块;最后,利用改进的RG-ResNet残差模块堆叠进行特征提取形成网络模型的编码部分,利用反卷积加池化的上采样操作扩大图像分辨率以构建解码部分。在NYU Depth V2数据集上验证了模型的有效性与优越性,实验结果显示,该方法的预测结果均方根误差为0.459,平均相对误差为0.123,平均对数误差为0.055。同比于其他先进算法,所提方法获得了更高的准确率,并且能够较好地恢复图像细节的深度信息。
-
关键词
深度学习
图像深度信息
相关联分组卷积
-
Keywords
deep learning
image depth
related groupable convolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
